TechMoon 科技月球
WordPress、SEO 與 AI 工具實測指南
Grok Voice 3.0 發布：綜合評測登頂，客服任務讓位給速度
xAI 在 10 月 14 日發布語音模型 Grok Voice 3.0，Artificial Analysis 綜合指數 86.9 分登頂，API 價格維持每分鐘 0.08 美元，Grok Voice 2.0 同日除役。本文從官方公告與開發文件拆解評測數字、客服任務落後的交換條件與集團案例的證據邊界。
用 AI 摘要這篇文章：
xAI 在 2026 年 10 月 14 日發布語音對語音模型 Grok Voice 3.0，官方公告的定位寫得很大：世界最聰明的語音模型、客服電話解決率的新紀錄、低於一秒的回應延遲。同一天，開發文件的更新紀錄做了兩件對工程師更貼身的事：Grok Voice 3.0 進入 Voice Agent API，價格維持每分鐘 0.08 美元；上一代 Grok Voice 2.0 同日除役，使用別名 grok-voice-latest 的對話自動換到新模型，寫死舊版名的程式則要改一個 model 字串。
這篇公告值得拆兩層讀。第三方評測的綜合指標確實第一，但官方自己貼出的客服任務圖表裡，Grok Voice 3.0 的成功率低於對手 GPT-Live-1，公告用延遲優勢重新定義了這筆帳。對正在評估語音代理選型、或手上已有 Grok 語音整合的團隊，這兩層加上除役時程，比任何「最聰明」的形容詞都更影響決策。
綜合指標 86.9 分登頂，冠軍的計法要先看清楚
公告引用的成績來自 Artificial Analysis 在 10 月 13 日的測試：Grok Voice 3.0 在語音對語音綜合指數（Speech-to-Speech Index）以 86.9 分排名第一。官方對照表列了四個型號在五個指標上的完整成績：
| 指標 | Grok Voice 3.0 | Grok Voice 2.0 | GPT-Live-1（Astra、Medium） | Gemini 3.8 Live（Ext. Thinking、High） |
|---|---|---|---|---|
| AA 語音對語音綜合指數 | 86.9 | 81.3 | 83.2 | 82.6 |
| Big Bench Audio 語音推理 | 98.5% | 97.2% | 90.1% | 97.7% |
| Speech Agent Arena Elo 偏好 | 1070 | 1011 | 1048 | 990 |
| Task Success Rate 任務完成率 | 94.8% | 94.6% | 87.4% | 89.1% |
| Full Duplex Bench 對話動態 | 97.0% | 95.1% | 94.9% | 91.9% |
在這張表裡，Grok Voice 3.0 五個指標全部排第一，前一版與兩個對手都沒有拿下任何一欄。但看懂這張表有兩個前提。綜合指數是把語音推理、τ-Voice 與盲測對打的偏好及任務表現合在一起的分數，衡量的是整體，無法代表單一場景；而表裡的任務完成率（94.8%）與公告另一張圖裡的客服模擬測試 τ-Voice（71.6%）用的是不同題目與判定標準，兩個百分比不能放在同一條線上比。同場的 Gemini 3.8 Live 是 Google 把語音代理拆成快聊與深想兩款的產品。TechMoon 先前在它開放 API 時已拆解過兩種回應模式的差別。
客服任務那張圖，官方自己給了不同答案
公告裡最有資訊量的一張圖，是準確度對速度的散佈圖。τ-Voice 這個測試模擬的是真實客服通話：多種口音、背景噪音與插話。圖上 Grok Voice 3.0 的成功率是 71.6%，GPT-Live-1 是 74.5%，Gemini 3.8 Live 是 68.6%，上一代 Grok Voice 2.0 只有 56.5%。
這張圖透露兩件事。先看單項輸贏：Grok Voice 3.0 在最接近「接電話把事情辦完」的測試上，輸給 GPT-Live-1 約三個百分點。公告的說法是表現與 GPT-Live-1 相當，但延遲低了 40%，在智能與回應速度之間畫出新的前緣。這個框架對某些場景成立：外線電話裡每多一秒沉默，使用者掛斷的機率就上升，而公告主打低於一秒的延遲正是瞄準這裡；但如果你的任務型態是複雜查詢、身分核對加上跨系統操作，完成率那三個百分點可能比回應快慢更值錢。延遲的定義也要看清楚：圖上那條速度軸量的是第一聲回應出現的時間（time to first audio），不是整件任務辦完的時間，第一聲快而後面查資料慢，通話總長一樣會把使用者磨走。再看綜合指數：它的成分裡明明包含 τ-Voice，Grok Voice 3.0 仍能拿下綜合第一，代表它在其他成分的領先幅度蓋過了這個單項落後。反過來讀，「綜合第一」與「客服任務第一」是兩句不同的話。選型時該問的問題因此不是誰綜合分數高，而是自己的任務長得像哪個測試。世代差距也值得看一眼：上一代在 τ-Voice 的 56.5% 到這一代的 71.6%，一次換代補了十五個百分點，這個跳升幅度比它與 GPT-Live-1 之間的差距大得多。這也暗示這條產品線還在快速爬坡期，今天的排名格局未必是明年的。
企業場景還有另一個數字可對照：服務商 ServiceNow 的企業語音代理基準 EVA-Bench 裡，Grok Voice 3.0 拿到最高的 74% 準確率。這個基準橫跨兩百多個擬真企業情境，同時評準確度與客戶體驗，公告附上 ServiceNow 產品管理資深總監的引述，稱它在兩者的聯合評分上表現最好。這是官方公告引用的合作方說法，基準本身開源、任何人都能重跑，但 74% 這個數字目前只出現在這篇公告裡。
更立即的變動是 Grok Voice 2.0 同日除役
相對於評測分數，除役是這次發布裡對現有整合影響最直接的部分。開發文件更新紀錄在 10 月 14 日同一天列出兩條：grok-voice-3.0 開放使用，價格與 Grok Voice 2.0 相同；grok-voice-2.0 進入除役（deprecated）。
具體影響分兩種情況。使用別名 grok-voice-latest 的程式什麼都不用做，別名已指向 3.0，進行中的對話自動升級；寫死 grok-voice-2.0 的程式則要把 model 換成 grok-voice-3.0 或 grok-voice-latest。官方遷移說明寫得明白：API 不變，端點、session 參數與事件都與 2.0 相同，價格也相同，換模型實際上就是改一個字串的事。
但把時間軸拉長看，這次除役的節奏值得記下。Grok Voice 2.0 是 7 月 29 日上線的，到 10 月 14 日被取代，整個生命週期只有七十七天。當時的切換做法相對溫和：別名拖到 8 月 5 日才切到 2.0，留了一週緩衝；這次別名與新版同日切換，緩衝期直接歸零。公告把自動升級當成免改程式的好處來宣傳，開發文件卻在語音對語音的說明頁給了相反的建議：正式環境應該用版本名釘住特定版本，避免行為在別人決定的時間點被換掉。這兩種說法各自成立，取捨在工程師自己手上：用別名省事，但引擎會在你沒注意的時候換；釘版本穩，就要自己盯著除役公告搬遷。以這條產品線七十七天一代的節奏，這個選擇每年都得做上幾次。周邊還有一條可以順手記下：語音轉文字的 grok-voice-transcribe-1.0 已在 10 月 2 日終止服務，請求自動改路由到 2.0，價格不變，同一套舊版收攤的模式在語音產品線上連續發生。
每分鐘 0.08 美元買到的介接條件
價格層面，公告與定價頁一致：Voice Agent API 每分鐘 0.08 美元，換算每小時 4.8 美元，與 2.0 相同。公告同時宣稱比同級模型便宜，這句話的證據是另一個口徑：Artificial Analysis 在 Big Bench Audio 上量測的每任務成本。Grok Voice 3.0 平均每件 0.025 美元，低於 GPT-Live-1 的 0.030 美元與 GPT-Realtime-2.1（High）的 0.055 美元。單價與每任務成本是兩種帳：前者取決於通話長短，後者取決於完成任務的總用量，而兩者都會被使用者聽不懂、再講一次的次數推高。「便宜」宣稱成立的前提，是任務真的能在短對話裡完成。
介接條件則寫在開發文件裡。語音對語音走 WebSocket 端點 /v1/realtime，瀏覽器端的建議做法是用短期有效的 ephemeral token（以 xai-client-secret 為前綴）連線，把 API 金鑰留在伺服器端。音訊格式支援 pcm、pcmu、pcma 與 opus，取樣率從 8kHz 到 48kHz；pcmu 與 pcma 正是電話線路用的編碼，企業電話整合可走 SIP 中繼或 LiveKit。官方也直接提供接 Twilio 的電話代理範例，加上 iOS、網頁 WebSocket 與 WebRTC 三個範例 App，語音系列的總覽頁另外點名 Pipecat 的整合範例。文件甚至備好從 OpenAI Realtime API 搬家的說明：換端點、換金鑰、選一個 Grok 語音模型，事件大致相容。對電話場景更實際的兩個細節是：工作階段支援斷線重連，伺服器以對話識別碼快取已發生的輪次、重連後重播，模型不會因此失憶，但要主動開啟，快取也在三十分鐘閒置後失效，這對行動網路下的外線通話是必要的保險；也能設定閒置逾時，讓代理在使用者沉默一段時間後主動開口確認。說話結束的判斷可以交給伺服器自動偵測，也能改成手動輪替，讓電話流程照自己設計的劇本推進。代理可用的工具包含網頁搜尋、X 搜尋、檔案搜尋、function 呼叫與 MCP，推理強度預設開在 high，聲音可用內建音色或自訂音色識別碼。
完整的語音管線還有另外兩段費用：文字轉語音每百萬字元 15 美元，語音轉文字批次每小時 0.10 美元、串流每小時 0.20 美元。後者支援 38 種以上語言，具備字級時間戳、說話者分離與端點偵測，做通話品質稽核或事後逐字稿都靠它。模型面的計費則是另一套帳，Grok 4.7 的發布拆解處理過同一家公司在不同層級的定價邏輯，對照著看會更清楚這套價目表的分工。
特斯拉與 Starlink 的數字，讀作展示而不是驗證
公告裡最響亮的一段是使用案例：Grok Voice 每天在特斯拉與 SpaceX 之間支撐數百萬次對話；特斯拉車主可以用語音叫它查行事曆、回郵件，或透過 Grok Bot 訂咖啡與餐廳，Grok Bot 十月的信箱與付款更新先前已整理過。公告同時寫明 Grok Voice 3.0 也是 Grok Bot 語音模式的引擎，消費端與 API 端這次換的是同一代。Starlink 客服中心每天接兩萬通電話、以多種語言服務，約七成不需要真人介入就解決，每四通銷售電話有一通在使用者掛斷前完成購買；公告還描述了單一代理的完整工作面：驗證來電者身分、排除硬體障礙、發放帳務補償、寄出替換設備，一條龍不落地。
這些數字全部出自同一家公司自己的公告，頁尾登記的公司是 SpaceXAI LLC。集團內部案例的價值在於展示工程規模：兩萬通與七成這兩個數字告訴你這套系統撐得住電信級用量，單一代理的工作描述告訴你官方設想的自動化邊界到哪裡。但它同時也提醒你，最有利的部署環境是自家場景：車用與衛星網路的通話型態相對固定、可服務的查詢範圍可預期、內部系統的資料介面直通，這些都是外部公司要自己花成本重建的條件。數字本身沒有經過第三方稽核，把案例讀作能力上限的展示，比讀作平均水準的保證更安全。
現在能做什麼，還有哪些沒有答案
手上已有 Grok 語音整合的團隊，最實際的動作是檢查程式裡的 model 字串：用別名的確認運作正常，釘在 2.0 的趁這次改掉，介面與計費都不動；改完之後照自己的穩定性需求，重新決定下一次要跟別名走還是釘版本。正在評估的團隊，先把 τ-Voice 那張圖放回自己的任務型態裡看：如果通話以簡單查詢與轉接為主，延遲優勢會很實際；如果以多步驟任務為主，GPT-Live-1 的完成率數字不該被綜合指數蓋過去。至於全雙工對話的自然度，NVIDIA 的 PersonaPlex 走的是另一條邊聽邊說的路線，先前的實測整理可以當對照組。試點的設計也比選邊站重要：用自己的通話量跑幾百通，記錄一次解決率、轉真人率與重撥率這三個數字，它們對成本與體驗的誠實度，都會高於任何評測榜單。
沒有答案的部分也要列清楚。語言支援本身是明確的：語音對語音列了二十多種語言，簡體中文在列、繁體中文不在表上，模型自動偵測來話語言並以同語言回應。但表列支援與實際表現是兩回事，公告與文件都沒有提供中文或台灣口音的專項成績，τ-Voice 涵蓋的多口音也是評測集裡的多口音，不等於繁中夾雜英文的台灣場景，想導入的公司只能用自己的通話資料先跑試點。榜單本身是 10 月 13 日的單日快照，競品改版或重新評測後排名就會變。最後是 Starlink 案例裡那句多語言服務，哪些語言在列、中文在不在裡面，官方沒有給清單，這條在規劃多語言客服前值得直接向業務端要答案。
