Grok Voice 3.0：「不到一秒」是真的，而「低了 40%」是拿錯模型來比較的

SpaceXAI 宣布Grok Voice 3.0於 2026 年 10 月 14 日推出，而它主打的宣傳說法是：這款模型能在不到一秒內回應，同時將延遲降低 40%。這兩半說法在數字面前都站得住腳，這正是為什麼值得細看究竟是哪些數字。不到一秒的說法是真的：首次音訊輸出只需 0.81 秒，是當今任何前沿語音對語音模型所公布的最快數字。40% 的說法也是真的，而它拿來比較的是Grok Voice 3.0對上GPT-Live-1，後者以 Astra 搭配中等推理強度配置，而該排行榜測得為 1.34 秒。發布資料沒說的是，這款模型所取代的Grok Voice 2.0，開始說話只需 0.70 秒——比讓它退役的旗艦還快 0.11 秒。

那不是駁斥。這是這次發布的樣貌，而其中每一部分都是取捨。Grok Voice 3.0 是比前代實質上更好的代理，也是開口稍慢一點的代理；而這兩項事實會指向相反方向，取決於你的電話線路用途為何。

移動的四個數字，以及未移動的兩個

Artificial Analysis 於 2026 年 10 月 13 日重新跑了一次其 Speech to Speech 排行榜，也就是公告前一天，因此這項測量早於行銷宣傳。以下每一項數字都出自該排行榜，而非 SpaceXAI。

• 綜合指數 — 86.9，較 Grok Voice 2.0 的 81.3 上升，且是排行榜上的最高分。GPT-Live-1 在其 Astra 中型配置下為 83.2，而 Gemini 3.8 Live Extended Thinking 為 82.6。

• 代理式效能，τ-Voice — 71.6%，較 56.5% 提升。這是本次發布中幅度最大的一項變動，遙遙領先其餘項目：在評估代理能否完成多步驟任務、而非只是聽起來表現稱職的這項指標上，一舉躍升了 15 個百分點。

• 競技場偏好 — Elo 1070，從 1011 上升，且是排行榜上最高的。

• 首次音訊時間——0.81 秒，而它所取代的模型為 0.70 秒。雖然較慢，但起步仍比 SpaceXAI 拿來與自身對比的 GPT-Live-1 配置快約 40%。

• 任務成功率 — 94.8%，對比 94.6%。零點二個百分點。就原始任務完成率而言，在量測誤差範圍內，這些是同一個模型。

• 價格 — 每分鐘音訊 $0.08，或每小時 $4.80，另加每筆文字輸入 $0.004。與 Grok Voice 2.0 相同。這是在固定費率表下的能力更新，而非重新定價。

拆解比頭條數字更重要。5.6 點綜合增幅大多來自代理式效能與競技場偏好，語音推理則只有小幅推升——排行榜的推理分項讀數介於 98.5 與 99 之間，取決於快照，但無論如何都是天花板——而原始任務成功率則是持平。Grok Voice 3.0 是更好的代理。它不是更好的對話者，也不是更快的那個。

「客戶通話」實際上指的是什麼？

讓這項發布浮上檯面的簡報，將其描述為專為客戶通話而打造；廠商資料則以外界無法稽核的部署數字佐證這種解讀。SpaceXAI 表示，Grok Voice 每天在 Tesla 車輛與 SpaceX 中驅動數百萬次對話，Starlink 支援每天以多種語言處理 20,000 通客戶來電，其中約 70% 無需真人介入即可解決，而約每四通銷售來電就有一通最終成交；同一個代理程式也會在單一流程內處理身分驗證、硬體疑難排解、帳戶折抵與替換品出貨。該公司還回報其在 ServiceNow 的 EVA-Bench 上取得四捨五入後 74% 的成績。

仔細閱讀遏制率，因為它是最有可能被引述為模型能力的數字，而實際上它是系統結果。客服代理在不升級的情況下能結束多少通電話，取決於提示設計、檢索品質，以及你撰寫的升級政策——不僅僅取決於底層模型。供應商將自己的營收通話導向其自己的模型，是現有最強烈的訊號，證明這東西有效，但同時對讀者而言卻是最弱的證據，因為這一切都無法將模型與外殼分開。

τ-Voice 這項舉措是這次發布中，用一個外部人士能查核的數字來回應同一個問題的部分。在多輪代理式基準測試上從 56.5% 進步到 71.6%，就是一個能與人對話的語音模型，與一個能在對話中完成任務的語音模型之間的差別。那才是值得買帳的主張；而 containment 數字才是值得等待的那個。

無人必須同意的遷移

Grok Voice 3.0 與其前代版本執行於相同的即時 WebSocket 端點，使用相同的工作階段參數、相同的事件名稱、相同的 Bearer token 握手，以及相同的內建語音集與自訂語音端點。SDK 沒有任何變更，也沒有遷移文件，因為沒有東西需要遷移。改變的是模型字串，以及其背後的行為。

接著要談的是別名。grok-voice-latest現在會解析到 Grok Voice 3.0，而 grok-voice-2.0 已被標示為棄用。任何針對該別名部署的人，都會在未變更程式碼、也未鎖定版本的情況下，自動被移到新模型上——而這比聽起來更重要，因為該別名直到 2026 年 8 月 5 日才指向 Grok Voice 2.0。一支在 8 月依據它建置的團隊，已經在同一季內歷經兩次無聲的模型替換。對聊天機器人實驗來說，這是種便利。但對電話系統而言——其迴歸測試套件是針對特定語音的時間表現與特定首次音訊延遲所撰寫——這卻是別人替你做出的組態變更。

同一份簡報中的第二個項目

這次發布並非單獨到來。Grok Bot 市集如今已開放開發者提交連接器與外掛，這是另一類消息，值得特別點出，因為這兩項公告彼此相互影響。Grok Bot 是那款代理產品，其雲端電腦會登入團隊早已在使用的工具；而連接器的提交管道，正是讓其整合清單從 SpaceXAI 所寫的內容，轉變成客戶所需的內容的關鍵。

把兩者放在一起，有趣的後果是架構性的，而非商業性的。如果語音是與代理互動的介面，而代理的可及範圍取決於它能呼叫的連接器，那麼決定一次呼叫能否成功完成的介面，就日益是工具層。那是語音供應商並不擁有、也未對其進行標竿測試的一層。這一層沒有公開數字，而且未來也不會有，因為它對每個客戶都不一樣。

在這裡，路由器實際上真正承重的地方

OrcaRouter 並不提供 Grok Voice 3.0 即時端點。該端點屬於 SpaceXAI，而由單一供應商擁有的雙工音訊工作階段，沒有任何東西能从中介入；任何聲稱並非如此的人，描述的都是他們並不具備的能力。我們所運行的是其下的文字層——在通話結束後撰寫紀錄的摘要器、指派處置代碼的分類器、回應語音模型交接內容的檢索，以及市集現在所接受之連接器背後的工具呼叫。這類工作以請求計量，而每通通話成本的相當一部分正是在此累積：一個金鑰就能取用來自十多家上游的 207 個模型，以供應商定價提供、零加成，並在供應商效能下降時自動容錯移轉，還有一套可將多個模型組合成單次呼叫的路由 DSL。由於沒有任何加成，這些模型中任何一款的供應商降價，在我們這邊當天就會生效，而不是等到你下次續約時才反映。

什麼仍未被衡量

有三件事，而它們正是決定你現在就行動，還是先把你的版本固定住的關鍵。

第一點是長時間工作階段的穩定性。上述每一個數字都來自短時間、有評分的互動。目前沒有任何已發表的研究涵蓋 20 分鐘通話對錯誤率的影響，而對雙工模型至關重要的失效模式——累積漂移、在反覆插話下退化的輪替發言策略——只有在數分鐘而非數輪對話中才會顯現。

第二點是 0.81 秒在負載下是否仍成立。首次音訊時間是在安靜的系統上測量的，而正式環境並不是安靜的系統。前代的 0.70 秒也是以相同方式測量，因此它們之間的比較至少是同類相比，而與實際部署的比較則不是。

第三點是雜訊通道（noisy-channel）的主張。這條產品線的前一代是以電話情境下、橫跨 24 種語言的詞錯誤率作為行銷賣點，而那是該廠商針對語音模型所說過、最可被否證的一句話。較新的發表資料並未重申這一點，這要不是疏漏，就是一種承認，而目前外界沒有人能告訴你究竟是哪一種。任何擁有通話錄音語料庫、還有一個下午時間的人都能驗證，而在有人這麼做之前，對 Grok Voice 3.0 最誠實的總結是：在公開排行榜上綜合分數最佳，且集中在代理式表現；與它所取代的模型同價；開始說話的速度比該模型更慢；而且在未經詢問的情況下，就部署到每一位既有的別名使用者身上。前三點是測試它的理由，第四點則是在你這麼做之前，先在設定中鎖定版本的理由。