Introducing Grok Voice 3.0, the world’s most intelligent speech-to-speech model. It excels at resolving customer calls, responds in under a second, and costs less than other frontier models. https://t.co/cfDRrkQPEc
— SpaceX Super Intelligence (@SpaceXSI) October 14, 2026
出典：X（@SpaceXSI）
2026年10月14日、音声対話モデル「Grok Voice 3.0」が発表されました。第三者による評価結果に加え、TeslaやStarlinkでの活用状況、APIでの提供について明らかにしています。
音声対話の評価結果
Grok Voice 3.0は、Artificial Analysisの「Speech-to-Speech Index」で86.9を記録し、比較対象の中で1位となりました。会話中の間や話者交代、割り込みへの対応を測る「Full Duplex Bench」のスコアは97.0%です。
多様なアクセントや背景音、割り込みがあるサポート電話への対応を測る「τ-Voice」では、成功率71.6%を記録しました。発表では、GPT-Live-1（Astra）と同程度の成功率を、40%低いレイテンシーで達成したと説明しています。
Artificial Analysisの「Big Bench Audio」で測定したタスク当たりの平均コストは0.025ドルで、同じ評価におけるGPT-Live-1（Astra、Medium）の0.030ドル、GPT-Realtime-2.1（High）の0.055ドルを下回りました。これらはベンチマーク上のタスク当たりのコストであり、APIの利用料金とは異なります。
TeslaやStarlinkでの活用
発表によると、Grok Voice 3.0はTeslaの車両で1日数百万件の会話に対応しています。運転者はハンズフリーで、予定の確認やメールへの返信などに利用できます。
Starlinkのコールセンターでは、Grok Voiceが複数の言語で1日2万件の顧客電話に対応し、約70%を人の介入なしで解決しているといいます。また、Grok Voice 3.0を基盤とするエージェントが本人確認、機器のトラブル対応、クレジットの付与、交換機器の発送を行うと説明しています。
Voice Agent APIで提供
Grok Voice 3.0はVoice Agent APIで利用でき、料金はGrok Voice 2.0と同じ1分当たり0.08ドル（1時間当たり4.80ドル）です。grok-voice-latestを使用するエージェントは、変更作業なしで自動的に切り替わっています。
