Grok Voice 3.0 занял первое место в индексе Artificial Analysis, опередив OpenAI и Google

Пока колл-центры по всему миру теряют персонал восемь кварталов подряд, Илон Маск показал, чем их заменят. 14 октября SpaceXAI - компания, ранее известная как xAI и переименованная в нынешний вариант в июле - выпустила Grok Voice 3.0, голосовую модель для корпоративных агентов. И с бенчмарками у нее все неплохо.

Что показали тесты

Artificial Analysis - независимая организация, которая оценивает голосовые модели через тесты на рассуждение, выполнение задач и слепые сравнения живых звонков - поставила Grok Voice 3.0 86.9 баллов в своем Speech-to-Speech Index. Это первое место среди всех протестированных моделей.

Для сравнения: GPT-Live-1 от OpenAI (работающий на базе GPT-6 Astra) набрал 83.2, а Gemini 3.8 Live от Google - 82.6. Разрыв не катастрофический, но устойчивый сразу в нескольких измерениях.

По успешности выполнения задач Grok Voice 3.0 получил 94.8%, тогда как GPT-Live-1 - 87.4%, а Gemini 3.8 Live - 89.1%. В тесте Full Duplex Bench, который проверяет, насколько естественно модель справляется с паузами и перебиванием собеседника, новый Grok набрал 97% против 94.9% у GPT-Live-1 и 91.9% у Gemini.

Есть и слабое место: в Tau-Voice - тесте на работу с тяжелыми акцентами и фоновым шумом - GPT-Live-1 сохранил небольшое преимущество: 74.5% против 71.6% у Grok Voice 3.0. Для компаний с глобальной поддержкой это не мелочь.

Отдельно модель прошла EVA-Bench от ServiceNow - открытый тест на 200+ корпоративных сценариев. Grok Voice 3.0 показал точность 74% и занял первое место по совокупности точности и клиентского опыта. Нитин Агарвал, директор по продукту в ServiceNow, сказал, что модель "сочетает высокую точность с естественным, отзывчивым разговором".

Цена имеет значение

API стоит $0.08 за минуту - то есть $4.80 в час. Цена не изменилась по сравнению с Grok Voice 2.0. Для разработчиков, использующих алиас `grok-voice-latest`, переход на новую версию уже произошел автоматически.

В пересчете на задачу в Big Bench Audio от Artificial Analysis: одна задача на Grok Voice 3.0 стоит около $0.025, на GPT-Live-1 - $0.030, на GPT-Realtime-2.1 - $0.055. Разрыв с последним - двукратный. Это не просто маркетинговое сравнение: для колл-центра с сотнями тысяч звонков в месяц разница в цене за задачу превращается в реальную экономию.

Маск основал OpenAI, ушел оттуда в 2018 году и с тех пор выстраивает конкурирующую инфраструктуру. Ценовое давление на OpenAI - один из очевидных инструментов в этой игре.

Уже в работе - и в масштабе

Самый сильный аргумент в пользу Grok Voice 3.0 - не бенчмарки, а то, что он уже работает внутри экосистемы Маска в промышленных объемах.

Автомобили Tesla обрабатывают миллионы голосовых разговоров в сутки через Grok Voice. Водители используют его для проверки календаря и работы с почтой. Более сложные задачи вроде бронирования ресторанов идут через Grok Bot, голосовой режим которого тоже переведен на новую модель.

Служба поддержки Starlink обрабатывает через Grok Voice около 20 000 звонков в день на нескольких языках. 70% из них закрываются без участия человека. Каждый четвертый входящий звонок в продажи заканчивается покупкой до того, как клиент вешает трубку. Один агент умеет верифицировать клиента, диагностировать оборудование, выписывать кредиты и инициировать замену устройства - по данным SpaceXAI, в большинстве случаев без передачи оператору.

Это не пилот и не демо. Это рабочая инфраструктура, на которой уже висит реальный бизнес.

Что это значит для рынка

Колл-центры сокращаются. По данным исследования Revelio Labs от 6 октября, глобальная занятость в отрасли упала на 5.3% ниже пика декабря 2023 года - восемь кварталов снижения подряд. Причем уходящих просто не заменяют: темп найма падает быстрее, чем темп увольнений. Salesforce сократил команду клиентского сервиса с 9 000 до примерно 5 000 человек, сославшись на ИИ. Verizon убрал тысячи позиций при одновременных инвестициях в автоматизацию.

Grok Voice 3.0 целится именно в этот рынок - корпоративная поддержка и продажи по телефону. Цена $0.08 за минуту при задокументированном показателе решения 70% без участия оператора делает экономику понятной для любого финансового директора.

С технической точки зрения модель реагирует менее чем за одну секунду до первого аудио - это критично для телефонных разговоров, где пауза в 2-3 секунды уже ощущается как сбой. По этому параметру Grok Voice 3.0 опередил GPT-Live-1 примерно на 40% в тестах Tau-Voice.

По совокупности цены и результатов в большинстве тестов Grok Voice 3.0 выглядит сильно - за исключением работы с акцентами, где OpenAI пока держит позицию. Данные получены от Artificial Analysis и SpaceXAI; независимой перекрестной проверки всех заявленных показателей на момент публикации нет.