L’industrie de l’IA poursuit sa transformation rapide avec cette nouvelle annonce.
Découvrez Grok Voice 3.0 : le modèle d’agent vocal de SpaceXAI se classe n° 1 sur Artificial Analysis
SpaceXAI vient de lancer Grok Voice 3.0. Grok Voice 3.0 est un modèle de synthèse vocale de SpaceXAI capable d’écouter, de raisonner, d’appeler des outils et de parler. Il occupe désormais la première place de l’indice « Speech-to-Speech » d’Artificial Analysis, avec un score de 86,9. Pour les développeuses et développeurs, le point de terminaison, les événements et le tarif de 0,08 $ par minute restent inchangés par rapport à Grok Voice 2.0.
Dans la foulée, grok Voice 3.0 est le modèle vocal en temps réel phare de SpaceXAI, accessible sous le nom « grok-voice-3.0 » via le point de terminaison WebSocket /v1/realtime. L’alias « grok-voice-latest » pointe déjà vers ce modèle ; les agents existants ont donc basculé automatiquement.
Notons par ailleurs, spaceXAI n’a pas publié le nombre de paramètres ni les détails de l’architecture. Le raisonnement est activé par défaut (reasoning.effort : « high ») et peut être réglé sur « none » pour des réponses plus rapides. La détection d’activité vocale côté serveur gère les interruptions. Les outils s’exécutent au sein de la session : recherche dans les collections, recherche sur le Web, recherche X, serveurs MCP distants et fonctions personnalisées.
L’indice AA « Speech-to-Speech » correspond à la moyenne pondérée de manière égale de quatre composantes. Il s’agit du raisonnement audio « Big Bench », de la performance agentique « τ-Voice », de la préférence « Speech Agent Arena » et du taux de réussite des tâches.
Grok Voice 3.0 obtient un score de 86,9. GPT-Live-1 (Astra, niveau moyen) obtient un score de 83,2, tandis que Gemini 3.8 Live Extended Thinking obtient un score de 82,6. Grok Voice 2.0 avait obtenu un score de 81,3.
L’EVA-Bench de ServiceNow évalue les agents vocaux d’entreprise en fonction de leur précision et de leur expérience. SpaceXAI affiche un taux de précision maximal de 74 %.
Selon Artificial Analysis, le délai avant la première sortie audio est de 0,81 s. GPT-Live-1 (Astra, configuration moyenne) affiche quant à lui un délai de 1,34 s, ce qui confirme l’affirmation de SpaceXAI selon laquelle sa latence est « inférieure de 40 % ». Grok Voice 2.0 s’est toutefois révélé plus rapide, avec un délai de 0,70 s.
En ce qui concerne le coût, SpaceXAI cite le coût par tâche « Big Bench Audio » d’Artificial Analysis. Grok Voice 3.0 coûte 0,025 $ par tâche, contre 0,030 $ pour GPT-Live-1 (Astra, niveau moyen) et 0,055 $ pour GPT-Realtime-2.1 (niveau élevé). En ce qui concerne le coût de l’AA par heure d’audio d’entrée, Gemini 3.8 Live Extended Thinking est moins cher : 3,50 $ contre 4,80 $.
Reste à voir comment l’industrie va réagir à cette annonce.
À découvrir aussi :
- McKinsey met les candidats à l’épreuve en les faisant dialoguer avec un faux client généré par l’IA
- Ricursive Intelligence mise sur des puces conçues par l’IA pour contribuer à résoudre la crise informatique | TechCrunch
D’après MarkTechPost : MarkTechPost