SpaceXAI Grok Voice 3.0 登顶语音交互榜：以 86.9 分超越 GPT-Live，实现低延迟与高任务成功率

Artificial Analysis (@ArtificialAnlys) · 2026-10-14 17

SpaceXAI 的 Grok Voice 3.0 成为新的语音到语音（Speech to Speech）模型领跑者，在 Artificial Analysis 语音到语音指数中以 86.9 分位居榜首，同时在延迟方面表现极具竞争力。

Grok Voice 3.0 是 @SpaceXSI 推出的 Grok Voice 2.0 的继任者，这是一款通过 SpaceXAI Realtime API 提供的语音到语音模型，定价为每分钟 0.08 美元。我们使用 Rex 声音并通过 SpaceXAI Realtime API 对 Grok Voice 3.0 进行了评估。

关键要点：

➤ 语音到语音指数：Grok Voice 3.0 以 86.9 分首次亮相即排名第 1，领先于 GPT-Live-1 (Astra, medium) 的 83.2 分、Gemini 3.8 Live Extended Thinking (High) 的 82.6 分以及 GPT-Live-1 (Sol, low) 的 80.1 分。相比 Grok Voice 2.0 的 81.3 分提升了 5.6 分，相比发布于不到六个月前的 Grok Voice 1.0 的 73.7 分提升了 13.2 分。该指数综合了语音推理（Big Bench Audio）、智能体性能（Tau Voice）、竞技场偏好度（Arena Preference）和任务成功率。

➤ 语音智能体竞技场（Speech Agent Arena）：Grok Voice 3.0 在偏好度排名中位列第 3，Elo 分数为 1070，仅次于 Gemini 3.1 Flash Live Minimal (1100) 和 Gemini 3.8 Live (1088)，并领先于 GPT-Live-1 (Sol, low) 的 1057 分；在任务成功率方面排名第 1，达到 94.8%，为榜单最高，略高于 Grok Voice 2.0 的 94.6%。Grok Voice 2.0 的 Elo 分数落后，为 1011。

➤ Tau Voice：在我们的 Tau Voice benchmark 实现中，Grok Voice 3.0 获得第 2 名，得分为 71.6%，仅次于 GPT-Live-1 (Astra, medium) 的 74.5%，并领先于 Gemini 3.8 Live Extended Thinking (High) 的 68.6% 和 GPT-Live-1 (Sol, low) 的 59.3%——较 Grok Voice 2.0 的 56.5% 有所提升。

➤ Big Bench Audio：Grok Voice 3.0 在音频推理方面的得分高达 98.5%，领先于 Gemini 3.8 Live Extended Thinking (High) 的 97.7% 和 Grok Voice 2.0 的 97.2%。

➤ 速度：在 Big Bench Audio 测试中，Grok Voice 3.0 的平均首音频生成时间（Time to First Audio）为 0.81 秒，远快于 GPT-Live-1 (Sol, low) 的 1.24 秒、GPT-Live-1 (Astra, medium) 的 1.34 秒以及 Gemini 3.8 Live Extended Thinking (High) 的 1.35 秒，但略慢于 Grok Voice 2.0 的 0.70 秒。

➤ 成本：Grok Voice 3.0 的输入音频费用为每小时 4.80 美元，与 Grok Voice 2.0 持平。这一价格高于 GPT-Live-1 (Sol, low) 的 4.47 美元和 Gemini 3.8 Live Extended Thinking (High) 的 3.50 美元，低于 GPT-Live-1 (Astra, medium) 的 5.83 美元，且比 GPT-Realtime-2.1 High 的 10.75 美元便宜约 2.2 倍。

祝贺 @elonmusk 和 @SpaceXSI 团队 🚀

更多细节见下文 ⬇️