أطلقت xAI في 14 أكتوبر 2026 نموذج Grok Voice 3.0، وهو نموذج جديد يحوّل الكلام إلى كلام مباشرة (Speech-to-Speech) ضمن Voice Agent API. يحل النموذج محل Grok Voice 2.0 بالسعر نفسه، ويتصدر حاليًا مؤشر Speech-to-Speech المستقل من Artificial Analysis. ومن يستخدم الاسم المستعار grok-voice-latest انتقل إلى النسخة الجديدة تلقائيًا دون أي تعديل.
أبرز التفاصيل
- معرّف النموذج:
grok-voice-3.0، والاسم المستعارgrok-voice-latestيشير إليه الآن. - السعر: $0.08 للدقيقة ($4.80 للساعة) إضافة إلى $0.004 لكل مُدخل نصي، دون تغيير عن Grok Voice 2.0.
- Grok Voice 2.0: أصبح مُهمَلًا (Deprecated). التطبيقات المثبّتة على
grok-voice-2.0تحتاج إلى تغيير إعدادmodelفقط، فواجهة الـ API نفسها لم تتغير. - زمن الاستجابة: تقول xAI إن الرد يبدأ في أقل من ثانية.
- الإتاحة: عبر الـ API المستضاف فقط، ولا توجد أوزان مفتوحة.
نتائج قوية مع تحفّظ واحد
على مؤشر Speech-to-Speech من Artificial Analysis حقق Grok Voice 3.0 نتيجة 86.9، متقدمًا على GPT-Live-1 من OpenAI (Astra بإعداد medium) بنتيجة 83.2، وعلى Gemini 3.8 Live من Google مع التفكير الموسّع (high) بنتيجة 82.6، بينما سجّل الإصدار السابق 81.3. ولأن جهة مستقلة تدير هذا المؤشر، فهو الرقم الأهم في إعلان الإطلاق.
لكن النموذج لا يتفوق في كل شيء. ففي اختبار τ-Voice الذي يحاكي مكالمات دعم العملاء، وتستشهد به xAI نفسها، حقق 71.6% مقابل 74.5% لـ GPT-Live-1 (Astra، medium)، وإن كانت xAI تقول إنه يقترب من هذه النتيجة بزمن استجابة أقل بنحو 40%. أما بقية الأرقام في الإعلان، مثل 97.0% في Full Duplex Bench (تبادل الأدوار والمقاطعة) و74% دقة في EVA-Bench من ServiceNow، فهي منشورة من xAI ولم يُعِد طرف مستقل إنتاجها.
المقارنة من حيث السعر
| النموذج | مؤشر S2S | السعر |
|---|---|---|
| Grok Voice 3.0 (xAI) | 86.9 | $0.08 للدقيقة |
| GPT-Live-1، Astra medium (OpenAI) | 83.2 | $0.05 للدقيقة، بحساب الثواني |
| Gemini 3.8 Live، تفكير موسّع high (Google) | 82.6 | غير مشمول في المقارنة |
بالسعر المعلن للدقيقة، GPT-Live 1 أرخص. لكن الفارق قد يضيق عند حساب تكلفة المهمة الواحدة: ففي تشغيل Big Bench Audio لدى Artificial Analysis، كما تنقله xAI، كلّفت المهمة نحو $0.025 على Grok Voice 3.0 مقابل $0.030 على GPT-Live-1 (Astra، medium) و$0.055 على GPT-Realtime-2.1 (high). وتكلفتك الفعلية ستعتمد على مدة المكالمات وحجم العمل الذي تطلقه كل مكالمة في أنظمتك.
ماذا يعني ذلك لك؟
- فرق وكلاء الهاتف والدعم: يستحق تجربة جنبًا إلى جنب مع GPT-Live 1، خصوصًا في التعامل مع المقاطعة وعلى سيناريوهاتك أنت، لا على الاختبارات العامة فقط.
- مستخدمو Grok Voice الحاليون: إذا كنت تستخدم الاسم المستعار فأنت على 3.0 بالفعل، فراجع التعليمات وتدفق المكالمات. وإذا ثبّتّ الإصدار 2.0 فخطط للانتقال بعد أن أصبح مُهمَلًا.
- لمن يعمل بلغات غير الإنجليزية، ومنها العربية: جرّب لغتك قبل توجيه مكالمات حقيقية إليه، فمواد الإطلاق لم تعرض نتائج تفصيلية حسب اللغة.
اطّلع على صفحة Grok Voice 3.0، وعلى خيارات أخرى في أفضل ذكاء اصطناعي في الصوت والتعليق الصوتي وأفضل ذكاء اصطناعي في خدمة العملاء.
