Michael JohnsonОновлення голосової моделі може пройти непомітно для коду й водночас змінити поведінку агента. 14 жовтня 2026 року SpaceXSI випустила Grok Voice 3.0 для Voice Agent API: компанія повідомляє, що форма API залишилася незмінною, ціна збереглася, а псевдонім grok-voice-latest автоматично перемкнувся на нову модель.
Для розробника це означає два різні рішення. Якщо інтеграція використовує псевдонім, оновлення вже відбулося на боці сервісу. Якщо важлива відтворюваність, версію моделі слід задавати явно й перевіряти до перемикання користувацького трафіку. У примітках до випуску також зазначено, що grok-voice-2.0 оголошено застарілою.
Що саме оголосили
SpaceXSI заявила, що Grok Voice 3.0 доступна через Voice Agent API за $0,08 за хвилину аудіо — стільки ж коштувала попередня версія. У тому самому повідомленні компанія описує автоматичний перехід клієнтів із псевдонімом grok-voice-latest. Це зручно для швидкого отримання актуальної моделі, але перетворює псевдонім на рухому залежність: результат роботи тієї самої програми може змінитися після перемикання з боку постачальника.
Документація рекомендує використовувати псевдонім для інтеграцій, яким потрібна рекомендована версія, а в production фіксувати назву версії, коли важлива стабільність. Тож спершу варто з’ясувати, як саме програма вибирає модель: за явно вказаною назвою, конфігурацією середовища чи значенням за замовчуванням.
Що свідчать опубліковані оцінки
SpaceXSI наводить результати Artificial Analysis від 13 жовтня 2026 року. У таблиці компанії Grok Voice 3.0 отримала 86,9 у Speech-to-Speech Index; поруч наведено 81,3 для Grok Voice 2.0, 83,2 для GPT-Live-1 у конфігурації Astra Medium і 82,6 для Gemini 3.8 Live з Extended Thinking та високим рівнем міркування. Окремі результати нової моделі в таблиці: 98,5% на Big Bench Audio, 97% на Full Duplex Bench і 94,8% успішного виконання завдань.
Ці показники стосуються зазначених наборів і конфігурацій. Для голосового агента підтримки особливо важливий τ-Voice: за описом SpaceXSI, цей тест моделює дзвінки з різними акцентами, фоновим шумом і перебиваннями. У ньому компанія вказує результат Grok Voice 3.0 — 71,6%. Для практичного рішення корисно зіставити такі оцінки з власними завданнями: розпізнаванням номерів та імен, передаванням дзвінка людині, дотриманням правил повернення коштів і стійкістю до шуму.
План перевірки наявної інтеграції
- Зафіксуйте поточну поведінку. Збережіть конфігурацію моделі, системні інструкції, налаштування виявлення кінця репліки та набір контрольних аудіозаписів. Запишіть очікувані результати для ключових сценаріїв.
- Перевірте, яка версія викликається. Знайдіть у конфігурації
grok-voice-latestі явну назву моделі. Якщо використовується псевдонім, врахуйте, що, згідно з випуском від 14 жовтня, він уже вказує на Grok Voice 3.0. - Повторіть тести на характерних розмовах. Додайте короткі перебивання, довгі паузи, шумне мовлення, акценти та випадки, коли агент має викликати інструмент або передати розмову оператору. Порівнюйте не лише якість розпізнавання, а й правильність дії, затримку відповіді та коректність завершення діалогу.
- Виміряйте фактичну вартість. Ціна $0,08 за хвилину дає змогу оцінити базові витрати: помножте оплачувану тривалість аудіо в хвилинах на тариф і додайте витрати, пов’язані з іншими компонентами вашої системи. Для місячного бюджету використовуйте реальний розподіл тривалості дзвінків і повторних спроб, а не лише середню тривалість.
- Розгортайте поетапно. Спочатку протестуйте нову версію на невеликому обсязі або внутрішньому потоці, а потім порівняйте результати з контрольною групою. Для передбачуваних повторних запусків зафіксуйте назву версії; залиште псевдонім там, де автоматичне оновлення відповідає вимогам продукту.
Два практичні наслідки міграції
Перший — варто переглянути збережені обхідні інструкції. Посібник SpaceXSI з Speech to Speech рекомендує під час переходу на Grok Voice 3.0 спростити системний промпт і видалити правила, додані для компенсації поведінки попередніх моделей. Перевіряйте це експериментально: прибирайте такі інструкції по одній і порівнюйте результати на тому самому наборі розмов.
Другий — вибір між псевдонімом і версією стає частиною процесу випуску. Псевдонім зменшує обсяг роботи з оновлення, але після перемикання моделі відповіді можуть непомітно змінитися. Назва версії зручніша для аудиту й відтворюваного тестування, проте вимагає стежити за оголошеннями нових версій і строками підтримки.
Висновок для чинних інтеграцій простий: для клієнтів із grok-voice-latest модель уже змінилася, а ціна й заявлена форма API залишилися незмінними. Тепер найкорисніше перевірити на власному трафіку реальні розмови, інструменти та передавання оператору, а потім відповідно до вимог стабільності вибрати між автоматичним псевдонімом і зафіксованою версією.