Η SpaceXSI λανσάρει το Grok Voice 3.0 και κατακτά την κορυφή στον δείκτη ομιλίας

Η εταιρεία τεχνητής νοημοσύνης του Elon Musk λάνσαρε το Grok Voice 3.0 στις 14 Οκτωβρίου. Το νέο μοντέλο μετατροπής ομιλίας σε ομιλία έχει σχεδιαστεί για φωνητικούς πράκτορες που διαχειρίζονται κλήσεις υποστήριξης πελατών και πωλήσεων, κάνοντας ντεμπούτο στην 1η θέση του δείκτη Speech-to-Speech της Artificial Analysis. Σύμφωνα με την ανακοίνωση της εταιρείας, το μοντέλο είναι ήδη διαθέσιμο μέσω του Voice Agent API με κόστος 0,08 δολάρια ανά λεπτό ή 4,80 δολάρια την ώρα. Πρόκειται για την ίδια τιμή με το Grok Voice 2.0. Όπως αναφέρει το SiliconANGLE, η εταιρεία μετονομάστηκε σε SpaceXSI από xAI. Η στρατηγική της στοχεύει στον κλάδο των τηλεφωνικών κέντρων, ο οποίος βρίσκεται ήδη σε φάση συρρίκνωσης.benzinga.com+1

Πρωτιά στα benchmarks

Η Artificial Analysis βαθμολόγησε το Grok Voice 3.0 με 86,9 στον δείκτη της. Η επίδοση αυτή ξεπερνά το GPT-Live-1 (Astra, medium) με 83,2 και το Gemini 3.8 Live της Google Alphabet Inc. ↗ 0.37% με 82,6. Παράλληλα, σημειώνει άνοδο 5,6 μονάδων σε σχέση με το 81,3 του Grok Voice 2.0. Το μοντέλο κατέλαβε την πρώτη θέση στην επιτυχία ολοκλήρωσης εργασιών με 94,8% και πέτυχε 98,5% στη λογική Big Bench Audio. Στις απευθείας συγκρίσεις προτίμησης, κατετάγη τρίτο με Elo 1.070.x.com

Το μοντέλο δεν κυριαρχεί σε κάθε δοκιμή. Το μοντέλο της OpenAI διατήρησε ένα μικρό προβάδισμα στο Tau-Voice, ένα benchmark βασισμένο σε κλήσεις υποστήριξης με έντονες προφορές και θόρυβο υποβάθρου, σημειώνοντας 74,5% έναντι 71,6% του Grok, σύμφωνα με το SiliconANGLE. Το Grok Voice 3.0 παρήγαγε τον πρώτο ήχο σε 0,81 δευτερόλεπτα κατά μέσο όρο. Αυτό είναι ταχύτερο από τους ανταγωνιστές του, αλλά πιο αργό από τα 0,70 δευτερόλεπτα του Grok Voice 2.0, σύμφωνα με την Artificial Analysis. Η εταιρεία ανέφερε επίσης ότι το μοντέλο σημείωσε την υψηλότερη ακρίβεια, στο 74%, στο EVA-Bench της ServiceNow ↗ 6.14% για εταιρικούς φωνητικούς πράκτορες.siliconangle.com+2

Η Artificial Analysis εκτίμησε το κόστος ανά εργασία σε περίπου 0,025 δολάρια, έναντι 0,030 δολαρίων για το GPT-Live-1 και 0,055 δολαρίων για το GPT-Realtime-2.1, όπως μετέδωσε το TheStreet. Σε ωριαία βάση, το Grok κοστίζει περισσότερο από το Gemini 3.8 Live, που κοστίζει 3,50 δολάρια, αλλά λιγότερο από το GPT-Live-1 Astra, που κοστίζει 5,83 δολάρια.thestreet.com+1

Starlink και Tesla

Σύμφωνα με την εταιρεία, τα τηλεφωνικά κέντρα της Starlink χρησιμοποιούν το Grok Voice για περίπου 20.000 κλήσεις την ημέρα, επιλύοντας το 70% αυτών χωρίς ανθρώπινη παρέμβαση. Επίσης, αναφέρεται ότι μία στις τέσσερις κλήσεις πωλήσεων καταλήγει σε αγορά, σύμφωνα με το TheStreet. Ένας μόνο πράκτορας μπορεί να ταυτοποιεί πελάτες, να επιλύει τεχνικά προβλήματα, να εκδίδει πιστώσεις και να αποστέλλει εξοπλισμό αντικατάστασης. Η εταιρεία σημειώνει ακόμη ότι το μοντέλο διαχειρίζεται εκατομμύρια συνομιλίες καθημερινά στα οχήματα της Tesla ↘ 1.29%, όπως επισήμανε το Unite.AI.unite.ai+1

Οι προγραμματιστές που χρησιμοποιούν το alias grok-voice-latest μεταφέρθηκαν αυτόματα στο νέο μοντέλο, ανέφερε το SiliconANGLE.siliconangle.com

Ένας κλάδος σε συρρίκνωση

Το λανσάρισμα έρχεται σε μια περίοδο όπου η παγκόσμια απασχόληση στα τηλεφωνικά κέντρα βρίσκεται 5,3% χαμηλότερα από το υψηλό του Δεκεμβρίου 2023. Ο αριθμός των εργαζομένων μειώνεται σε ετήσια βάση για οκτώ συνεχόμενα τρίμηνα, σύμφωνα με έκθεση της 6ης Οκτωβρίου που επικαλείται το TheStreet. Το ίδιο άρθρο σημείωσε ότι η Salesforce ↗ 4.57% μείωσε το προσωπικό εξυπηρέτησης πελατών της από 9.000 σε περίπου 5.000 άτομα με τη βοήθεια της τεχνητής νοημοσύνης.thestreet.com