Grok Voice 3.0 gir taleagenter raskere svar til samme pris

Bygger du taleagent for kundeservice eller salg, har Grok Voice 3.0 blitt et av de sterkeste alternativene du bør teste. Den nye modellen svarer raskt, beholder minuttprisen fra forgjengeren og brukes allerede i stor skala.

Artificial Analysis rangerer Grok Voice 3.0 øverst på sin samlede Speech-to-Speech Index. Modellen kombinerer en totalscore på 86,9 med 94,8 prosent fullførte oppgaver, 97 prosent på naturlig samtaleflyt og 0,81 sekunder til første lyd. OpenAI vinner fortsatt en krevende deltest for kundeservice, så dette er ikke en seier på absolutt alt. Men sammenlagt er Grok nå foran.

Enda viktigere er det at modellen allerede brukes i stor skala. SpaceXSI oppgir millioner av daglige samtaler i Tesla-biler og 20 000 kundesamtaler om dagen hos Starlink. Det er leverandørtall, ikke en uavhengig revisjon, men de viser at dette ikke bare er en pen demo som aldri har møtt en utålmodig kunde.

Hva er Grok Voice 3.0?

Grok Voice 3.0 er SpaceXSI sin nyeste speech-to-speech-modell for taleagenter. Den tar lyd inn, resonnerer, kan bruke verktøy og svarer med lyd tilbake i samme sanntidsøkt. Modellen ble lansert 14. oktober 2026 og er tilgjengelig gjennom Voice Agent API-et til samme listepris som forgjengeren.

Forskjellen fra vanlig tekst-til-tale er viktig. En taleagent skal ikke bare lese opp tekst med pen stemme. Den må forstå avbrytelser, tåle pauser, vite når den skal vente, hente informasjon og utføre riktig handling. Det er hele kjeden som avgjør om en samtale fungerer, og det er også det Artificial Analysis forsøker å måle i sin Speech-to-Speech Index.

Indeksen er et likt vektet gjennomsnitt av fire områder: resonnering på lyd, oppgaveløsning i kundeservicescenarier, menneskelig preferanse i blinde samtaler og om agenten faktisk utfører riktig avsluttende verktøykall. Det gjør 86,9 til et bredere resultat enn én test av stemmekvalitet eller svartid.

Hvor mye bedre er Grok Voice 3.0 enn OpenAI og Google?

Grok Voice 3.0 scorer 86,9 på den samlede indeksen. GPT-Live-1 med Astra på medium ligger på 83,2, mens Gemini 3.8 Live med utvidet tenking ligger på 82,6. Forgjengeren Grok Voice 2.0 fikk 81,3. Den nye modellen løfter altså Grok med 5,6 poeng og tar ledelsen med 3,7 poeng over nærmeste konkurrent.

Delresultatene forklarer hvorfor. Grok får 98,5 prosent på taleresonnering, 97 prosent på samtaledynamikk og 94,8 prosent på oppgavesuksess. Tiden til første lyd er målt til 0,81 sekunder, mot 1,34 sekunder for GPT-Live-1 og 1,35 sekunder for den testede Gemini-varianten. For en innringer merkes et halvt sekunds stillhet fort som treghet.

Dette er et solid sprang. Samtidig er det lett å misbruke en topplassering som om den beviser at modellen alltid er best. Den gjør ikke det. Artificial Analysis viser blant annet modeller som er raskere til første lyd, og andre som scorer høyere på enkeltområder. Rangeringen gjelder den samlede kombinasjonen av fire mål med lik vekt.

Hvor er OpenAI fortsatt best?

OpenAI beholder ledelsen på τ-Voice, en deltest der agenten håndterer realistiske kundeservicesamtaler med bakgrunnsstøy, ulike aksenter og avbrytelser. GPT-Live-1 med Astra løser 74,5 prosent av oppgavene, mens Grok Voice 3.0 når 71,6 prosent. Forskjellen er liten, men reell.

Det er et godt korrektiv til den enkleste overskriften. Hvis du skal sette modellen til å endre en flybillett, bestride en belastning eller løse et teleproblem, er riktig sluttresultat viktigere enn hvem som topper en totalscore. Testmetoden bruker en simulator som ringer agenten med et konkret problem, og databasen må ende i én bestemt korrekt tilstand.

Grok svarer riktignok raskere i den samme sammenligningen. SpaceXSI oppgir rundt 40 prosent lavere svartid enn GPT-Live-1. Det er en ekte fordel i en samtale, men jeg ville ikke byttet noen få prosentpoeng i løste kundeoppgaver mot fart uten å måle hva som faktisk skjer i min egen arbeidsflyt. En kjapp agent som gjør feil, er bare en mer effektiv måte å irritere kunden på.

Hva koster Grok Voice 3.0?

Grok Voice 3.0 koster 0,08 dollar per minutt, eller 4,80 dollar per time. Med Norges Banks siste publiserte dollarkurs på omtrent 9,47 kroner blir det cirka 76 øre per minutt og 45 kroner per time, før eventuelle avgifter og andre kostnader i løsningen. SpaceXSI sin prisside viser samme pris som for Grok Voice 2.0.

Det er selve speech-to-speech-tjenesten du betaler for. Telefoni, lagring, egne verktøykall, eksterne API-er, overvåking og menneskelig overtakelse kan komme i tillegg. En samtale på fem minutter koster isolert sett omtrent 3,80 kroner i modellbruk. Ved 20 000 slike samtaler blir små forskjeller i samtalelengde plutselig svært store penger.

I Artificial Analysis sin faste Big Bench Audio-kjøring kostet en oppgave omtrent 2,5 amerikanske cent med Grok Voice 3.0, mot 3 cent med GPT-Live-1 og 5,5 cent med GPT-Realtime-2.1. Det er nyttig som kontrollert sammenligning, men ikke som et pristilbud for din kundeservice. Din faktiske kostnad styres av hvor lenge folk snakker og hvilke andre tjenester agenten bruker.

Jeg skrev tidligere om at Grok Voice Think Fast 2.0 ble raskere, men 60 prosent dyrere. Denne gangen kommer kvalitetsløftet uten en ny økning i listeprisen. Det liker jeg. Bedre modell til samme pris er en langt hyggeligere lansering enn å pakke en forbedring inn i nok en regning.

Hva viser bruken hos Tesla og Starlink?

SpaceXSI oppgir at Grok Voice håndterer millioner av samtaler daglig i Tesla-biler. Sjåfører kan blant annet sjekke kalenderen og svare på e-post, mens større oppgaver som å bestille middag går gjennom Grok Bot. Samme stemmemodell driver også talefunksjonen i boten.

Starlink bruker systemet på rundt 20 000 kundesamtaler hver dag, på flere språk. Ifølge den offisielle lanseringen av Grok Voice 3.0 løses omtrent 70 prosent uten et menneske, og én av fire salgssamtaler ender med kjøp før samtalen avsluttes. Agenten kan verifisere kunder, feilsøke utstyr, gi kreditter og sende erstatningsutstyr.

Det er sterke tall, men de kommer fra selskapet som selger modellen. Vi får ikke vite hvordan en «løst» samtale defineres, hvor mange kunder som ringer tilbake, eller hvordan språkene fordeler seg. Tallene er derfor bevis på produksjonsbruk i stor skala, ikke bevis på at den samme løsningen gir 70 prosent automatisering i en norsk bedrift.

Hva må utviklere vite før de bytter?

Agenter som bruker aliaset grok-voice-latest, ble ifølge SpaceXSI automatisk flyttet til Grok Voice 3.0. Det er praktisk hvis du vil ha forbedringen med én gang. Det er mindre praktisk hvis systemet ditt må oppføre seg helt likt fra uke til uke. Da bør du teste alle viktige samtaleforløp etter byttet og bruke det versjonerte modellnavnet grok-voice-3.0 når stabilitet er viktig.

Dokumentasjonen for speech-to-speech-API-et viser WebSocket-endepunktet og anbefaler et versjonert navn når du vil låse en bestemt utgave. API-et er i stor grad kompatibelt med OpenAI Realtime, men ikke helt likt. Enkelte hendelser har andre navn og nyttelaster, og noen OpenAI-hendelser støttes ikke. Bytt derfor ikke bare base-URL og kryss fingrene.

Hvis du allerede vurderer xAI sin løsning, har jeg også skrevet om Grok Voice Agent Builder med telefoni, SIP og WebSocket. For sammenligning er det nyttig å se hvordan OpenAI arbeider med lav svartid i voice agents. Arkitekturen rundt modellen betyr minst like mye som modellnavnet.

Bør du velge Grok Voice 3.0 nå?

Grok Voice 3.0 bør stå på kortlisten hvis du bygger en taleagent for kundeservice eller salg. Den leder en bred uavhengig sammenligning, svarer på under ett sekund, har en oversiktlig minuttpris og kan vise til reell produksjonsbruk. Det er mer enn nok til at OpenAI og Google må kjenne pusten i nakken.

Men ikke kjøp topplasseringen blindt. Lag et representativt testsett med norsk tale, dialekter, avbrytelser, bakgrunnsstøy og de vanskeligste verktøykallene i din egen løsning. Mål riktig løsning, ikke bare en hyggelig samtale. Ta også med hvor ofte et menneske må overta, hvor mange kunder som ringer tilbake og den totale kostnaden per løst sak.

Min dom er ganske enkel: Dette ser ut som et av de sterkeste taleagent-slippene i 2026. Grok vinner sammenlagt uten å late som svakhetene er borte, og prisen står stille. Det er skikkelig bra. Nå vil jeg se om den samme styrken holder når norske kunder mumler, avbryter og spør om noe ingen la inn i demoen.

Ofte stilte spørsmål