xAI merilis Grok Voice 3.0 melalui Voice Agent API yang dihostingnya pada 14 Oktober. Bagi tim yang memilih agen suara untuk dukungan pelanggan, tabel speech-to-speech terkini dari Artificial Analysis menunjukkan kenaikan 15,1 poin persentase pada tugas dukungan simulasi dibandingkan Grok Voice 2.0, perubahan kecil dalam ukuran keberhasilan tugas yang terpisah, dan respons audio pertama yang lebih lambat.

xAI mengatakan alias grok-voice-latest kini otomatis mengarah ke 3.0. Panduan API terkini juga menyediakan nama berversi grok-voice-3.0 bagi tim yang perlu mengunci rilis. Endpoint WebSocket, parameter sesi, dan peristiwa tetap sama seperti pada 2.0, menurut xAI. Pengguna alias tidak perlu memigrasikan aplikasi, meski model baru di balik alias yang berubah menjadi alasan untuk mengulang pengujian panggilan aplikasi itu sendiri.

Perubahan besar

  • Apa yang berubah: Grok Voice 3.0 menggantikan 2.0 di balik alias API grok-voice-latest. Artificial Analysis kini melaporkan skor 71,6% pada tolok ukur dukungan pelanggan simulasinya, naik dari 56,5% untuk 2.0.
  • Mengapa penting: Ukuran itu menguji apakah agen mencapai keadaan basis data yang benar dalam masalah maskapai, ritel, dan telekomunikasi yang sudah disusun skenarionya. Ini lebih relevan dengan alur kerja dukungan daripada skor penalaran audio umum, meski tetap merupakan simulasi.
  • Yang perlu diperhatikan: Evaluator yang sama mengukur 0,81 detik menuju audio pertama untuk 3.0, dibandingkan 0,70 detik untuk 2.0. Tim sebaiknya memeriksa waktu respons, penyelesaian tugas, dan durasi sesi yang ditagih pada sistem mereka sendiri sebelum mengganti penerapan dengan versi terkunci.

Skor dukungan dan jeda respons

Dalam metodologinya, Artificial Analysis menggambarkan pengujian τ-Voice sebagai pelanggan simulasi yang menelepon agen dengan dokumen kebijakan dan alat khusus bidang tertentu. Tugas maskapai, ritel, dan telekomunikasinya memiliki keadaan akhir basis data yang ditentukan, dan skornya merata-ratakan tiga percobaan. Tabel terkini memberi Grok Voice 3.0 skor 71,6%, dibandingkan 56,5% untuk Grok Voice 2.0: kenaikan 15,1 poin persentase dalam kondisi pengujian tersebut. Evaluasi memakai pelanggan simulasi, ucapan buatan, transkripsi, dan model penilai. Ini tidak mengukur proporsi penelepon sungguhan yang masalahnya diselesaikan layanan yang telah diterapkan.

Angka keberhasilan tugas Speech Agent Arena yang terpisah hanya bergeser dari 94,6% untuk 2.0 ke 94,8% untuk 3.0. Angka itu menghitung percakapan yang memenuhi syarat dengan pemanggilan alat akhir yang benar untuk menuntaskan tugas; pengujiannya berbeda dari τ-Voice. Indeks keseluruhan Artificial Analysis naik dari 81,3 ke 86,9. Versi saat ini memberi bobot setara pada penalaran audio, τ-Voice, preferensi penelepon tanpa mengetahui identitas model, dan keberhasilan tugas Arena. Tidak satu pun angka tersebut sendirian membuktikan peningkatan pada setiap tugas layanan pelanggan.

Untuk kecepatan, Artificial Analysis melaporkan waktu rata-rata menuju audio pertama pada pertanyaan Big Bench Audio. Grok Voice 3.0 membutuhkan 0,81 detik dan 2.0 membutuhkan 0,70 detik. Jadi model baru memerlukan 0,11 detik lebih lama untuk mulai berbicara dalam pengujian itu, meskipun xAI menyebut latensinya “di bawah satu detik” dalam pengumuman rilis. Pengukuran berhenti pada keluaran audio pertama; ini bukan ukuran latensi seluruh panggilan atau waktu penyelesaian masalah.

Cakupan harga suara yang tercantum

xAI mencantumkan harga kedua versi sebesar $0,08 per menit, atau $4,80 per jam, untuk audio speech-to-speech. Halaman harga modelnya menambahkan $0,004 untuk setiap peristiwa teks yang dapat ditagih conversation.item.create. Dengan deteksi giliran bicara bawaan server_vad, pengukur audio menghitung durasi sesi. Dengan tekan-untuk-bicara, yang dihitung adalah audio yang dikirim dan diterima. Karena itu, sesi sepuluh menit yang terus terbuka pada tarif durasi tercantum menimbulkan biaya audio $0,80, sebelum peristiwa teks yang ditagih terpisah. Perhitungan itu didasarkan pada daftar tarif xAI, bukan tagihan BIG CHANGE atau panggilan yang diuji.

Pengembang memerlukan kunci API xAI untuk koneksi WebSocket di sisi server, atau token berumur pendek untuk aplikasi klien. Panduan API mendokumentasikan wss://api.x.ai/v1/realtime, parameter kueri model, peristiwa session.update untuk instruksi, suara, dan deteksi giliran bicara, serta peristiwa audio yang dialirkan sebagai respons. xAI mencantumkan batas sepuluh sesi bersamaan per tim dan durasi maksimum sesi 120 menit. Tim dukungan tetap harus menyediakan kebijakan, alat, batas data pelanggan, dan alur eskalasinya sendiri; konfigurasi tolok ukur yang dipublikasikan tidak memastikan kinerja penerapan tertentu itu.

xAI juga melaporkan bahwa Starlink menangani 20.000 panggilan sehari memakai Grok Voice dan menyelesaikan sekitar 70% tanpa manusia. Itu adalah angka operasional yang dilaporkan perusahaan; pengujian sintetis Artificial Analysis tidak memverifikasinya. BIG CHANGE meninjau dokumentasi rilis, API, dan tolok ukur. Kami tidak menggunakan API, menelepon agen dukungan, atau mengulangi evaluasi.

Sumber dan bacaan lanjutan