Grok Voice 3.0: xAI's stemmemodel topper ny rangliste

Hvad er nyt

xAI har sendt Grok Voice 3.0 på gaden. Det er en såkaldt tale-til-tale-model: Du taler til den, den forstår og tænker over, hvad du vil, kan bruge andre værktøjer undervejs og svarer med tale. Den er tilgængelig i xAI's Voice Agent API, altså den adgang, udviklere bruger til at bygge stemmeassistenter ind i apps og telefonsystemer.

Modellen er nummer 1 på Artificial Analysis' Speech-to-Speech Index med 86,9 point, op fra 81,3 for forgængeren Grok Voice 2.0. Til sammenligning ligger OpenAIs GPT-Live-1 på 83,2 og Googles Gemini 3.8 Live på 82,6. Tallene stammer fra xAI og fra en uafhængig blog, der gengiver målingen fra 13. oktober 2026.

Hvad er smart

Modellen er god til at holde en naturlig samtale i gang. På Full Duplex Bench, der måler, hvordan en stemme håndterer pauser, turtagning og afbrydelser, scorer den 97 procent. På talebaseret ræsonnement (Big Bench Audio) scorer den 98,5 procent. Det betyder, at den både kan følge med, når man afbryder, og kan løse opgaver, man stiller i tale.

På agent-opgaver, hvor stemmen skal udføre noget for en kunde, steg modellen på benchmarken τ-Voice fra 56,5 til 71,6 procent. xAI oplyser også 74 procent på ServiceNows EVA-Bench, som firmaet kalder den højeste score for en stemmeagent til erhverv. I Artificial Analysis' Speech Agent Arena er opgavesucces 94,8 procent.

Svartiden, altså tiden til første lyd, er 0,81 sekunder. Det er cirka 40 procent hurtigere end GPT-Live-1 med 1,34 sekunder, men lidt langsommere end Grok Voice 2.0, der lå på 0,70 sekunder.

xAI siger, at modellen driver millioner af daglige samtaler i Tesla-biler og tager omkring 20.000 daglige opkald i Starlinks callcentre, hvor cirka 70 procent løses uden menneskelig hjælp. Det er xAI's egne tal.

Billigere eller bedre?

Prisen er 0,08 dollar pr. minut lyd, svarende til 4,80 dollar i timen, plus 0,004 dollar pr. tekstinput. Det er uændret i forhold til Voice 2.0, så man får en bedre model til samme pris. På Big Bench Audio koster en opgave cirka 0,025 dollar, mod 0,030 for GPT-Live-1 og 0,055 for GPT-Realtime-2.1. Der er ikke oplyst en pris for almindelige brugere pr. måned, da modellen sælges via API.

Bedre er den samlet set, men ikke på alt. På agent-benchmarken τ-Voice scorer GPT-Live-1 74,5 procent og er dermed foran Grok Voice 3.0 med 71,6. Gemini 3.8 Live ligger på 68,6. Langtidsstabilitet, ydeevne under tung belastning og støjrobusthed er ifølge den uafhængige blog ikke målt. Den peger også på, at automatisk opgradering kan give risiko for, at noget bliver dårligere i en eksisterende løsning.

Det er den god til

Modellen er målrettet virksomheder, der vil have stemmeassistenter til kundeservice, telefonomstillinger og lignende opgaver, hvor stemmen skal både forstå, handle og tale naturligt. Brugere af aliaset grok-voice-latest bliver automatisk skiftet til den nye model, og Grok Voice 2.0 er udfaset. Ifølge OrcaRouter er API'et kompatibelt med OpenAI Realtime API-protokollen via WebSocket, så man kan skifte base-URL og nøgle uden at bygge det hele om.

For danske læsere er der et åbent spørgsmål: modellen understøtter ifølge xAI flere sprog og klarer forskellige accenter og baggrundsstøj, men det fremgår ikke af kilderne, om dansk er med, eller hvornår og hvordan tjenesten er tilgængelig i Danmark og EU.