SpaceXSIが「Grok Voice 3.0」発表、1秒未満の応答性能

　SpaceXSIは10月14日、音声対話AIモデル「Grok Voice 3.0」を発表した。現在、Voice Agent APIにて提供が開始されており、「grok-voice-latest」を使用しているエージェントには自動で適用される。価格は前世代モデルである「Grok Voice 2.0」から据え置かれ、Voice Agent APIを通じて1分あたり0.08ドルで提供される。

　Grok Voice 3.0は応答時間が1秒未満に抑えられており、「Artificial Analysis」の総合評価指標「Speech-to-Speech Index」で86.9点を獲得した。会話能力や発話交代の性能を評価する「Full Duplex Bench」では97%の精度を示している。また、企業向け音声エージェントの評価指標である「EVA-Bench」では最高精度の74%を獲得した。タスク完了ごとの平均計算コストに関しても、同等の機能を持つ他社モデルを下回る水準となっている。

Time to first audio（seconds）

Cost per task（USD）

　運用実績として、Tesla車内での音声対話システムや、Starlinkのコールセンターでのカスタマーサービスに導入されている。同コールセンターでは自動対応のみで全体の約70%の問い合わせが処理されている。