รูปภาพเพื่อช่วยให้เข้าใจบทความ
เปิดใช้งานทันทีผ่าน Voice Agent API
xAI เปิดตัวโมเดลเสียง Grok Voice 3.0 เมื่อวันที่ 14 ตุลาคม 2026 ตามเวลาท้องถิ่น โดยเปิดให้นักพัฒนาใช้งานผ่าน Voice Agent API ได้ทันที จุดเด่นสำคัญคือระยะเวลาจนเริ่มส่งเสียงตอบกลับครั้งแรกต่ำกว่า 1 วินาที
ค่าบริการอยู่ที่นาทีละ 0.08 ดอลลาร์สหรัฐ หรือชั่วโมงละ 4.80 ดอลลาร์ เท่ากับ Grok Voice 2.0 ส่วนรหัสโมเดลและชื่อเรียกสำหรับเชื่อมต่อ API คือ grok-voice-latest ผู้พัฒนาที่ใช้ชื่อดังกล่าวอยู่แล้วจะถูกเปลี่ยนไปใช้ Grok Voice 3.0 โดยอัตโนมัติ ไม่จำเป็นต้องแก้ไขโค้ด
xAI ชูคะแนนภาพรวมเหนือคู่แข่ง
ข้อมูลที่ xAI เปิดเผยระบุว่า Grok Voice 3.0 ได้คะแนน AA Speech-to-Speech Index ที่ 86.9 คะแนน สูงกว่า Grok Voice 2.0 ซึ่งได้ 81.3 คะแนน, GPT-Live-1 รุ่น Astra, Medium ที่ 83.2 คะแนน และ Gemini 3.8 Live ที่ 82.6 คะแนน
Artificial Analysis องค์กรอิสระที่จัดทำดัชนีดังกล่าว อธิบายว่าเกณฑ์ประเมินให้น้ำหนักเท่ากันแก่การใช้เหตุผลจากเสียงใน Big Bench Audio ความลื่นไหลของบทสนทนาจากบางส่วนของ Full Duplex Bench และความสามารถในการทำงานแบบเอเจนต์จาก τ-Voice อย่างไรก็ตาม คำอธิบายที่องค์กรเผยแพร่เมื่อวันที่ 23 มิถุนายน 2026 ยังไม่มีผลประเมินของ Grok Voice 3.0 รวมอยู่ด้วย
สำหรับ Big Bench Audio โมเดลใหม่ทำคะแนนด้าน Speech Reasoning ได้ 98.5% ตามข้อมูลของ xAI เทียบกับ Grok Voice 2.0 ที่ 97.2%, GPT-Live-1 ที่ 90.1% และ Gemini 3.8 Live ที่ 97.7% ต้นทุนต่อหนึ่งงานอยู่ที่ประมาณ 2.5 เซนต์ ต่ำกว่า GPT-Live-1 ที่ 3 เซนต์ และ GPT-Realtime-2.1 ที่ 5.5 เซนต์
ใน Speech Agent Arena Elo นั้น Grok Voice 3.0 ได้ 1,070 คะแนน ตามด้วย GPT-Live-1 ที่ 1,048 คะแนน, Grok Voice 2.0 ที่ 1,011 คะแนน และ Gemini 3.8 Live ที่ 990 คะแนน ส่วนอัตราความสำเร็จของงานอยู่ที่ 94.8%, 87.4%, 94.6% และ 89.1% ตามลำดับ
ได้เปรียบด้านความเร็ว แต่ยังมีจุดที่ OpenAI นำหน้า
ผล Full Duplex Bench ที่ xAI เปิดเผยระบุว่า Grok Voice 3.0 ทำคะแนนได้ 97.0% สูงกว่า Grok Voice 2.0 ที่ 95.1%, GPT-Live-1 ที่ 94.9% และ Gemini 3.8 Live ที่ 91.9% สะท้อนความสามารถในการรับฟังและโต้ตอบพร้อมกันระหว่างการสนทนา
อย่างไรก็ตาม ในการประเมิน τ-Voice ซึ่งวัดความสามารถในการทำงานแบบเอเจนต์ GPT-Live-1 ทำคะแนนได้ 74.5% เหนือ Grok Voice 3.0 ที่ 71.6% ขณะที่ Gemini 3.8 Live ได้ 68.6% และ Grok Voice 2.0 ได้ 56.5%
xAI ระบุว่า Grok Voice 3.0 มีความหน่วงต่ำกว่า GPT-Live-1 ราว 40% และเริ่มส่งเสียงตอบกลับได้ภายในเวลาไม่ถึง 1 วินาที โดยบริษัทมองว่าความเร็วที่เพิ่มขึ้นเป็นข้อแลกเปลี่ยนกับความแม่นยำใน τ-Voice ซึ่ง GPT-Live-1 ยังทำได้ดีกว่า
ถูกนำไปใช้กับงานบริการลูกค้าขนาดใหญ่
ใน EVA-Bench Accuracy ซึ่งเป็นเกณฑ์ประเมินเอเจนต์เสียงสำหรับองค์กรของ ServiceNow นั้น Grok Voice 3.0 ได้คะแนน 74% ตามข้อมูลที่ xAI รายงาน
ด้านการใช้งานจริง Tesla นำโมเดลนี้ไปประมวลผลบทสนทนาหลายล้านครั้งต่อวัน ขณะที่ Starlink ใช้รองรับสายลูกค้าประมาณ 20,000 สายต่อวัน และสามารถแก้ปัญหาได้ 70% โดยไม่ต้องให้เจ้าหน้าที่เข้ามาดำเนินการ
ความคิดเห็น
แสดงความคิดเห็น