Версия Markdown

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

# Grok Voice 3.0 улучшил результат теста поддержки, но позже начинает говорить

> Облачный Voice Agent API теперь использует Grok Voice 3.0. Результат независимого моделирования поддержки вырос, но время до первого аудио увеличилось, а к заявленной цене голоса добавляется плата за текст.

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.

14 октября xAI выпустила Grok Voice 3.0 через свой облачный Voice Agent API. Для команды, выбирающей голосового агента для клиентской поддержки, [актуальная таблица speech-to-speech от Artificial Analysis](https://artificialanalysis.ai/speech-to-speech) показывает прирост на 15,1 процентного пункта относительно Grok Voice 2.0 в моделируемых задачах поддержки, небольшое изменение отдельной метрики успешности задач и более медленный первый аудиоответ.

По словам xAI, псевдоним `grok-voice-latest` теперь автоматически направляет запросы к 3.0. [Актуальное руководство по API](https://docs.x.ai/developers/model-capabilities/audio/speech-to-speech) также предлагает имя с указанием версии `grok-voice-3.0` для команд, которым нужно зафиксировать релиз. По данным xAI, конечная точка WebSocket, параметры сеанса и события остались такими же, как в 2.0. Пользователям псевдонима не нужна миграция приложения, хотя новая модель за изменяемым псевдонимом — повод повторить собственные тесты звонков приложения.

## Главное изменение

- **Что изменилось:** Grok Voice 3.0 заменил 2.0 за псевдонимом API `grok-voice-latest`. Artificial Analysis теперь сообщает о 71,6% в своем тесте моделируемой клиентской поддержки против 56,5% у 2.0.
- **Почему это важно:** Метрика проверяет, достигает ли агент правильного состояния базы данных в заданных сценариями задачах авиакомпаний, розницы и телекома. Она ближе к рабочему процессу поддержки, чем общая оценка аудиорассуждения, хотя по-прежнему является симуляцией.
- **За чем следить:** Тот же оценщик измерил 0,81 секунды до первого аудио у 3.0 против 0,70 секунды у 2.0. Перед сменой развертывания с закрепленной версией командам стоит проверить собственное время ответа, выполнение задач и оплачиваемую длительность сеансов.

## Результат поддержки и задержка ответа

В своей [методологии Artificial Analysis](https://artificialanalysis.ai/methodology/speech-to-speech-benchmarking) описывает τ-Voice как тест, в котором моделируемый клиент звонит агенту, снабженному документом с правилами и специализированными инструментами. Задачи авиакомпаний, розницы и телекома имеют заданные конечные состояния базы данных, а результат усредняется по трем попыткам. В актуальной таблице Grok Voice 3.0 получает 71,6% против 56,5% у Grok Voice 2.0: рост на 15,1 процентного пункта в этих условиях тестирования. Оценка использует моделируемого клиента, сгенерированную речь, транскрипцию и модель-оценщик. Она не измеряет долю реальных звонящих, чьи проблемы решает развернутый сервис.

Отдельный показатель успешности задач Speech Agent Arena меняется лишь с 94,6% у 2.0 до 94,8% у 3.0. Он учитывает подходящие разговоры с правильными финальными вызовами инструментов, завершающими задачу; это другой тест, не τ-Voice. Общий индекс Artificial Analysis растет с 81,3 до 86,9. Его текущая версия придает одинаковый вес аудиорассуждению, τ-Voice, предпочтениям звонящих при слепом сравнении и успешности задач Arena. Ни одно из этих чисел само по себе не доказывает улучшения во всех задачах клиентской поддержки.

Для оценки скорости Artificial Analysis сообщает среднее время до первого аудио на своих вопросах Big Bench Audio. Grok Voice 3.0 требуется 0,81 секунды, а 2.0 — 0,70 секунды. Таким образом, в этом тесте новая модель начинала говорить на 0,11 секунды позже, хотя xAI называет ее задержку «менее секунды» в [объявлении о выпуске](https://x.ai/news/grok-voice-3). Измерение заканчивается при первом выводе аудио; это не задержка всего звонка и не время решения проблемы.

## Что покрывает указанная цена голоса

xAI указывает для обеих версий $0,08 за минуту, или $4,80 за час, аудио speech-to-speech. Ее [страница цен на модели](https://docs.x.ai/developers/models/speech-to-speech) добавляет $0,004 за каждое оплачиваемое текстовое событие `conversation.item.create`. При стандартном определении очередности реплик `server_vad` счетчик аудио учитывает длительность сеанса. В режиме push-to-talk он учитывает отправленное и полученное аудио. Поэтому постоянно открытый десятиминутный сеанс по заявленному временному тарифу стоит $0,80 за аудио без учета отдельно оплачиваемых текстовых событий. Этот расчет основан на тарифах xAI, а не на счете BIG CHANGE или проверенном звонке.

Разработчикам нужен API-ключ xAI для серверного WebSocket-соединения либо краткоживущий токен для клиентского приложения. [Руководство по API](https://docs.x.ai/developers/model-capabilities/audio/speech-to-speech) описывает `wss://api.x.ai/v1/realtime`, параметр запроса `model`, событие `session.update` для инструкций, голоса и определения очередности реплик, а также потоковые аудиособытия в ответе. xAI указывает ограничение в десять одновременных сеансов на команду и максимальную длительность сеанса 120 минут. Команда поддержки все равно должна предоставить собственные правила, инструменты, границы использования клиентских данных и процесс эскалации; опубликованная конфигурация теста не устанавливает, как будет работать эта конкретная реализация.

xAI также сообщает, что Starlink обрабатывает 20 000 звонков в день с Grok Voice и решает около 70% без человека. Это [операционные показатели, сообщенные компанией](https://x.ai/news/grok-voice-3); синтетические тесты Artificial Analysis их не подтверждают. BIG CHANGE изучил документацию релиза, API и тестов. Мы не использовали API, не звонили агенту поддержки и не воспроизводили оценку.

## Источники и дополнительные материалы

- [xAI: Представляем Grok Voice 3.0](https://x.ai/news/grok-voice-3), 14 октября 2026 года. Объявляет о доступности, смене псевдонима и внедрениях, о которых сообщает компания.
- [Artificial Analysis: рейтинг speech-to-speech](https://artificialanalysis.ai/speech-to-speech), проверен 15 октября 2026 года. Актуальные строки 3.0 и 2.0 для индекса, τ-Voice, успешности задач Arena и времени до первого аудио; таблица может меняться при обновлении оценок.
- [Artificial Analysis: методология тестирования](https://artificialanalysis.ai/methodology/speech-to-speech-benchmarking), проверена 15 октября 2026 года. Определяет индекс, моделируемый тест поддержки, метрику успешности задач Arena и тест скорости.
- [xAI: руководство по API speech-to-speech](https://docs.x.ai/developers/model-capabilities/audio/speech-to-speech), последнее обновление 13 октября 2026 года. Описывает имена моделей, миграцию, интерфейс WebSocket, аутентификацию и настройку сеанса.
- [xAI: цены и ограничения speech-to-speech](https://docs.x.ai/developers/models/speech-to-speech), последнее обновление 22 сентября 2026 года, проверено 15 октября. Указывает тарифы на аудио и текстовый ввод, режимы учета, параллельность и ограничения сеанса.

## Sources

- [Представляем Grok Voice 3.0](https://x.ai/news/grok-voice-3) — Исходный выпуск облачного API, смена псевдонима и приписываемые компании заявления о внедрениях.
- [Рейтинг моделей и поставщиков ИИ speech-to-speech](https://artificialanalysis.ai/speech-to-speech) — Актуальные строки 3.0 и 2.0 для индекса, tau-Voice, успешности задач Arena и времени до первого аудио; значения могут обновляться.
- [Методология тестирования speech-to-speech](https://artificialanalysis.ai/methodology/speech-to-speech-benchmarking) — Определения индекса v2.0, моделируемого теста поддержки, успешности задач Arena и TTFA.
- [Руководство по API speech-to-speech](https://docs.x.ai/developers/model-capabilities/audio/speech-to-speech) — Псевдоним, фиксация версии, интерфейс WebSocket, аутентификация, параметры сеанса и миграция.
- [Цены и ограничения частоты запросов speech-to-speech](https://docs.x.ai/developers/models/speech-to-speech) — Текущие тарифы 3.0 на аудио и текстовые события, режимы учета и ограничения сеанса.