Musk 称 Grok Voice 3.0 登顶 Artificial Analysis 语音模型评测

Musk 发文称 Grok Voice 3.0 已是全球领先的对话语音模型，并引用 Artificial Analysis 的评测：Grok Voice 3.0 以 86.9 分登顶 Speech to Speech Index，领先 GPT-Live-1（Astra, medium）的 83.2 和 Gemini 3.8 Live 的 82.6，较 Grok Voice 2.0 的 81.3 提升 5.6 分。

该模型通过 Realtime API 提供，价格 $0.08 每分钟，Big Bench Audio 平均首音频延迟 0.81 秒，任务成功率 94.8% 居榜首。

Musk 援引 Artificial Analysis 评测称，Grok Voice 3.0 以 86.9 分登顶 Speech to Speech Index，领先 GPT-Live-1 与 Gemini 3.8 Live；该模型通过 Realtime API 提供，价格 $0.08 每分钟，平均首音频延迟 0.81 秒，任务成功率 94.8%。

• Grok Voice 3.0 以 86.9 分登顶 Speech to Speech Index
• 领先 GPT-Live-1 83.2 与 Gemini 3.8 Live 82.6
• 通过 Realtime API 提供，价格 $0.08/分钟
• 平均首音频延迟 0.81 秒，任务成功率 94.8%
• Musk 引用 Artificial Analysis 评测，需独立验证

这是什么信号：Musk 公开援引 Artificial Analysis 的评测，称 Grok Voice 3.0 已是全球领先的对话语音模型，并以 86.9 分登顶 Speech to Speech Index，领先 GPT-Live-1（Astra, medium）的 83.2 与 Gemini 3.8 Live 的 82.6，较 Grok Voice 2.0 的 81.3 提升 5.6 分。同时，该模型通过 Realtime API 提供，价格 $0.08 每分钟，Big Bench Audio 平均首音频延迟 0.81 秒，任务成功率 94.8% 居榜首。

为什么重要：实时语音正在成为 AI 助手、客服、硬件入口和 Agent 的关键交互层。分数、延迟、任务成功率和价格共同决定它能否从演示走向生产。若这些指标成立，Grok Voice 3.0 会对同榜单中的实时语音产品形成直接竞争压力，也会改变 API 选型者的比较基准。

对谁有价值：做语音 Agent、智能客服、实时翻译、陪伴或硬件交互、会议与呼叫中心的产品与工程团队；需要评估模型性价比的创业者和企业架构师；跟踪大模型竞争格局的行业分析师。

可以怎么行动：用 Realtime API 做小规模 PoC，重点测首音频延迟、打断恢复、多轮任务完成率和真实并发成本；把 $0.08 每分钟换算到自身通话时长，和 GPT-Live-1、Gemini 3.8 Live 做同任务对比；检查数据留存、隐私合规和滥用防护；将语音链路纳入现有客服或助手工作流。

风险或限制：Musk 的自述带有营销动机，Artificial Analysis 的单一榜单不能替代真实业务评测；原文未说明测试语种、网络条件、并发规模和失败案例；价格、延迟和榜单排名都可能变化；实时语音涉及隐私、合规与安全风险，上线前需独立验证。

信息差价值：这条信号把语音模型的竞争指标具体化到榜单分数、延迟、任务成功率和每分钟价格，而不只是“语音更自然”的感性描述。对于正在选型的人来说，它提供了一组可直接进入对比表的参数。

业务启发：实时语音的商业价值在于低延迟多轮任务完成，而不是单轮演示。若 Grok Voice 3.0 的指标可复现，语音客服、语音 Agent 和硬件交互团队可以把它加入候选池，重新计算体验与成本平衡。

可沉淀动作：建立统一的语音模型评测表，固定任务集、语种、网络和并发条件；记录首音频延迟、打断恢复、任务成功率与每分钟成本；对候选 API 做合规评审，并把结论沉淀为团队选型文档。

• @elonmusk 原帖