Hình ảnh giúp hiểu rõ bài viết
Cung cấp ngay qua API, giữ nguyên mức giá
xAI ngày 14/10/2026 công bố Grok Voice 3.0, mẫu trí tuệ nhân tạo chuyên xử lý tương tác bằng giọng nói. Sản phẩm được cung cấp trực tiếp qua Voice Agent API, với thời gian từ lúc tiếp nhận yêu cầu đến khi bắt đầu phát âm thanh dưới một giây.
Giá sử dụng được giữ nguyên so với Grok Voice 2.0, ở mức 0,08 USD mỗi phút, tương đương 4,80 USD mỗi giờ. Mẫu mới dùng mã định danh kiêm bí danh grok-voice-latest. Những nhà phát triển đã sử dụng bí danh này được tự động chuyển sang Grok Voice 3.0 mà không phải sửa mã nguồn.
xAI công bố kết quả cao ở nhiều phép thử
Theo số liệu do xAI đưa ra, Grok Voice 3.0 đạt 86,9 điểm trên AA Speech-to-Speech Index, cao hơn Grok Voice 2.0 với 81,3 điểm, GPT-Live-1 phiên bản Astra, Medium với 83,2 điểm và Gemini 3.8 Live với 82,6 điểm.
Artificial Analysis, tổ chức đánh giá độc lập vận hành chỉ số này, cho biết kết quả được tổng hợp với trọng số ngang nhau từ ba nhóm tiêu chí: khả năng suy luận từ âm thanh, tính tự nhiên của hội thoại hai chiều và năng lực thực hiện tác vụ. Tuy nhiên, phần mô tả được Artificial Analysis công bố ngày 23/6/2026 chưa bao gồm kết quả của Grok Voice 3.0.
Trong bài kiểm tra suy luận Big Bench Audio, Grok Voice 3.0 đạt 98,5%, so với 97,2% của phiên bản tiền nhiệm, 90,1% của GPT-Live-1 và 97,7% của Gemini 3.8 Live. Chi phí cho mỗi tác vụ của Grok Voice 3.0 vào khoảng 2,5 cent Mỹ, thấp hơn mức 3 cent của GPT-Live-1 và 5,5 cent của GPT-Realtime-2.1.
Ở bảng xếp hạng Speech Agent Arena Elo, mẫu mới đạt 1.070 điểm; Grok Voice 2.0 đạt 1.011 điểm, GPT-Live-1 đạt 1.048 điểm và Gemini 3.8 Live đạt 990 điểm. Tỷ lệ hoàn thành tác vụ của bốn mẫu lần lượt là 94,8%, 94,6%, 87,4% và 89,1%.
Đổi tốc độ lấy độ chính xác ở một số tác vụ
Grok Voice 3.0 đạt 97% trong Full Duplex Bench, phép thử khả năng duy trì hội thoại đồng thời, vượt Grok Voice 2.0 với 95,1%, GPT-Live-1 với 94,9% và Gemini 3.8 Live với 91,9%.
Dù vậy, GPT-Live-1 dẫn trước trong phép thử τ-Voice với tỷ lệ 74,5%, trong khi Grok Voice 3.0 đạt 71,6%. Gemini 3.8 Live đạt 68,6% và Grok Voice 2.0 đạt 56,5%. xAI cho biết độ trễ của mẫu mới thấp hơn khoảng 40% so với GPT-Live-1, đồng thời mô tả đây là sự đánh đổi giữa tốc độ phản hồi và độ chính xác cao hơn của đối thủ trong τ-Voice.
Được triển khai trong hoạt động doanh nghiệp
Trong EVA-Bench Accuracy, bộ tiêu chuẩn đánh giá trợ lý giọng nói doanh nghiệp của ServiceNow, Grok Voice 3.0 đạt độ chính xác 74% theo công bố của xAI.
Mẫu này cũng đã được đưa vào vận hành thực tế. Tesla được cho là sử dụng Grok Voice 3.0 để xử lý hàng triệu cuộc hội thoại mỗi ngày. Trong khi đó, Starlink dùng hệ thống để giải quyết khoảng 70% trong số gần 20.000 cuộc gọi khách hàng hằng ngày mà không cần nhân viên can thiệp.
Nhận xét
Đăng nhận xét