Edisi Markdown

AI-translated from English; not yet reviewed by a fluent editor.

# Grok Voice 3.0 naik dalam uji dukungan, audio pertama melambat

> Voice Agent API yang dihosting kini memakai Grok Voice 3.0. Skor simulasi dukungan independen naik, tetapi waktu menuju audio pertama bertambah dan harga suara yang tercantum masih ditambah biaya teks terpisah.

By BIG CHANGE Editorial

Published: 2026-10-15T16:54:16.962Z
Updated: 2026-10-15T16:54:16.962Z
Canonical: https://bigchange.ai/blog/grok-voice-3-api-benchmark-support-calls

![Conceptual charcoal illustration of an unbranded call headset and tabletop speakerphone in a sound-treated room.](https://bigchange.ai/api/media/file/grok-voice-support-call-concept-v1.png)
AI-generated conceptual illustration by BIG CHANGE; no actual xAI hardware, API interface, customer call or measured outcome is depicted.

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](https://artificialanalysis.ai/speech-to-speech) 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](https://docs.x.ai/developers/model-capabilities/audio/speech-to-speech) 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](https://artificialanalysis.ai/methodology/speech-to-speech-benchmarking) 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](https://x.ai/news/grok-voice-3). 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](https://docs.x.ai/developers/models/speech-to-speech) 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](https://docs.x.ai/developers/model-capabilities/audio/speech-to-speech) 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](https://x.ai/news/grok-voice-3); 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

- [xAI: Memperkenalkan Grok Voice 3.0](https://x.ai/news/grok-voice-3), 14 Oktober 2026. Mengumumkan ketersediaan, perubahan alias, dan penerapan yang dilaporkan perusahaan.
- [Artificial Analysis: papan peringkat speech-to-speech](https://artificialanalysis.ai/speech-to-speech), diperiksa 15 Oktober 2026. Baris terkini 3.0 dan 2.0 untuk indeks, τ-Voice, keberhasilan tugas Arena, dan waktu menuju audio pertama; tabel dapat berubah saat evaluasi diperbarui.
- [Artificial Analysis: metodologi tolok ukur](https://artificialanalysis.ai/methodology/speech-to-speech-benchmarking), diperiksa 15 Oktober 2026. Mendefinisikan indeks, pengujian dukungan simulasi, ukuran keberhasilan tugas Arena, dan pengujian kecepatan.
- [xAI: panduan API speech-to-speech](https://docs.x.ai/developers/model-capabilities/audio/speech-to-speech), terakhir diperbarui 13 Oktober 2026. Mendokumentasikan nama model, migrasi, antarmuka WebSocket, autentikasi, dan pengaturan sesi.
- [xAI: harga dan batas speech-to-speech](https://docs.x.ai/developers/models/speech-to-speech), terakhir diperbarui 22 September 2026 dan diperiksa 15 Oktober. Mencantumkan tarif audio dan masukan teks, mode pengukuran, konkurensi, dan batas sesi.

## Sources

- [Memperkenalkan Grok Voice 3.0](https://x.ai/news/grok-voice-3) — Rilis awal API yang dihosting, peralihan alias, dan klaim penerapan yang diatribusikan kepada perusahaan.
- [Papan Peringkat Model AI dan Penyedia Speech to Speech](https://artificialanalysis.ai/speech-to-speech) — Baris langsung 3.0 dan 2.0 untuk indeks, tau-Voice, keberhasilan tugas Arena, dan waktu audio pertama; nilai dapat diperbarui.
- [Metodologi Tolok Ukur Speech to Speech](https://artificialanalysis.ai/methodology/speech-to-speech-benchmarking) — Definisi indeks v2.0, tolok ukur dukungan simulasi, keberhasilan tugas Arena, dan TTFA.
- [Panduan API Speech to Speech](https://docs.x.ai/developers/model-capabilities/audio/speech-to-speech) — Alias, penguncian versi, antarmuka WebSocket, autentikasi, parameter sesi, dan migrasi.
- [Harga dan Batas Laju Speech to Speech](https://docs.x.ai/developers/models/speech-to-speech) — Tarif audio dan peristiwa teks 3.0 terkini, mode pengukuran, dan batas sesi.