Grok Voice 3.0: «أقل من ثانية» صحيح، و«أقل بنسبة 40%» تم قياسه مقابل النموذج الخطأ

أعلنت SpaceXAI Grok Voice 3.0 في 14 أكتوبر 2026، وكان العنوان الذي قدّمته به أن النموذج يجيب في أقل من ثانية مع خفض زمن الاستجابة بنسبة 40%. ويصمد كلا الشقين عند مواجهتهما بالأرقام، ولهذا يستحق الأمر معرفة أي أرقام. ادعاء الإجابة في أقل من ثانية حقيقي: 0.81 ثانية حتى أول صوت، وهو أسرع رقم ينشره أي نموذج كلام-إلى-كلام رائد اليوم. وادعاء 40% حقيقي أيضًا، وهو يقارن Grok Voice 3.0 مقابل GPT-Live-1 المهيأ مع Astra بمستوى جهد استدلالي متوسط، الذي تقيسه اللوحة عند 1.34 ثانية. وما لا تذكره مواد الإطلاق هو أن النموذج الذي يحل هذا محلّه، Grok Voice 2.0، يبدأ التحدث في 0.70 ثانية — أسرع بـ 0.11 ثانية من الطراز الرائد الذي أحاله إلى التقاعد.

هذا ليس تفنيدًا. إنه شكل هذا الإصدار، وكل جزء منه مقايضة. إن Grok Voice 3.0 وكيل أفضل جوهريًا من سابقه، وأبطأ قليلًا في فتح فمه، وتشير هاتان الحقيقتان في اتجاهين متعاكسين حسب الغرض من خط هاتفك.

الأرقام الأربعة التي تحركت، والرقمان اللذان لم يتحركا

أعادت Artificial Analysis تشغيل لوحة Speech to Speech الخاصة بها في 13 أكتوبر 2026، أي في اليوم السابق للإعلان، لذا فإن القياس يسبق التسويق. كل رقم أدناه مأخوذ من اللوحة، وليس من SpaceXAI.

• المؤشر المركّب — 86.9، ارتفاعًا من 81.3 لدى Grok Voice 2.0، وهو أعلى نتيجة على اللوحة. ويأتي GPT-Live-1 بإعداداته المتوسطة Astra عند 83.2، وGemini 3.8 Live Extended Thinking عند 82.6.

• الأداء الوكيلي، τ-Voice — 71.6%، ارتفاعًا من 56.5%. هذه أكبر نقلة في الإصدار بفارق كبير: قفزة بمقدار 15 نقطة في المكوّن الذي يقيّم ما إذا كان الوكيل ينجز مهمة متعددة الخطوات بدلًا من مجرد أن يبدو كفؤًا أثناء أدائها.

• تفضيل Arena — Elo 1070، ارتفاعًا من 1011، وهو الأعلى على لوحة الصدارة.

• زمن الوصول إلى أول صوت — 0.81 ثانية، مقابل 0.70 ثانية للنموذج الذي يحلّ محلّه. أبطأ، ومع ذلك أسرع بنحو 40% في الانطلاق من تهيئة GPT-Live-1 التي تقارن SpaceXAI نفسها بها.

• نجاح المهمة — 94.8%، مقابل 94.6%. عُشرا نقطة. على مستوى إتمام المهمة الخام، هذان، ضمن خطأ القياس، هما النموذج نفسه.

• السعر — $0.08 لكل دقيقة من الصوت، أو $4.80 في الساعة، بالإضافة إلى $0.004 لكل إدخال نصي. مطابق لـ Grok Voice 2.0. هذا تحديث للقدرات وفق بطاقة أسعار ثابتة، وليس إعادة تسعير.

التفكيك يهم أكثر من الخبر الرئيسي. جاء معظم المكسب المركّب البالغ 5.6 نقطة من الأداء الوكيلي وتفضيل الساحة، مع زيادة طفيفة في الاستدلال الكلامي — إذ تشير قراءة مكوّن الاستدلال في اللوحة إلى ما بين 98.5 و99 حسب اللقطة، وهو سقف في كلتا الحالتين — ونجاح المهمة الخام ثابت. Grok Voice 3.0 وكيل أفضل. لكنه ليس محاورًا أفضل، وليس أسرع.

إلى ماذا تشير "مكالمات العملاء" في الواقع

وصف الموجز الذي أظهر هذا الإصدار بأنه مصمم لمكالمات العملاء، وتدعم مواد البائع هذا التفسير بأرقام نشر لا يمكن لأي طرف خارجي تدقيقها. وتقول SpaceXAI إن Grok Voice يشغّل ملايين المحادثات اليومية عبر مركبات Tesla وSpaceX، وإن دعم Starlink ينفّذ 20,000 مكالمة عميل يوميًا بعدة لغات، مع حلّ نحو 70% منها دون تدخل بشري، وأن نحو مكالمة بيعية واحدة من كل أربع تنتهي بعملية شراء، وأن الوكيل نفسه يتعامل مع التحقق من الهوية، واستكشاف أعطال الأجهزة، وأرصدة الحسابات، وشحنات الاستبدال ضمن مسار واحد. كما يذكر نسبة مقرّبة تبلغ 74% في EVA-Bench الخاصة بـ ServiceNow.

اقرأ معدل الاحتواء بعناية، لأنه الرقم الأكثر ترجيحًا لأن يُقتبس كقدرة نموذج عندما يكون نتيجة نظام. كم عدد المكالمات التي يغلقها وكيل الدعم دون تصعيد يعتمد على تصميم التوجيه، وجودة الاسترجاع، وسياسة التصعيد التي كتبتها — وليس فقط على النموذج الكامن. إن قيام بائع بتوجيه مكالمات إيراداته عبر نموذجه الخاص هو أقوى إشارة متاحة على أن الشيء يعمل، وفي الوقت نفسه أضعف دليل متاح للقارئ، لأن لا شيء من ذلك يفصل النموذج عن الغلاف.

حركة τ-Voice هي الجزء من الإصدار الذي يخاطب السؤال نفسه برقم يمكن لشخص خارجي التحقق منه. الانتقال من 56.5% إلى 71.6% في اختبار معياري وكيلي متعدد الجولات هو الفرق بين نموذج صوتي قادر على إدارة محادثة ونموذج قادر على إنجاز مهمة داخلها. هذا هو الادعاء الجدير بالتصديق؛ أما رقم الاحتواء فهو الجدير بالانتظار.

الهجرة التي لم يكن على أحدٍ أن يوافق عليها

يعمل Grok Voice 3.0 عبر نفس نقطة نهاية WebSocket اللحظية التي كان يستخدمها سابقه، مع نفس معلمات الجلسة، ونفس أسماء الأحداث، ونفس مصافحة bearer-token، ونفس مجموعة الأصوات المدمجة بالإضافة إلى نقطة نهاية الصوت المخصص. لا يوجد تغيير في SDK ولا مستند ترحيل، لأنه لا يوجد شيء لترحيله. تغيّرت سلسلة النموذج وتغيّر السلوك الذي يقف خلفها.

ثم هناك الاسم المستعار. grok-voice-latestالآن يُوجَّه إلى Grok Voice 3.0، و grok-voice-2.0 موسوم بأنه مهمل. أي شخص نشر بالاعتماد على الاسم المستعار نُقل تلقائيًا إلى النموذج الجديد، دون تغيير في الكود ودون تثبيت إصدار — وهذا مهم أكثر مما يبدو، لأن الاسم المستعار لم يُوجَّه إلى Grok Voice 2.0 إلا في 5 أغسطس 2026. فريق بنى عليه في أغسطس مرّ بتبديلين صامتين للنموذج خلال ربع واحد. بالنسبة لتجربة روبوت محادثة، هذا تسهيل. أما بالنسبة لنظام هاتفي كُتبت مجموعة اختبارات الانحدار الخاصة به وفق توقيت صوت معيّن وزمن وصول إلى أول صوت محدد، فهو تغيير في الإعدادات أجراه شخص آخر نيابة عنك.

البند الثاني في نفس الموجز

لم يأتِ الإطلاق بمفرده. فسوق Grok Bot مفتوح الآن أمام المطورين لتقديم الموصلات والإضافات، وهذا نوع مختلف من الأخبار ويستحق الذكر لأن الإعلانين يتفاعلان معًا. Grok Bot هو منتج الوكيل الذي تسجّل حواسيبه السحابية الدخول إلى الأدوات التي يستخدمها الفريق بالفعل؛ وخط تقديم الموصلات هو ما يحوّل قائمة تكاملاته من أي شيء كتبته SpaceXAI إلى أي شيء يحتاجه عملاؤها.

إذا جمعنا الاثنين معًا، فإن النتيجة المثيرة للاهتمام معمارية وليست تجارية. إذا كان الصوت هو الواجهة إلى وكيل، وكان مدى وصول الوكيل يُحدَّد بالموصلات التي يمكنه استدعاؤها، فإن السطح الذي يقرر ما إذا كان الاستدعاء ينجح هو طبقة الأدوات بشكل متزايد. تلك هي الطبقة التي لا يملكها بائع الصوت ولا يضع لها معايير أداء. لا يوجد رقم علني لها، ولن يوجد، لأنها تختلف من عميل لآخر.

حيث يكون الراوتر هنا حاملًا فعليًا للعبء

لا يوفّر OrcaRouter نقطة النهاية الفورية لـ Grok Voice 3.0. نقطة النهاية تلك مملوكة لـ SpaceXAI، ولا يمكن لأي شيء أن يتدخّل في جلسة صوتية مزدوجة الاتجاه يملكها مورّد واحد؛ وأي شخص يدّعي خلاف ذلك فهو يصف قدرة لا يملكها. ما نشغّله هو الطبقة النصية الواقعة تحته — الملخِّص الذي يكتب السجل بعد المكالمة، والمصنِّف الذي يعيّن رمز التصرف، والاسترجاع الذي يجيب عمّا سلّمه نموذج الصوت، واستدعاءات الأدوات خلف الموصلات التي يقبلها السوق الآن. هذا العمل يُقاس بالطلبات، وهو حيث يتراكم جزء معتبر من تكلفة المكالمة الواحدة: 207 نموذجاً من أكثر من اثني عشر مزوّداً خلف مفتاح واحد، بسعر قائمة المزوّد دون أي هامش ربح، مع تبديل تلقائي عند تدهور مزوّد، ولغة توجيه DSL تجمع عدة نماذج في مكالمة واحدة. ولأنه لا يُضاف أي هامش ربح، فإن أي تخفيض سعر من مورّد على أي من تلك النماذج يصبح سارياً لدينا في اليوم نفسه بدلاً من تجديدك التالي.

ما الذي لا يزال غير مُقاس؟

ثلاثة أمور، وهي ما ينبغي أن يحدد ما إذا كنت ستتحرك الآن أو تثبّت إصدارك أولاً.

الأول هو استقرار الجلسات الطويلة. كل رقم مما سبق مستمد من تفاعلات قصيرة ومُقيَّمة. لا شيء منشور يغطي ما تفعله مكالمة مدتها 20 دقيقة بمعدلات الخطأ، وأنماط الفشل المهمة لنموذج ثنائي الاتجاه — الانحراف المتراكم، وسياسة تناوب الأدوار التي تتدهور في ظل المقاطعة المتكررة — لا تظهر إلا على مدى دقائق لا على مدى أدوار.

الثاني هو ما إذا كانت 0.81 ثانية تصمد تحت الحمل. يُقاس زمن الوصول إلى أول صوت على نظام هادئ، وبيئة الإنتاج ليست نظامًا هادئًا. وقد قِيست 0.70 ثانية للنظام السابق بالطريقة نفسها، ولهذا فإن المقارنة بينهما على الأقل متماثلة الشروط، أما المقارنة بعملية نشر حيّة فليست كذلك.

الثالث هو ادعاء القناة المشوّشة. الجيل السابق من هذا الخط سُوِّق على أساس معدل خطأ الكلمات في ظروف الاتصالات الهاتفية وعبر 24 لغة، وهذا أكثر شيء قابل للدحض قالته الشركة المورّدة عن نموذج صوتي. مواد الإطلاق الأحدث لا تعيد ذكره، وهذا إما سهو أو إقرار، ولا يمكن لأحد من الخارج أن يخبرك حالياً أيهما. أي شخص لديه مدونة تسجيلات مكالمات وبعد ظهيرة واحدة يمكنه التحقق من ذلك، وإلى أن يفعل ذلك أحد، فإن الخلاصة الأمينة عن Grok Voice 3.0 هي هذه: أفضل نتيجة مركبة على اللوحة العامة، مركّزة في الأداء الوكيلي؛ بالسعر نفسه للنموذج الذي يُحيله إلى التقاعد؛ أبطأ في بدء التحدث من ذلك النموذج؛ ونُشر على كل مستخدم موجود للاسم المستعار دون سؤاله. الثلاثة الأولى أسباب لاختباره، والرابع سبب ليكون لديك تثبيت إصدار في إعداداتك قبل أن تفعل ذلك.