Intelligenza artificiale
Il 14 ottobre 2026 xAI ha annunciato Grok Voice 3.0, un modello speech-to-speech che l’azienda definisce il più intelligente al mondo. Secondo l’annuncio di xAI è disponibile subito nella Voice Agent API a 0,08 dollari al minuto (4,80 dollari all’ora), lo stesso prezzo di Grok Voice 2.0. Secondo i dati di Artificial Analysis del 13 ottobre citati da xAI, è primo nello Speech-to-Speech Index con 86,9 punti.
Cosa cambia per chi usa l’API
xAI sostiene che Grok Voice 3.0 stabilisca un nuovo record nella risoluzione delle chiamate di assistenza clienti, abbia una latenza sotto il secondo e costi meno di altri modelli di frontiera. Sono affermazioni dell’azienda, che per i numeri rimanda a test di terze parti.
Gli agenti che usano grok-voice-latest sono già passati automaticamente alla nuova versione, senza interventi degli sviluppatori. Prezzi e disponibilità specifici per l’Italia non sono indicati nell’annuncio.
I numeri di Artificial Analysis a confronto
L’indice Speech-to-Speech di Artificial Analysis combina ragionamento sul parlato, τ-Voice e, per preferenza e successo nei compiti, chiamate confrontate alla cieca. Nella tabella pubblicata da xAI, con fonte Artificial Analysis del 13 ottobre 2026, i concorrenti sono GPT-Live-1 (Astra, Medium) e Gemini 3.8 Live (Ext. Thinking, High).
| Benchmark | Grok Voice 3.0 | Grok Voice 2.0 | GPT-Live-1 (Astra, Medium) | Gemini 3.8 Live (Ext. Thinking, High) |
|---|---|---|---|---|
| Speech-to-Speech Index | 86,9 | 81,3 | 83,2 | 82,6 |
| Big Bench Audio (ragionamento sul parlato) | 98,5% | 97,2% | 90,1% | 97,7% |
| Speech Agent Arena Elo (preferenza umana) | 1070 | 1011 | 1048 | 990 |
| Task Success Rate | 94,8% | 94,6% | 87,4% | 89,1% |
| Full Duplex Bench (pause, turni, interruzioni) | 97,0% | 95,1% | 94,9% | 91,9% |
Latenza e costo per task
Il τ-Voice valuta come gli agenti affrontano chiamate di assistenza con accenti diversi, rumore di fondo e interruzioni. Grok Voice 3.0 ottiene il 71,6%, un risultato che xAI definisce paragonabile a GPT-Live-1 (Astra), ma con una latenza inferiore del 40%.
Sul costo, xAI cita la misura di Artificial Analysis: nella run di Big Bench Audio il costo medio per task di Grok Voice 3.0 è inferiore a quello di GPT-Live-1 (Astra, Medium) e di GPT-Realtime-2.1. L’annuncio mostra la differenza in un grafico e non ne riporta le cifre nel testo.
Il test di ServiceNow per gli agenti aziendali
Secondo xAI, su EVA-Bench, il benchmark open source di ServiceNow per agenti vocali aziendali basato su oltre 200 scenari realistici, Grok Voice 3.0 raggiunge il 74% di accuratezza, il punteggio più alto. Per l’azienda è anche il migliore nel punteggio che unisce accuratezza ed esperienza del cliente.
Nitin Aggarwal, Senior Director of Product Management, Agentic Evals and RAI di ServiceNow, afferma nel testo riportato da xAI che il modello fissa una nuova frontiera di Pareto su EVA-Bench, perché abbina accuratezza elevata e conversazione naturale e reattiva.
Dove già gira: Tesla e Starlink
xAI indica due impieghi in produzione:
- Nelle auto Tesla Grok Voice 3.0 gestisce milioni di conversazioni al giorno. I conducenti usano i Connectors per richieste semplici, come controllare il calendario o rispondere a un’email, e Grok Bot per compiti più grandi, come ordinare un caffè o prenotare una cena, a mani libere.
- Grok Voice 3.0 alimenta anche la modalità vocale di Grok Bot.
- I call center Starlink usano Grok Voice per rispondere a 20.000 chiamate al giorno in più lingue. Circa il 70% si risolve senza intervento umano e una chiamata di vendita su quattro si chiude con un acquisto prima che il cliente riattacchi.
- Un singolo agente basato su Grok Voice 3.0 verifica i clienti, diagnostica l’hardware, emette crediti e spedisce l’attrezzatura sostitutiva.
