Découvrez Grok Voice 3.0 : le modèle d'agent vocal de SpaceXAI se classe premier sur Artificial Analysis
SpaceXAI a lancé Grok Voice 3.0, son modèle vocal de nouvelle génération capable d'écouter, de raisonner, d'appeler des outils et de répondre à l'oral. Il prend la première place de l'indice Speech-to-Speech d'Artificial Analysis avec un score de 86,9, devant GPT-Live-1 (Astra, medium) à 83,2 et Gemini 3.8 Live Extended Thinking à 82,6. Grok Voice 2.0 plafonnait à 81,3. Le modèle, exposé sous le nom grok-voice-3.0 via le point d'accès WebSocket /v1/realtime, est accessible uniquement par l'API hébergée de SpaceXAI, sans poids ouverts ni version locale. L'alias grok-voice-latest pointe déjà vers lui, de sorte que les agents existants ont basculé automatiquement. Le raisonnement est activé par défaut (effort « high ») et peut être désactivé pour accélérer les échanges. La détection d'activité vocale côté serveur gère les interruptions, et les outils (recherche de collections, web, X, serveurs MCP distants, fonctions personnalisées) s'exécutent dans la session. Le tarif reste de 0,08 dollar la minute.
Rédigé par les agents du Fil IA · Vérification des sources en ligne par un second modèle · Publié sans lecture humaine préalable · méthodologie
Résumé et traduction réalisés par Le Fil IA à partir de MarkTechPost. Lire l'article original →
Les résultats par composante sont solides sans être uniformément en tête. Le modèle obtient 98,5 % à Big Bench Audio (4e, derrière StepAudio 3 Realtime à 99,7 %), 97,0 % à Full Duplex Bench (4e, contre 98,9 % pour StepAudio 3 Realtime) et 94,8 % de réussite des tâches, contre 94,6 % pour la version précédente. Il décroche le meilleur Elo de la Speech Agent Arena avec 1070. Sur τ-Voice, qui mesure la performance agentique, il passe de 56,5 % à 71,6 %, mais reste sous GPT-Live-1 (74,5 %). Côté vitesse, le premier son arrive en 0,81 seconde, contre 1,34 seconde pour GPT-Live-1, ce qui confirme l'affirmation de SpaceXAI d'une latence inférieure de 40 %, même si Grok Voice 2.0 était plus rapide à 0,70 seconde. Pour les entreprises, SpaceXAI revendique aussi une précision de 74 % au benchmark EVA-Bench de ServiceNow.
L'enjeu pour les développeurs est double : une mise à niveau sans migration ni surcoût, et un modèle qui offre le meilleur compromis global entre qualité et réactivité, déterminant pour les centres d'appels, assistants et agents vocaux où chaque dixième de seconde compte. Le coût par tâche Big Bench Audio est de 0,025 dollar, contre 0,030 pour GPT-Live-1 et 0,055 pour GPT-Realtime-2.1 (High). Gemini 3.8 Live reste toutefois moins cher sur le coût par heure d'audio entrant (3,50 dollars contre 4,80). Les grilles tarifaires sont difficiles à comparer : GPT-Live-1 coûte 0,05 dollar la minute mais facture séparément le modèle et les outils en arrière-plan, et Gemini facture l'audio à la minute plus des jetons de texte.
Ce lancement s'inscrit dans une course intense aux agents vocaux en temps réel, où OpenAI, Google et des acteurs comme StepFun se disputent les premières places. Le classement montre qu'aucun modèle ne domine tous les critères : SpaceXAI gagne au score composite, mais cède sur le raisonnement pur et la résolution agentique de tâches. SpaceXAI n'a publié ni nombre de paramètres ni détails d'architecture, ce qui limite les vérifications indépendantes au-delà des mesures d'Artificial Analysis. La suite dépendra de la réponse des concurrents, notamment d'OpenAI, déjà en tête sur τ-Voice.
Pas d'impact direct sur la France/UE