Grok Voice 3.0：“不到一秒”属实，“低40%”却是与错误的模型对比得出的

SpaceXAI 宣布Grok Voice 3.0于 2026 年 10 月 14 日推出，其主打的宣传语是：该模型能在不到一秒内作答，同时将延迟降低 40%。这两部分都经得起数字的检验，因此值得细看究竟是哪些数字。不到一秒的说法是真的：首次音频仅需 0.81 秒，是当今任何前沿语音到语音模型公布的最快数字。40% 的说法也是真的，它比较的是 Grok Voice 3.0与GPT-Live-1配置了 Astra、以中等推理强度运行，评测榜单测得为 1.34 秒。发布材料没有说的是，这款模型所取代的模型，Grok Voice 2.0，在 0.70 秒时开始说话——比让它退役的旗舰模型快 0.11 秒。

这并不是什么辟谣。这就是本次发布的形态，而其中的每一部分都是一次取舍。Grok Voice 3.0 是比前代实质性更强的智能体，但开口说话却略微更慢，而这两个事实指向相反的方向，取决于你的电话线是用来做什么的。

四个变动的数字，以及两个没变的

Artificial Analysis 于 2026 年 10 月 13 日重新运行了其 Speech to Speech 排行榜，也就是公告发布的前一天，因此这次测量早于营销宣传。下文中的每个数字都来自该排行榜，而非 SpaceXAI 的。

• 综合指数——86.9，高于 Grok Voice 2.0 的 81.3，为榜单最高分。采用 Astra 中等配置的 GPT-Live-1 得分为 83.2，Gemini 3.8 Live Extended Thinking 为 82.6。

• 智能体性能，τ-Voice —— 71.6%，高于此前的 56.5%。这是本次发布中幅度最大的一项变化，且遥遥领先：该组件的得分跃升了 15 个百分点，而它衡量的正是智能体能否真正完成多步骤任务，而非只是听起来胜任。

• 竞技场偏好——Elo 1070，较之前的 1011 有所上升，且为榜单最高。

• 首次音频时间——0.81 秒，相比之下，它所取代的模型为 0.70 秒。虽然更慢，但起步仍比 SpaceXAI 用于对比的 GPT-Live-1 配置快约 40%。

• 任务成功率 — 94.8%，而对比为 94.6%。仅差 0.2 个百分点。就原始任务完成情况而言，在测量误差范围内，二者是同一个模型。

• 价格 — 音频每分钟 $0.08，或每小时 $4.80，另加每次文本输入 $0.004。与 Grok Voice 2.0 相同。这是在费率表不变的情况下进行的一次能力更新，而非重新定价。

拆解比总体数字更重要。5.6 分的综合提升大部分来自智能体表现和竞技场偏好，语音推理只有小幅上移——榜单的推理部分视快照不同在 98.5 到 99 之间，无论哪种都已是上限——而原始任务成功率持平。Grok Voice 3.0 是更好的智能体。它不是更好的对话者，也不是更快的那个。

“客户来电”实际指向什么

让此次发布浮出水面的那份简报将其描述为专为客户通话而打造，而供应商材料用外部任何一方都无法审计的部署数据支持了这一解读。SpaceXAI 表示，Grok Voice 为 Tesla 车辆和 SpaceX 中每天数百万次对话提供支持；Starlink 支持每天以多种语言处理 20,000 通客户电话，其中约 70% 无需人工即可解决，约四分之一的销售电话最终促成购买；并且同一个智能体可在同一流程内处理身份验证、硬件故障排查、账户抵扣和补发发货。它还在 ServiceNow 的 EVA-Bench 上报告了取整后的 74%。

仔细审视拦截率，因为它最容易被当作模型能力来引用，而它其实是系统层面的结果。客服代理能在无需升级的情况下结束多少通来电，取决于提示词设计、检索质量以及你制定的升级策略——而不只取决于底层模型。供应商把自身创收相关的来电交由自家模型处理，这是现有信号中最能说明这套东西有效的一个，同时也是对读者而言最弱的现有证据，因为其中没有任何内容能把模型与包装层区分开来。

τ-Voice 的动向是本次发布中，用一个外部人士也能核查的数字来回应同一个问题的那一部分。在多轮智能体基准测试上从 56.5% 提升到 71.6%，这正是一个能维持对话的语音模型与一个能在对话中完成任务的语音模型之间的差别。那才是值得买单的说法；遏制数字才是值得等待的那个。

无人需要同意的迁移

Grok Voice 3.0 运行在与前代相同的实时 WebSocket 端点上，会话参数相同，事件名称相同，bearer 令牌握手相同，内置语音集和自定义语音端点也相同。没有 SDK 变更，也没有迁移文档，因为没有什么需要迁移。模型字符串变了，其背后的行为也变了。

接下来是别名的问题。grok-voice-latest现在指向 Grok Voice 3.0，而 grok-voice-2.0 则被标记为已弃用。凡是基于该别名进行部署的，都被自动迁移到了新模型上，既无需改动代码，也无需锁定版本——而这件事比听起来更要紧，因为该别名直到 2026 年 8 月 5 日才指向 Grok Voice 2.0。一个在 8 月基于它构建的团队，在一个季度之内就已经历了两次悄无声息的模型替换。对于聊天机器人实验来说，这是一种便利。但对于一套电话系统——其回归测试套件是针对某个特定语音的时序和某个特定的首音频延迟而编写的——这就是别人替你做出的配置变更。

同一份简报中的第二项

这次发布并非单独到来。Grok Bot 市场现已开放，供开发者提交连接器和插件；这是另一类消息，也值得点名，因为这两项公告会相互作用。Grok Bot 是一款智能体产品，其云端计算机会登录团队已经在使用的工具；而连接器提交流程，正是把它的集成列表从 SpaceXAI 写成的样子，变成客户所需样子的机制。

把这两者放在一起，有趣的后果是架构层面的，而非商业层面的。如果语音是与智能体交互的界面，而智能体的触达范围由它可以调用的连接器决定，那么决定一次调用能否真正落地的层面，就越来越是工具层。而这个层面，语音厂商既不拥有，也不做基准测试。它没有公开的数字，也永远不会有，因为每个客户的情况都不一样。

路由器在这里真正承担关键负荷的地方

OrcaRouter 并不提供 Grok Voice 3.0 实时端点。该端点归 SpaceXAI 所有，而对于由单一厂商掌控的双工音频会话，任何东西都无法介入；但凡声称可以的人，都是在描述自己并不具备的能力。我们运行的是它之下的文本层——在通话结束后撰写记录的摘要器、分配处置代码的分类器、对语音模型所移交内容作出应答的检索，以及市场目前正在接入的连接器背后的工具调用。这部分工作按请求计量，而每次通话成本中相当可观的一部分正是由此累积：一把密钥背后、来自十几家以上上游的 207 个模型，按供应商标价、零加价，并具备供应商性能下降时的自动故障转移，以及可将多个模型组合为一次调用的路由 DSL。由于没有任何加价，其中任一模型的供应商降价，在我们这边当天即会生效，而无需等到你下一次续费。

还有什么尚未被测量

三件事，而它们正是决定你是现在行动，还是先锁定版本的关键。

第一点是长会话稳定性。上面每一个数字都来自简短、有评分的交互。已发表的研究中，没有任何一项涵盖一通 20 分钟的通话会对错误率造成什么影响，而对双工模型真正关键的失效模式——累积漂移、在反复打断下逐渐退化的轮次切换策略——只有在以分钟而非轮次计的尺度上才会显现。

第二个问题是，0.81 秒在负载下是否依然成立。首次音频时间是在空闲系统上测量的，而生产环境并非空闲系统。前代的 0.70 秒也是以同样的方式测量的，因此它们之间的比较至少是同口径的，而与线上部署的比较则不是。

第三点是噪声信道这一说法。该产品线上一代的营销宣传立足于电话条件下的词错误率以及覆盖 24 种语言的表现，而这是厂商就语音模型所说过的最可被证伪的一句话。较新的发布材料没有重申这一点，这要么是疏忽，要么是一种默认承认，而目前外部没有人能告诉你究竟是哪一种。任何拥有通话录音语料库的人，花上一个下午就能验证它；而在有人这么做之前，对 Grok Voice 3.0 最诚实的总结是这样的：在公开榜单上综合表现最佳，且优势集中在智能体性能上；与被它取代的那款模型价格相同；开口说话比那款模型更慢；并且在未经询问的情况下部署到了所有现有的别名用户身上。前三点是测试它的理由，而第四点则是你在测试之前应当在配置里锁定版本的理由。