xAI, Grok Voice 3.0 출시…'지연 1초 미만' 주장, 요금은 2.0과 같은 분당 0.08달러

xAI가 10월 14일(현지시간) 음성-음성 모델 Grok Voice 3.0을 음성 에이전트 API인 Voice Agent API로 내놨다. 출시 당일부터 쓸 수 있고, 요금은 이전 버전 2.0과 같은 분당 0.08달러(시간당 4.80달러)다.¹

xAI는 grok-voice-latest 별칭을 쓰던 에이전트가 이미 자동으로 3.0으로 바tl고 API도 그대로여서 따로 고칠 것이 없다고 밝혔다.^1,2

이전 모델 grok-voice-2.0은 지원 중단 대상이 됐다. 업데이트 기록에는 종료일이 적혀 있지 않다. 모델 이름을 직접 지정해 쓰는 개발자는 model 값을 grok-voice-3.0 또는 grok-voice-latest로 바꾸면 되고, 요금은 같다.²

성능과 비용

xAI는 Grok Voice 3.0이 고객 지원 통화 해결 기록을 새로 세웠고, 지연 시간이 1초 미만이라고 밝혔다.

외부 평가기관 Artificial Analysis의 독립 테스트에서 이 모델은 Speech-to-Speech Index 1위(86.9점)에 올랐다. 이 지수는 음성 추론 점수와 τ-Voice 점수를 반영한다. 여기에 블라인드 1:1 통화 비교에서 나온 선호도와 과제 성공률이 더해진다. 말이 끊기거나 끼어드는 상황을 얼마나 자연스럽게 처리하는지 재는 Full Duplex Bench에서는 97%를 받았다.

τ-Voice는 억양이 다양하고 주변 소음과 말 끊기가 있는 상황에서 에이전트가 지원 통화를 얼마나 잘 처리하는지 보는 벤치마크다. Grok Voice 3.0은 71.6%로 GPT-Live-1(Astra)과 비슷한 수준이었고, 지연 시간은 GPT-Live-1(Astra)보다 40% 낮다고 xAI는 밝혔다.

EVA-Bench는 ServiceNow가 공개한 오픈소스 벤치마크로, 200개 이상의 현실적인 기업 시나리오에서 음성 에이전트의 정확도와 경험을 채점한다. Grok Voice 3.0은 정확도 74%로 가장 높았고, 정확도와 고객 경험을 함께 매긴 종합 점수에서도 1위였다고 xAI는 밝혔다. ServiceNow는 Grok Voice 3.0이 EVA-Bench에서 '새로운 파레토 프런티어'를 세웠다며, 최고 수준의 정확도와 자연스럽고 반응이 빠른 대화를 함께 갖췄다고 평가했다.

비용 비교는 Artificial Analysis의 Big Bench Audio 실행에서 과제 하나를 끝내는 데 드는 평균 비용을 기준으로 했다. Grok Voice 3.0은 GPT-Live-1(Astra, Medium)과 GPT-Realtime-2.1보다 낮았다.¹

Tesla와 Starlink에서 쓰는 방식

xAI에 따르면 Grok Voice는 Tesla와 SpaceX 전체에서 하루 수백만 건의 대화를 처리한다. Tesla 차량 안에서도 수백만 건이 오간다. 운전자는 Connectors로 일정 확인이나 이메일 답장 같은 간단한 요청을 하고, Grok Bot으로 커피 주문이나 저녁 식사 예약 같은 큰 작업을 맡긴다. 모두 손을 쓰지 않고 할 수 있다. Grok Bot의 음성 모드도 이 모델로 돌아간다.

Starlink 콜센터는 Grok Voice로 하루 2만 건의 고객 전화를 여러 언어로 받는다. 약 70%는 사람이 개입하지 않고 해결되고, 판매 전화 네 건 중 한 건은 고객이 끊기 전에 구매로 이어진다. Grok Voice 3.0 기반 에이전트 하나가 고객 확인, 장비 문제 진단, 크레딧 지급, 교체 장비 배송까지 맡는다.¹