Grok Voice 3.0 setzt sich im Sprach-KI-Vergleich an die Spitze

SpaceXAI hat mit Grok Voice 3.0 ein neues KI-Modell für Sprachdialoge in Echtzeit vorgestellt. Es soll vor allem komplexe Kundendienstanfragen zuverlässiger selbstständig bearbeiten, natürlicher auf Gesprächspausen und Unterbrechungen reagieren und im Durchschnitt nach weniger als einer Sekunde mit der Sprachausgabe beginnen.

In unabhängigen Tests von Artificial Analysis (AA) übernimmt Grok Voice 3.0 die Führung unter den getesteten Sprachmodellen. Im Speech-to-Speech-Index erreicht es 86,9 Punkte. Dahinter folgen GPT-Live-1 von OpenAI mit 83,2 und Gemini 3.8 Live von Google mit 82,6 Punkten. Der Vorgänger Grok Voice 2.0 kam auf 81,3 Punkte. Die Gesamtwertung berücksichtigt das logische Schlussfolgern anhand gesprochener Aufgaben, das selbstständige Bearbeiten von Aufgaben, die Präferenzen menschlicher Tester und die Erfolgsquote bei der Erledigung von Aufgaben in Sprachdialogen.

Die Führung im Gesamtindex bedeutet allerdings keinen Spitzenplatz in allen Disziplinen. Bei Blindtests, in denen Menschen mit den Sprachmodellen sprechen und ihren Favoriten wählen, landet Grok Voice 3.0 auf Rang drei hinter zwei Gemini-Modellen. Bei der Aufgabenerfüllung liegt es mit 94,8 Prozent vorn, allerdings nur knapp vor dem Vorgänger.

Täglich Millionen Sprachdialoge bei Tesla

Besonders groß ist der Fortschritt beim τ-Voice-Benchmark. Der Test simuliert Kundendienstgespräche mit unterschiedlichen Anliegen und Akzenten und prüft, ob die KI die Aufgaben erfolgreich erledigt. Die Erfolgsquote steigt gegenüber dem Vorgänger von 56,5 auf 71,6 Prozent. Damit liegt Grok Voice 3.0 auf Platz zwei hinter GPT-Live-1 (Astra, Medium) mit 74,5 Prozent.

Auch die Antwortgeschwindigkeit bleibt hoch: AA misst im Schnitt 0,81 Sekunden bis zum Beginn der Sprachausgabe. Die verglichenen Spitzenkonfigurationen von OpenAI und Google benötigen etwa 1,3 Sekunden. Grok Voice 2.0 war mit 0,7 Sekunden noch etwas schneller.

Der Preis bleibt mit 0,08 US-Dollar pro Minute unverändert. Im Kostenvergleich von Artificial Analysis liegt Grok Voice 3.0 mit 4,80 Dollar pro Stunde Eingabeaudio im Mittelfeld der fünf bestplatzierten Sprachmodelle.

Nach Angaben von SpaceXAI führt Grok Voice 3.0 bereits täglich Millionen Gespräche in Tesla-Fahrzeugen und kommt im Sprachmodus von Grok Bot zum Einsatz. Bei Starlink beantworte Grok Voice an Werktagen rund 20.000 Kundenanrufe, von denen etwa 70 Prozent ohne menschliche Hilfe abgeschlossen würden. Der Sprachagent soll technische Probleme beheben, Gutschriften erteilen und Ersatzlieferungen veranlassen.

Grok Voice 3.0 ist ab sofort über die API von SpaceXSI verfügbar.