Если ваш голосовой помощник на телефонной линии или в службе поддержки подключён через плавающее имя grok-voice-latest, то с 14 октября с вашими клиентами разговаривает уже другая модель. Компания SpaceXSI выпустила Grok Voice 3.0 и без смены адреса переключила общий указатель на новую версию. Те, кто жёстко прописал в настройках grok-voice-2.0, остались на старом помощнике, но сама эта версия официально объявлена устаревшей. При этом графики в презентации обещают дешёвую задачу, хотя базовый ценник не сдвинулся: минута голосовой линии всё так же стоит $0,08 ($4,80 в час).
Почему у одних компаний помощник обновился без спроса, а у других остался на старой версии
Голосовой режим работает через прямое соединение wss://api.x.ai/v1/realtime, куда передаётся поток звука с микрофона или телефонной АТС. В октябрьском журнале релизов и в руководстве по речевым моделям даны два противоположных совета: для новых проектов брать ярлык grok-voice-latest, а на рабочих линиях закреплять точный номер версии, чтобы интонации и привычки модели не менялись посреди недели.
Именно эта развилка и сработала 14 октября. Команды с grok-voice-latest не увидели ошибок: настройки session.update (выбор голоса, инструкции и инструментов) и вход через SIP или Twilio остались прежними, но внутри канала теперь отвечает Grok Voice 3.0 с высоким уровнем размышлений (reasoning.effort в значении high). А проекты с grok-voice-2.0 остались на версии со статусом Deprecated — им придётся менять имя модели вручную.
Быстрее у микрофона, но почти тот же процент закрытых обращений
В день релиза издание SiliconANGLE и сам разработчик привели замеры Artificial Analysis от 13 октября. В общем индексе Grok Voice 3.0 набрал 86,9 балла, обойдя GPT-Live-1 (Astra, Medium) с 83,2, Gemini 3.8 Live (High) с 82,6 и прошлый Grok Voice 2.0 с 81,3 балла. На тесте τ-Voice (вызов рабочих инструментов по ходу разговора) точность составила 71,6% при задержке до первого звука 0,81 секунды — по данным компании, задержка на 40% ниже, чем у GPT-Live-1. Но в деталях таблицы видна важная разница:
- Успешное решение задач (Task Success): 94,8% против 94,6% у Grok Voice 2.0 (и 87,4% у GPT-Live-1, 89,1% у Gemini 3.8 Live). По сравнению со своей прошлой версией прирост составил всего 0,2 процентного пункта.
- Аудиологика и слепое сравнение: в Big Bench Audio результат вырос с 97,2% до 98,5%, а рейтинг слушателей Arena Elo — с 1011 до 1070.
- Разговор с перебиваниями (Full Duplex Bench): 97,0% против 95,1% у второй версии, причём по методологии Artificial Analysis с августа эта метрика в главный индекс уже не входит.
Разборы таких тихих обновлений и реальных расценок на голосовых и текстовых помощников мы регулярно выкладываем в телеграм-канале Ковчег.
Откуда взялись 2,5 цента за задачу и за какие паузы списывают деньги
На графике в анонсе средняя цена одной задачи Big Bench Audio у Grok Voice 3.0 составляет $0,025 против $0,030 у GPT-Live-1 и $0,055 у GPT-Realtime-2.1 (High). Однако в таблице тарифов и на странице расчёта стоимости расценки для grok-voice-3.0 и grok-voice-2.0 одинаковы: $0,08 за минуту аудио и $0,004 за каждое текстовое сообщение conversation.item.create (кроме звука и ответов функций function_call_output). Задача на графике вышла дешевле только потому, что модель быстрее отвечает и раньше закрывает короткий тест.
На живой линии действует другое правило: по умолчанию включено серверное определение пауз (server_vad), при котором оплачивается вся длительность открытой сессии. Пока клиент молча ищет номер договора, счётчик крутит те же $0,08 в минуту. Платить строго за секунды речи можно только в режиме рации по кнопке (push-to-talk).
Заявления про Starlink и жёсткие лимиты для обычной команды
В релизе приведены два корпоративных ориентира: 74% точности на внутреннем тесте EVA-Bench от ServiceNow (более 200 сценариев) и собственная поддержка Starlink, где агент на Grok Voice 3.0 принимает 20 000 звонков в день, решает около 70% без человека и доводит до покупки каждый четвёртый продажный звонок. Записей звонков и открытой выгрузки этих замеров вне пресс-релиза нет, зато в карточке Grok Voice 3.0 указаны прямые технические ограничения:
- Лимит линий: на базовом уровне доступно 10 одновременных сессий на команду, а звонок обрывается через 120 минут.
- Регион и языки: в таблице доступности указан кластер us-east-1. Поддерживается более 20 языков, включая русский (ru), но неподдерживаемый код в language_hint (например, es или pt вместо es-ES и pt-BR) сервер сбросит без предупреждения.
Поэтому владельцам голосовых ботов стоит проверить конфигурацию прямо сейчас: плавающий grok-voice-latest уже перевёл линию на третью версию, а закреплённый grok-voice-2.0 потребует ручного обновления.