Michael Johnson语音模型更新可能不会影响代码，却仍会改变智能体的行为。2026 年 10 月 14 日，SpaceXSI 为 Voice Agent API 发布了 Grok Voice 3.0：该公司表示，API 形式保持不变，价格维持原样，别名 grok-voice-latest 已自动切换到新模型。
对开发者而言，这意味着需要做出两个不同的决定。如果集成使用了别名，服务端已经完成更新。如果可复现性很重要，就应明确指定模型版本，并在切换用户流量前进行验证。发行说明还指出，grok-voice-2.0已被弃用。
具体发布了什么
SpaceXSI 表示，Grok Voice 3.0 已通过 Voice Agent API 提供，音频价格为每分钟 0.08 美元，与上一版本相同。在同一条发布说明中，该公司还介绍了使用别名 grok-voice-latest 的客户会自动切换到新版本。这种方式便于快速获取最新模型，但也让别名成为会变化的依赖项：服务提供方切换模型后，同一应用的表现可能发生变化。
文档建议，需要使用推荐版本的集成采用别名；而在生产环境中，如果稳定性至关重要，则应固定使用带版本号的模型名称。因此，首先要查明应用究竟如何选择模型：使用明确指定的名称、环境配置，还是默认值。
已公布的评测结果
SpaceXSI 引用了 Artificial Analysis 于 2026 年 10 月 13 日发布的结果。该公司的表格显示，Grok Voice 3.0 在 Speech-to-Speech Index 中得分为 86.9；表中还列出了 Grok Voice 2.0 的 81.3、采用 Astra Medium 配置的 GPT-Live-1 的 83.2，以及启用 Extended Thinking 和高推理等级的 Gemini 3.8 Live 的 82.6。表中列出的新模型其他成绩包括：Big Bench Audio 得分 98.5%，Full Duplex Bench 得分 97%，任务成功率 94.8%。
这些指标对应的是指定数据集和配置。对于客服语音智能体，τ-Voice 尤其值得关注：据 SpaceXSI 描述，该测试模拟了带有不同口音、背景噪声和插话的通话。该公司公布的 Grok Voice 3.0 成绩为 71.6%。在实际应用中，应将这些评测与自己的任务相结合，例如识别号码和姓名、将通话转接给人工客服、遵守退款规则，以及抵御噪声干扰的能力。
现有集成的测试计划
- 记录当前表现。保存模型配置、系统指令、回合结束检测设置和一组基准音频。为关键场景记录预期结果。
- 确认实际调用的版本。检查配置中的
grok-voice-latest和明确指定的模型名称。如果使用的是别名，请注意，根据 10 月 14 日的发布说明，它现在已指向 Grok Voice 3.0。 - 用典型对话重复测试。涵盖短暂插话、长时间停顿、嘈杂语音、不同口音，以及智能体需要调用工具或转接给客服的情况。不要只比较识别质量，还要比较操作是否正确、响应延迟以及对话是否正确结束。
- 测量实际成本。每分钟 0.08 美元的价格可用于估算基本开支：将计费音频时长（分钟）乘以费率，再加上系统其他组件产生的费用。制定月度预算时，应采用实际的通话时长分布和重试情况，而不只是平均通话时长。
- 分阶段部署。先在少量流量或内部流量上测试新版本，再将结果与对照组比较。若要确保重复运行的结果可预测，请固定模型版本；只有当自动更新符合产品要求时，才使用别名。
迁移带来的两点实际影响
第一，应该重新审视已有的变通指令。SpaceXSI 的 Speech to Speech 指南建议，迁移到 Grok Voice 3.0 时简化系统提示词，并删除为弥补旧模型行为而添加的规则。应通过实验验证这一做法：每次删除一条此类指令，并在同一组对话上比较结果。
第二，在别名和固定版本之间做选择，已经成为发布流程的一部分。别名减少了更新工作，但模型切换后，回答可能在不知情的情况下发生变化。固定版本名称更便于审计和复现测试，但需要持续关注新版本公告和支持期限。
对现有集成而言，结论很简单：使用 grok-voice-latest 的客户已经切换到新模型，而价格和声明中的 API 形式保持不变。现在最值得做的是用自己的流量测试真实对话、工具调用和人工转接，再根据稳定性要求，在自动更新的别名与固定版本之间作出选择。