เปิดตัว Grok Voice 3.0 โมเดลเสียง AI ชาญฉลาดที่สุดในโลก
วันนี้ เราขอประกาศเปิดตัว Grok Voice 3.0 โมเดลแบบ speech-to-speech ที่ชาญฉลาดที่สุดในโลก ซึ่งสร้างสถิติใหม่ในการจัดการสายเรียกเข้าของฝ่ายสนับสนุนลูกค้า โดยมี latency ต่ำกว่าหนึ่งวินาทีซึ่งถือเป็นระดับชั้นนำของอุตสาหกรรม และยังมีราคาถูกกว่าโมเดลระดับแนวหน้า (frontier models) อื่นๆ ทั้งนี้ Grok Voice รองรับการสนทนาหลายล้านครั้งต่อวันใน Tesla และ SpaceX และพร้อมใช้งานผ่าน API แล้ววันนี้ในราคาเดิม
จากการทดสอบอิสระโดย Artificial Analysis พบว่า Grok Voice 3.0 ครองอันดับ 1 ใน Speech-to-Speech Index ด้วยคะแนน 86.9 คะแนน ซึ่งครอบคลุมทั้งการให้เหตุผลผ่านเสียง (speech reasoning), τ-Voice รวมถึงความพึงพอใจและความสำเร็จของงานจากการโทรทดสอบแบบ blind head-to-head นอกจากนี้ยังทำคะแนนได้ถึง 97% ใน Full Duplex Bench ซึ่งวัดความรวดเร็วและเป็นธรรมชาติในการจัดการการหยุดพัก การสลับคิวพูด และการพูดแทรก
| Benchmark | Grok Voice 3.0 (การเปิดตัวนี้) | Grok Voice 2.0 | GPT-Live-1 (Astra, Medium) | Gemini 3.8 Live (Ext. Thinking, High) |
|---|---|---|---|---|
| Overall AA Speech-to-Speech Index | 86.9 | 81.3 | 83.2 | 82.6 |
| Speech Reasoning Big Bench Audio | 98.5% | 97.2% | 90.1% | 97.7% |
| Human Preference Speech Agent Arena Elo | 1070 | 1011 | 1048 | 990 |
| Task Completion Task Success Rate | 94.8% | 94.6% | 87.4% | 89.1% |
| Conversational Dynamics Full Duplex Bench | 97.0% | 95.1% | 94.9% | 91.9% |
ที่มา: Artificial Analysis, 13 ตุลาคม 2026
สำหรับ τ-Voice ซึ่งวัดความสามารถของเอเจนต์ในการจัดการสายสนับสนุนลูกค้าที่มีสำเนียงหลากหลาย มีเสียงรบกวนพื้นหลัง หรือการพูดแทรก Grok Voice 3.0 สามารถทำคะแนนได้ 71.6% ซึ่งเทียบเท่ากับ GPT-Live-1 (Astra) แต่โดดเด่นกว่าด้วย latency ที่ต่ำกว่าถึง 40% ถือเป็นการสร้างบรรทัดฐานใหม่ (new frontier) ในด้านความฉลาดของเอเจนต์ที่มาพร้อมกับความเร็วในการตอบสนองอย่างเหนือชั้น
τ-Voice
ที่มา: Artificial Analysis
นอกจากประสิทธิภาพที่สูงขึ้นแล้ว Grok Voice 3.0 ยังประหยัดค่าใช้จ่ายมากกว่าโมเดลในระดับเดียวกัน โดย Artificial Analysis ได้วัดค่าใช้จ่ายในการทำงานหนึ่งอย่างให้เสร็จสิ้นผ่านการทดสอบ Big Bench Audio ซึ่งพบว่า Grok Voice 3.0 มีต้นทุนต่ำกว่าทั้ง GPT-Live-1 (Astra, Medium) และ GPT-Realtime-2.1
ต้นทุนต่อภารกิจต่ำกว่าโมเดลที่เทียบเคียงกัน
ค่าใช้จ่ายเฉลี่ยต่อภารกิจในการทดสอบ Big Bench Audio ของ Artificial Analysis หน่วยเป็น USD ยิ่งต่ำยิ่งดี
ในการทดสอบ EVA-Bench ซึ่งเป็นเกณฑ์มาตรฐานของ ServiceNow สำหรับเอเจนต์เสียงระดับองค์กร Grok Voice 3.0 ได้รับคะแนนความแม่นยำสูงสุดที่ 74% และเป็นโมเดลที่มีประสิทธิภาพดีที่สุดเมื่อพิจารณาคะแนนร่วมกันระหว่างความแม่นยำและประสบการณ์ของลูกค้า
“Grok Voice 3.0 ได้สร้าง Pareto frontier ใหม่บน EVA-Bench ซึ่งเป็นเกณฑ์มาตรฐานโอเพนซอร์สของ ServiceNow ที่ใช้ประเมินเอเจนต์เสียงผ่านสถานการณ์จำลองระดับองค์กรที่สมจริงกว่า 200 รูปแบบ โดยโมเดลสามารถจับคู่ความแม่นยำระดับสูงสุดเข้ากับการสนทนาที่ตอบสนองอย่างเป็นธรรมชาติ สร้างมาตรฐานใหม่ให้กับสิ่งที่องค์กรคาดหวังได้จาก AI ในด่านหน้าของการบริการลูกค้า”
ปัจจุบัน Grok Voice 3.0 ได้ทำหน้าที่จัดการการสนทนาหลายล้านครั้งต่อวันในยานพาหนะของ Tesla โดยผู้ขับขี่สามารถใช้ Connectors สำหรับคำของ่ายๆ เช่น การตรวจสอบปฏิทินหรือตอบอีเมล และใช้ Grok Bot สำหรับงานที่ซับซ้อนขึ้นอย่างการสั่งกาแฟหรือจองมื้อค่ำ โดยทำงานได้แบบไม่ต้องใช้มือ (ดูได้บน X) นอกจากนี้ยังเป็นขุมพลังหลักให้กับโหมดเสียงของ Grok Bot อีกด้วย
ขณะเดียวกัน ศูนย์บริการลูกค้าของ Starlink ได้นำ Grok Voice ไปใช้ตอบรับสายลูกค้ากว่า 20,000 สายต่อวันในหลากหลายภาษา โดยปัญหาประมาณ 70% สามารถแก้ไขได้จบโดยไม่ต้องใช้มนุษย์ และหนึ่งในสี่ของสายการขายสามารถปิดการขายได้สำเร็จก่อนวางสาย เอเจนต์เพียงตัวเดียวที่พัฒนาบน Grok Voice 3.0 สามารถทำได้ตั้งแต่ยืนยันตัวตนลูกค้า แก้ไขปัญหาฮาร์ดแวร์ ออกเครดิตคืนเงิน ไปจนถึงการจัดส่งอุปกรณ์ทดแทน
Grok Voice 3.0 พร้อมใช้งานแล้ววันนี้ใน Voice Agent API ที่ราคา $0.08 / นาที ($4.80 / ชม.) ซึ่งเป็นราคาเดียวกับรุ่นก่อนหน้า สำหรับเอเจนต์ที่ใช้งาน grok-voice-latest อยู่แล้ว ระบบจะอัปเกรดเป็นรุ่นใหม่ให้โดยอัตโนมัติโดยไม่ต้องแก้ไขโค้ดใดๆ
ความคิดเห็น (0)
เข้าสู่ระบบเพื่อร่วมแสดงความเห็น
สมัครสมาชิกมาเป็นคนแรกที่แสดงความเห็นกันเลยโบร