xAIは2026年10月14日、音声を受け取り音声で応答するモデル「Grok Voice 3.0」を発表し、Voice Agent APIを通じて提供を始めました。価格はGrok Voice 2.0と同じです。同社によると、顧客サポート通話を過去最高の割合で解決し、応答遅延は1秒未満で、他の最先端モデルより低コストです。TeslaとSpaceXは毎日数百万件の会話にGrok Voiceを使っています。

Artificial Analysisの評価では、Grok Voice 3.0はSpeech-to-Speech Indexで86.9を記録し、首位となりました。Grok Voice 2.0は81.3、GPT-Live-1は83.2、Gemini 3.8 Liveは82.6でした。音声推論を測るBig Bench Audioでは98.5%、人の好みを測るSpeech Agent Arena Eloでは1,070、タスク成功率は94.8%、会話のやり取りを測るFull Duplex Benchでは97.0%でした。Grok Voice 2.0、GPT-Live-1、Gemini 3.8 Liveの順に、各指標の結果はBig Bench Audioが97.2%、90.1%、97.7%、Speech Agent Arena Eloが1,011、1,048、990、タスク成功率が94.6%、87.4%、89.1%、Full Duplex Benchが95.1%、94.9%、91.9%です。同社によると、Full Duplex Benchは間、話者交代、割り込みへの対応を測ります。

アクセントの違いや周囲の雑音、割り込みがあるサポート通話を評価するτ-Voiceでは、Grok Voice 3.0は71.6%でした。xAIは、これはGPT-Live-1（Astra）に匹敵し、遅延は40%低いとしています。Artificial Analysisによると、Big Bench Audioのタスク当たりの費用はGPT-Live-1（Astra、Medium）とGPT-Realtime-2.1を下回りました。企業向け音声エージェントの評価基準であるServiceNowのEVA-Benchでは、正確性スコア74%で最高となり、正確性と顧客体験を合わせた評価でも首位でした。この基準は200以上の企業シナリオを対象とします。

Teslaのドライバーは、毎日数百万件の会話にGrok Voiceを利用できます。Connectorsを通じたハンズフリーの予定表やメールの依頼、Grok Botを通じたコーヒーの注文や夕食の予約にも対応します。Grok Voice 3.0はGrok Botの音声モードも動かしています。Starlinkのコールセンターは複数の言語で毎日2万件の顧客通話にGrok Voiceを使い、約70%を人の支援なしで解決しています。販売通話の4件に1件は、顧客が電話を切る前に購入に至ります。1つのエージェントで顧客確認、機器のトラブル対応、クレジットの発行、交換機器の発送ができます。

Voice Agent APIの料金は1分あたり0.08ドル（1時間あたり4.80ドル）で、Grok Voice 2.0から変更ありません。grok-voice-latestを使うエージェントは自動的に切り替わり、利用者側の変更は不要でした。

xAIは2026年10月14日、音声を受け取り音声で応答するモデル「Grok Voice 3.0」を発表し、Voice Agent APIを通じて提供を始めました。価格はGrok Voice 2.0と同じです。同社によると、顧客サポート通話を過去最高の割合で解決し、応答遅延は1秒未満で、他の最先端モデルより低コストです。TeslaとSpaceXは毎日数百万件の会話にGrok Voiceを使っています。

Artificial Analysisの評価では、Grok Voice 3.0はSpeech-to-Speech Indexで86.9を記録し、首位となりました。Grok Voice 2.0は81.3、GPT-Live-1は83.2、Gemini 3.8 Liveは82.6でした。音声推論を測るBig Bench Audioでは98.5%、人の好みを測るSpeech Agent Arena Eloでは1,070、タスク成功率は94.8%、会話のやり取りを測るFull Duplex Benchでは97.0%でした。Grok Voice 2.0、GPT-Live-1、Gemini 3.8 Liveの順に、各指標の結果はBig Bench Audioが97.2%、90.1%、97.7%、Speech Agent Arena Eloが1,011、1,048、990、タスク成功率が94.6%、87.4%、89.1%、Full Duplex Benchが95.1%、94.9%、91.9%です。同社によると、Full Duplex Benchは間、話者交代、割り込みへの対応を測ります。

アクセントの違いや周囲の雑音、割り込みがあるサポート通話を評価するτ-Voiceでは、Grok Voice 3.0は71.6%でした。xAIは、これはGPT-Live-1（Astra）に匹敵し、遅延は40%低いとしています。Artificial Analysisによると、Big Bench Audioのタスク当たりの費用はGPT-Live-1（Astra、Medium）とGPT-Realtime-2.1を下回りました。企業向け音声エージェントの評価基準であるServiceNowのEVA-Benchでは、正確性スコア74%で最高となり、正確性と顧客体験を合わせた評価でも首位でした。この基準は200以上の企業シナリオを対象とします。

Teslaのドライバーは、毎日数百万件の会話にGrok Voiceを利用できます。Connectorsを通じたハンズフリーの予定表やメールの依頼、Grok Botを通じたコーヒーの注文や夕食の予約にも対応します。Grok Voice 3.0はGrok Botの音声モードも動かしています。Starlinkのコールセンターは複数の言語で毎日2万件の顧客通話にGrok Voiceを使い、約70%を人の支援なしで解決しています。販売通話の4件に1件は、顧客が電話を切る前に購入に至ります。1つのエージェントで顧客確認、機器のトラブル対応、クレジットの発行、交換機器の発送ができます。

Voice Agent APIの料金は1分あたり0.08ドル（1時間あたり4.80ドル）で、Grok Voice 2.0から変更ありません。grok-voice-latestを使うエージェントは自動的に切り替わり、利用者側の変更は不要でした。