xAI wypuszcza model głosowy, który odpowiada w mniej niż sekundę
Firma xAI ogłosiła wczoraj Grok Voice 3.0, model przetwarzający mowę wprost na mowę, i od razu umieściła go na pierwszym miejscu indeksu rozmowy głosowej niezależnego serwisu Artificial Analysis. Wynik złożony to osiemdziesiąt sześć i dziewięć dziesiątych punktu, przy dziewięćdziesięciu ośmiu i pięciu dziesiątych procenta w rozumowaniu na materiale dźwiękowym i siedemdziesięciu jeden i sześciu dziesiątych procenta w zadaniach obsługi klienta. Najmocniejszym parametrem jest opóźnienie: pierwszy dźwięk pojawia się po osiemdziesięciu jeden setnych sekundy, czyli około czterdzieści procent szybciej niż w wiodących konfiguracjach OpenAI i Google. Cena pozostała bez zmian i wynosi osiem centów za minutę rozmowy, a firma podaje, że model obsługuje siedemdziesiąt procent zgłoszeń do pomocy technicznej systemu satelitarnego Starlink.
Źródło: artificial-analysis
W tabeli wyników widać jednak więcej niż prowadzenie jednego producenta. Grok Voice 3.0 ustępuje modelowi GPT-Live-1 w wersji Astra w zadaniach agentowych, jest droższy w przeliczeniu na godzinę wejścia od konfiguracji Gemini 3.8, a w głosowaniu preferencji użytkowników zajmuje trzecie miejsce, za dwiema wersjami Gemini. Deklaracja o siedemdziesięciu procentach zgłoszeń Starlinka pochodzi od samej firmy i nie została niezależnie potwierdzona. Wniosek praktyczny jest mimo to jasny: rywalizacja przeniosła się z jakości rozpoznawania mowy, gdzie liczący się dostawcy przekroczyli już dziewięćdziesiąt siedem procent, na opóźnienie, koszt i skuteczność wykonywania zadań w trakcie rozmowy.