美东时间2026年10月14日，SpaceXSI（原xAI）发布最新语音转语音模型 Grok Voice 3.0，并同步上线 Voice Agent API，官方称其为“全球最智能的语音转语音模型”。在独立评测机构 Artificial Analysis 的语音转语音指数（Speech-to-Speech Index）中，该模型以 86.9 分登顶，超越 OpenAI GPT-Live-1（Astra, Medium，83.2 分）与谷歌 Gemini 3.8 Live（Extended Thinking, High，82.6 分），而定价维持在每分钟 0.08 美元、与上代持平。这是 SpaceX 今年2月收购 xAI、并于10月初更名 SpaceXSI 之后，马斯克 AI 版图在语音赛道上打出的第一记重拳——它既是一场评测排名的更替，也是语音 Agent 商业化战役升级的信号。
一、事件快报：0.08 美元/分钟，Voice Agent API 同步上线
根据 SpaceXSI 官方公告，Grok Voice 3.0 于美东时间 2026年10月14日（周三）正式发布，同步上线的 Voice Agent API 面向开发者提供语音智能体构建能力。定价方面，新模型为每分钟 0.08 美元（合每小时 4.80 美元），与上代 Grok Voice 2.0 完全持平；使用 grok-voice-latest 别名的开发者已被自动迁移至 3.0 版本。官方将新模型表述为“全球最智能的语音转语音模型”。
值得关注的是发布主体的变化：2026年2月，SpaceX 以全股票交易收购 xAI（合并估值约 1.25 万亿美元）；同年7月合并实体更名 SpaceXAI；10月4日，马斯克确认再度更名为 SpaceXSI——“不再叫 AI，叫 SI”，呼应其“超级智能（Super Intelligence）”的话语转向。换言之，这次语音登顶是 SpaceXSI 更名后交出的第一份旗舰级模型成绩单。
二、评测拆解：86.9 分登顶，五项核心指标全面反超
Artificial Analysis 的 Speech-to-Speech Index 是对语音推理、τ-Voice、盲测偏好、任务成功率等维度的加权综合评测。截至 2026年10月13日 的数据显示，Grok Voice 3.0 以 86.9 分排名第一：较上代 Grok Voice 2.0（81.3 分）提升 5.6 分，较 2026年4月 上线的初代 Grok Voice 1.0（73.7 分）累计提升 13.2 分；领先第二名 OpenAI GPT-Live-1（Astra, Medium，搭配 GPT-6 Astra 推理，83.2 分）3.7 分，领先第三名 Gemini 3.8 Live Extended Thinking (High)（82.6 分）4.3 分。
图1 AA 语音转语音指数横向对比
分项指标同样亮眼。全双工对话基准（Full Duplex Bench，衡量停顿、对话轮替、插话处理自然度）上，Grok Voice 3.0 达到 97.0%，高于上代的 95.1%；语音智能体任务成功率（Speech Agent Arena / Task Success Rate）为 94.8% 位居第一，上代为 94.6%，GPT-Live-1 为 87.4%，Gemini 3.8 Live 为 89.1%。语音推理基准 Big Bench Audio 得分 98.5%（上代 97.2%、GPT-Live-1 90.1%、Gemini 97.7%）；Speech Agent Arena Elo 达 1070（GPT-Live-1 为 1048）。官方称其首次响应延迟“低于 1 秒，达到同级别领先水平”。
成本维度，按 AA Big Bench Audio 口径测算，Grok Voice 3.0 单任务平均成本约 0.025 美元，低于 GPT-Live-1 (Astra, Medium) 的约 0.030 美元与 GPT-Realtime-2.1 (High) 的约 0.055 美元。企业侧评测亦有斩获：在 ServiceNow EVA-Bench（200 余个企业真实场景）中，Grok Voice 3.0 以 74% 的准确率排名第一，且准确率×客户体验联合评分处于最优 Pareto 前沿。
图2 Grok Voice 三代迭代得分演进：73.7 → 81.3 → 86.9
不过，登顶不等于全面领先。据鉅亨网及腾讯新闻的平衡性报道，该模型在用户偏好（盲测偏好维度排名第三）与部分任务测试上并未全面领先，其首次响应时间较上一代甚至有所下降。引用排名第一时应保留这一限定。
三、技术演进与竞争格局：一个月内的榜首易主
本次登顶的更耐人寻味之处在于时间线。2026年9月中旬，谷歌发布 Gemini 3.8 Live 双模型时，曾以 82.6 分超越当时位列其前的 GPT-Live-1 Astra（81.5 分）与 Grok Voice Think Fast 2.0（81.3 分）短暂登顶；仅一个月后的 10月14日，Grok Voice 3.0 便以 86.9 分完成反超。三大阵营的榜首在约一个月内两次易主，语音转语音赛道已进入“月度迭代”的高强度竞争节奏。
对手并非原地踏步。OpenAI 于 2026年7月9日 发布的 GPT-Live 系列（GPT-Live-1 / GPT-Live-1 mini）核心升级即全双工架构——模型可同时聆听与说话，每秒多次在“说话、继续聆听、停顿、打断、调用工具”之间做交互决策；Gemini 3.8 Live 则以激进定价切入：音频输入每分钟 0.005 美元、输出 0.018 美元，一小时语音对话成本约 1.38 美元，不足 GPT-Live-1（至少 3 美元/小时）的一半。
需要明确的是：在 τ-Voice（带口音与背景噪音的客服场景基准）单项上，OpenAI GPT-Live-1 (Astra) 以 74.5% 仍居首位，Grok Voice 3.0 为 71.6%，双方大体相当——SpaceXSI 官方称其在该基准下延迟低 40%，但“单项全面领先”的说法并不成立。Grok Voice 3.0 的反超限于综合指数、任务成功率、全双工、语音推理与成本等维度。此外，国内厂商亦在加速布局：阶跃星辰 StepAudio 3 系列（9月15日）、阿里云 Qwen-Audio-3.0（8月17日上线）、字节跳动 SeedRealtime 原生音视频全双工大模型（8月5日）均在 2026 年下半年密集发布，语音赛道已成全球混战。
四、落地样本：从特斯拉座舱到星链客服
评测分数之外，SpaceXSI 同步披露了自有体系内的落地数据。据官方公告称，Grok Voice 每日在特斯拉车辆与 SpaceX 内部支撑数百万次对话（公司自述运营数据）：驾驶员通过特斯拉车内的 Grok Voice 查日程、回邮件，而订晚餐等更复杂的任务则交由 Grok Bot 完成——后者的语音模式同样由 3.0 驱动。
更具样本价值的是星链（Starlink）客服。据 SpaceXSI 官方公布的公司自述内部数据：Grok Voice 每天以多种语言承接约 20,000 通星链客户来电，其中约 70% 无需人工介入即获解决；在销售来电中，每 4 通就有 1 通在客户挂断前完成购买。官方还披露，单个语音智能体可独立完成客户身份核验、硬件故障排查、发放折抵额度或退款、寄送替换设备等全流程操作。需要提示的是，上述 70% 等数据未披露统计期间、问题类型分布与“自主解决”的判定标准，属公司自述，不宜直接外推为行业通用的成本节约水平。
图3 星链客服 Grok Voice 运营数据示意
五、深层解读：0.08 美元背后的定价策略与 Agent 之战走向
第一，定价即宣言：以“降本让利”换生态位。0.08 美元/分钟与上代持平，意味着性能大幅提升并未转化为提价，SpaceXSI 选择用成本曲线而非价格曲线参与竞争——在单任务成本约 0.025 美元、低于两大竞品（0.030 / 0.055 美元）的前提下，其有底气以持平定价扩大调用量。对照 Gemini 3.8 Live“一小时 1.38 美元”的低价策略，语音模型的单价战已提前开打，而 SpaceXSI 的答案是把价格战转化为“成本+企业场景验证”的复合壁垒。
第二，订阅整合放大语音价值。就在发布前一日（10月13日），SpaceXSI 推出统一订阅“X Subscription”：将 Grok、Grok Bot、Cursor 与 X Premium 四类服务打包，由原合计约 90 美元/月降至 30 美元/月。语音能力由此从“按分钟计费的 API 商品”升格为订阅生态的黏性组件——消费者侧免费感知、企业侧 API 变现的双轮结构正在成形。
第三，调用量份额呈现趋势性信号。Artificial Analysis Speech Leaderboard 的语音生成（TTS）赛道数据显示，2026年下半年各期统计中，xAI Grok Voice TTS 稳定位列前三，份额在 5.5%–10.1% 区间波动（该数据为 TTS 赛道而非语音转语音指数口径，且研报转述未标注精确统计周，宜作趋势性参考）。排名与调用量若持续同向共振，语音 Agent 的规模效应将加速显现。
至于语音 AI 市场规模，目前尚无满足交叉校验标准的权威机构预测数据可引，本文不作虚构估算，仅以上述成本与调用量数据作为商业化进程的观察锚点。
综合来看，语音 Agent 之争的胜负手正在从“听得清、答得快”转向“办得成、算得过账”：任务成功率、单任务成本与企业真实场景验证，取代单纯延迟与音质，成为新的竞争主轴。SpaceXSI 以评测登顶+自有场景（特斯拉、星链）闭环+订阅生态捆绑的组合拳暂时领先，但 OpenAI 仍握有 τ-Voice 等单项优势、谷歌以极限定价施压，且三大阵营的迭代周期已缩短至“月”。这场 Agent 之战的下一回合，大概率围绕企业级语音智能体的规模化交付展开——星链客服“约 70% 无人工解决”的自述样本，或许只是行业级渗透的前奏。
