Signal
📡 Signal｜Grok Voice 3.0、第三者の音声対話指標で首位に
SpaceXAI の Grok Voice 3.0 が Artificial Analysis の音声対話指標で 86.9 点の首位に。価格は1分0.08ドルで据え置き。問い合わせ電話の τ-Voice だけは GPT-Live-1 が上。
SpaceXAI は10月14日、音声で聞いて音声で答える新しい AI モデル「Grok Voice 3.0」を公開した。AI モデルを横断で評価する Artificial Analysis の音声対話の総合指標 (Speech to Speech Index) で 86.9 点を取り、OpenAI の GPT-Live-1 (83.2 点) と Google の Gemini 3.8 Live (82.6 点) を上回って首位に立った。
API の価格は前の版と同じ 1 分 0.08 ドルに据え置いた。音声 AI の競争は、会話のうまさだけでなく、コールセンターの電話を 1 件あたりいくらで片付けられるかの競争に移っている。
指標の並びと、譲った 1 項目
SpaceXAI の発表ページが示す主な数字は次のとおりだ (Grok Voice 3.0 / GPT-Live-1 (Astra, Medium) / Gemini 3.8 Live (Extended Thinking, High) の順)。
- Artificial Analysis の総合指標: 86.9 / 83.2 / 82.6
- 音声での推論 (Big Bench Audio): 98.5% / 90.1% / 97.7%
- 人の好みで比べる対戦 (Speech Agent Arena の Elo): 1070 / 1048 / 990
- 割り込みや相づちへの対応 (Full Duplex Bench): 97.0% / 94.9% / 91.9%
- 雑音やなまりのある問い合わせ電話 (τ-Voice): 71.6% / 74.5% / 68.6%
5 項目のうち、問い合わせ電話を想定した τ-Voice だけは GPT-Live-1 が上だった。SpaceXAI は「40% 低い遅延で同等」と説明している。応答までの時間は 1 秒未満としている。総合指標の順位は Artificial Analysis の公開の一覧でも同じ並びで、前の版の Grok Voice 2.0 は 81.3 点で 4 位にいる。
価格と、Starlink の電話窓口
API は1分0.08ドル (1時間4.80ドル) で、Grok Voice 2.0 と同じだ。最新版を指す設定 (grok-voice-latest) で使っていた利用者は、何もしなくても 3.0 に切り替わった。1 件の作業あたりの費用は、Artificial Analysis の計測で 0.025 ドルと、GPT-Live-1 の 0.030 ドルを下回る。
SpaceXAI は自社グループでの使い方の数字も出した。衛星通信 Starlink の電話窓口では 1 日約 2 万件の問い合わせを複数の言語で受け、約 7 割を人が関わらずに解決している。本人確認から機器の不具合の切り分け、返金のクレジット発行、交換機器の発送までを 1 つの AI が受け持つという。Tesla の車内では 1 日に数百万回の会話に使われているとする。いずれも同社自身の数字で、第三者の検証は示されていない。
マスク氏の「Amazon 対抗」は示唆の段階
イーロン・マスク氏は15日、「Amazon の競合を始めるべきかもしれない」と X に投稿した。引用したのは、Amazon が AI エージェントの Grok Bot からの注文を遮断している、という利用者の投稿だ。ただ、遮断の事実を Amazon も SpaceXAI も公表しておらず、確認できるのは利用者の報告までになる。
Grok Bot は、利用者の代わりにサイトへログインして買い物などの作業をする AI エージェントで、今回の Grok Voice 3.0 は Bot の音声モードにも使われている。声で頼んで AI が店で買う流れができると、小売の側には AI からの注文を受けるか断るかの判断が迫られる。買い物の決済の仕組みは、10月12日の記事 で公式の資料から整理した。マスク氏の投稿は今のところ思いつきの一言で、事業の計画は示していない。
次に見るもの
確認できる次の一点は、Artificial Analysis の音声対話の一覧だ。OpenAI と Google が次の版を出したとき、86.9 点がどこまで保つかを見る。もう一つは、Amazon が AI エージェントからの注文の扱いを利用規約やヘルプで示すかどうかで、AI に買い物を任せる流れがどこで止まるかの目安になる。
ことば
- Speech to Speech (音声対音声) モデル — 声を文字に起こしてから答えを作り、また声に戻すのではなく、音声を受けて直接音声で答える AI。間の短さと、割り込みへの自然な対応が強みになる。
- Artificial Analysis — AI モデルの性能・速さ・価格を独自のテストで横断的に測り、一覧で公開している第三者の評価機関。各社が新モデルの発表で順位を引用する。
🔗 一次ソース
