← Zur Übersicht aller Beiträge
Grok Voice 3.0 startet: Sprachagenten-API für acht Cent pro Minute
Grok Voice 3.0 ersetzt das bisherige Echtzeit-Sprachmodell bei gleichem Minutenpreis; unabhängige Benchmarks zeigen Stärken und Grenzen.
Grok Voice 3.0 startet: Sprachagenten-API für acht Cent pro Minute
Grok Voice 3.0 ersetzt das bisherige Echtzeit-Sprachmodell bei gleichem Minutenpreis; unabhängige Benchmarks zeigen Stärken und Grenzen.
Verfügbar seit dem 14. Oktober
SpaceXSI hat Grok Voice 3.0 als neue Speech-to-Speech-Version seiner Sprachagenten-API veröffentlicht. Das Modell verarbeitet gesprochene Eingaben und erzeugt gesprochene Antworten, statt einen Dialog allein über Texttranskripte abzuwickeln. Der Anbieter nennt einen Preis von 0,08 US-Dollar pro Minute beziehungsweise 4,80 Dollar pro Stunde, unverändert gegenüber Version 2.0.
Die API-Dokumentation bestätigt die Verfügbarkeit des Modells und die Ablösung des alten Standard-Alias. Anwendungen, die grok-voice-latest verwenden, wechseln demnach automatisch zu Version 3.0. Wer für reproduzierbare Ergebnisse eine feste Modellversion benötigt, sollte deshalb die tatsächliche Modellkennung überprüfen. Grok Voice 2.0 wird als veraltet geführt.
Was unabhängige Tests wirklich zeigen
Artificial Analysis führt Grok Voice 3.0 in seiner öffentlichen Übersicht mit 86,9 Punkten im kombinierten Speech-to-Speech-Index, einem Wert von 97,0 Prozent beim Full-Duplex-Benchmark und 94,8 Prozent bei der Aufgabenbearbeitung. Diese Werte stammen aus einer bestimmten Auswahl von Aufgaben und Testmethoden. Sie sind weder ein allgemeiner Fehlerquotennachweis noch ein Beleg, dass das Modell in jeder Sprache oder jedem Anruf besser arbeitet.
Der Hersteller nennt unter anderem mehrsprachigen Kundendienst und den Einsatz in Fahrzeugen als Beispiele. Gerade die Versprechen zu bearbeiteten Anrufen, Verkäufen und automatischen Gutschriften sind jedoch vor allem Unternehmensangaben. Für die tatsächliche Prozessfreigabe sind eigene Tests mit realen Gesprächsbedingungen erforderlich.
Was für Unternehmen zählt
Bei Sprachanwendungen fallen neben den Modellkosten für Gesprächsminuten weitere Kosten für Telefonie, Infrastruktur, Datenzugriff und gegebenenfalls menschliche Nacharbeit an. Ein automatischer Kundendienst sollte sensitive Daten erkennen und begrenzen können, bevor er Zahlungen auslöst oder Kontoinformationen verändert.
Für einen fachlichen Vergleich sind die tatsächliche Antwortzeit, Fehler bei Unterbrechungen, Mehrsprachigkeit, Protokollierung, Widerruf von Befugnissen und eine sofort verfügbare menschliche Übergabe wichtiger als eine einzelne Ranglistenposition. Die Nachricht ist der konkrete API-Start samt Modellwechsel und Preis.
Verfügbar seit dem 14. Oktober
SpaceXSI hat Grok Voice 3.0 als neue Speech-to-Speech-Version seiner Sprachagenten-API veröffentlicht. Das Modell verarbeitet gesprochene Eingaben und erzeugt gesprochene Antworten, statt einen Dialog allein über Texttranskripte abzuwickeln. Der Anbieter nennt einen Preis von 0,08 US-Dollar pro Minute beziehungsweise 4,80 Dollar pro Stunde, unverändert gegenüber Version 2.0.
Die API-Dokumentation bestätigt die Verfügbarkeit des Modells und die Ablösung des alten Standard-Alias. Anwendungen, die grok-voice-latest verwenden, wechseln demnach automatisch zu Version 3.0. Wer für reproduzierbare Ergebnisse eine feste Modellversion benötigt, sollte deshalb die tatsächliche Modellkennung überprüfen. Grok Voice 2.0 wird als veraltet geführt.
Was unabhängige Tests wirklich zeigen
Artificial Analysis führt Grok Voice 3.0 in seiner öffentlichen Übersicht mit 86,9 Punkten im kombinierten Speech-to-Speech-Index, einem Wert von 97,0 Prozent beim Full-Duplex-Benchmark und 94,8 Prozent bei der Aufgabenbearbeitung. Diese Werte stammen aus einer bestimmten Auswahl von Aufgaben und Testmethoden. Sie sind weder ein allgemeiner Fehlerquotennachweis noch ein Beleg, dass das Modell in jeder Sprache oder jedem Anruf besser arbeitet.
Der Hersteller nennt unter anderem mehrsprachigen Kundendienst und den Einsatz in Fahrzeugen als Beispiele. Gerade die Versprechen zu bearbeiteten Anrufen, Verkäufen und automatischen Gutschriften sind jedoch vor allem Unternehmensangaben. Für die tatsächliche Prozessfreigabe sind eigene Tests mit realen Gesprächsbedingungen erforderlich.
Was für Unternehmen zählt
Bei Sprachanwendungen fallen neben den Modellkosten für Gesprächsminuten weitere Kosten für Telefonie, Infrastruktur, Datenzugriff und gegebenenfalls menschliche Nacharbeit an. Ein automatischer Kundendienst sollte sensitive Daten erkennen und begrenzen können, bevor er Zahlungen auslöst oder Kontoinformationen verändert.
Quellen
Transparenz: Konzept, Auswahlkriterien und inhaltliche Vorgaben stammen von Christian Hohlfeld. Recherche und Formulierung wurden nach diesen Vorgaben mit KI-Werkzeugen unterstützt. Redaktionell geprüft und freigegeben von Christian Heinrich Hohlfeld am .