SpaceXSI vừa giới thiệu Grok Voice 3.0, mô hình giọng nói AI mới nhắm đến thị trường voice agent cho doanh nghiệp. Công ty cho biết sản phẩm này vượt các mô hình của OpenAI và Google trong một số bài đánh giá độc lập, đồng thời có lợi thế về tốc độ phản hồi và chi phí xử lý.

Theo SiliconANGLE ngày 14/10 giờ địa phương, Grok Voice 3.0 đứng đầu bảng xếp hạng voice-to-voice của tổ chức đánh giá AI Artificial Analysis với 86,9 điểm. Xếp sau là GPT-Live-1 của OpenAI với 83,2 điểm và Gemini 3.8 Live của Google với 82,6 điểm.

Kết quả trên được xây dựng từ các bài kiểm tra về năng lực suy luận, tỷ lệ hoàn thành nhiệm vụ và phần đánh giá cuộc gọi theo hình thức ẩn danh. SpaceXSI dự kiến đưa Grok Voice 3.0 vào lĩnh vực voice agent xử lý nghiệp vụ doanh nghiệp, như chăm sóc khách hàng và cuộc gọi bán hàng.

Ở khả năng hội thoại tự nhiên, Grok Voice 3.0 cũng cho thấy lợi thế rõ rệt. Trong bài kiểm tra full duplex, đo khả năng phản ứng với khoảng lặng hoặc tình huống người đối thoại ngắt lời giữa cuộc trò chuyện, mô hình này đạt 97%.

Dù vậy, Grok Voice 3.0 không dẫn đầu ở mọi hạng mục. Trong bài kiểm tra tau-voice, mô phỏng các cuộc gọi hỗ trợ khách hàng có giọng địa phương nặng và lẫn tiếng ồn nền, mô hình của OpenAI đạt 74,5%, cao hơn mức 71,6% của Grok Voice 3.0. Tuy nhiên, SpaceXSI cho biết ở bài thử này, thời gian để mô hình của hãng tạo ra phản hồi giọng nói đầu tiên ngắn hơn khoảng 40%.

Chi phí cũng là điểm được SpaceXSI nhấn mạnh. Theo chuẩn Big Bench Audio của Artificial Analysis, chi phí xử lý cho mỗi tác vụ của Grok Voice 3.0 vào khoảng 2,5 cent. Mức này thấp hơn 3 cent của GPT-Live-1 và 5,5 cent của GPT-Realtime-2.1, đều thuộc OpenAI. SpaceXSI cho rằng lợi thế này có thể giúp doanh nghiệp giảm đáng kể chi phí khi triển khai AI giọng nói ở quy mô lớn cho hoạt động chăm sóc khách hàng.

Trong các bài đánh giá theo kịch bản doanh nghiệp, Grok Voice 3.0 cũng ghi nhận kết quả tích cực. Trên công cụ đánh giá mã nguồn mở EVA-bench của ServiceNow, mô hình đạt độ chính xác 74% trên hơn 200 kịch bản doanh nghiệp. Ở những bài đánh giá đồng thời tính chính xác và trải nghiệm khách hàng, Grok Voice 3.0 cũng đạt điểm cao hơn các mô hình cạnh tranh.

Ông Nitin Agarwal, Giám đốc quản lý sản phẩm cấp cao của ServiceNow, nhận xét Grok Voice 3.0 cho thấy sự cân bằng giữa độ chính xác cao và khả năng hội thoại tự nhiên, phản hồi tốt.

SpaceXSI cho biết Grok Voice đã bắt đầu được ứng dụng trong các dịch vụ thực tế. Trên xe Tesla, hệ thống này đang xử lý hàng triệu cuộc hội thoại mỗi ngày. Tài xế có thể dùng giọng nói để kiểm tra lịch trình hoặc trả lời email, trong khi các tác vụ như đặt nhà hàng có thể được thực hiện qua Grok Bot. Phiên bản mới hiện cũng đã được áp dụng cho chế độ giọng nói của Grok Bot.

Tại Starlink, Grok Voice đang xử lý khoảng 20.000 cuộc gọi chăm sóc khách hàng mỗi ngày và hỗ trợ nhiều ngôn ngữ. Theo SpaceXSI, khoảng 70% số cuộc gọi này được giải quyết mà không cần nhân viên can thiệp. Công ty cũng cho biết cứ bốn cuộc gọi bán hàng thì có một cuộc dẫn đến giao dịch mua trước khi cuộc gọi kết thúc.

Đợt ra mắt lần này diễn ra sau quá trình tái cơ cấu mảng AI của SpaceX. Công ty đã mua lại xAI vào tháng 2, đổi tên tổ chức AI thành SpaceXAI vào tháng 7, trước khi đổi lại thành SpaceXSI vào đầu tháng này.

Hiện Grok Voice 3.0 được cung cấp thông qua API voice agent với mức giá 8 cent mỗi phút, tương đương 4,80 USD mỗi giờ, không thay đổi so với Grok Voice 2.0. Các nhà phát triển đang sử dụng bí danh mô hình "grok-voice-latest" sẽ tự động được chuyển sang phiên bản mới mà không cần chỉnh sửa thêm.