xAI, Grok Voice 3.0'ı sesli ajan API'sine ekledi: Dakika ücreti 0,08 dolarda kaldı

Elon Musk'ın yapay zeka şirketi xAI, 14 Ekim'de konuşmadan konuşmaya (speech-to-speech) çalışan yeni ses modeli Grok Voice 3.0'ı duyurdu. Model aynı gün Voice Agent API üzerinden geliştiricilere açıldı. Dikkat çeken bir ayrıntı da duyuru sayfasının artık "SpaceXSI" markasını taşıması; sayfanın alt bilgisinde SpaceXAI LLC adı yer alırken geliştirici konsolu ve dokümantasyon x.ai alan adında kalmaya devam ediyor.

Fiyat aynı, geçiş otomatik

Grok Voice 3.0'ın fiyatı dakika başına 0,08 dolar, yani saatlik 4,80 dolar olarak açıklandı; bu, bir önceki sürüm Grok Voice 2.0 ile aynı seviye. "grok-voice-latest" takma adını kullanan sesli ajanlar herhangi bir değişiklik yapılmadan yeni modele geçirildi. Şirket modelin gecikmesini bir saniyenin altında olarak tanımlıyor, ancak kesin bir değer paylaşmıyor. Görev başına maliyet karşılaştırmasında ise Grok Voice 3.0 için 0,025 dolar, OpenAI'ın GPT-Live-1 modeli için 0,030 dolar değeri veriliyor.

Benchmark tablosu ne söylüyor?

Şirketin paylaştığı verilere göre Grok Voice 3.0, Artificial Analysis'in Speech-to-Speech Index'inde 86,9 puanla ilk sırada. Aynı tabloda Grok Voice 2.0 81,3, GPT-Live-1 83,2, Google'ın Gemini 3.8 Live modeli ise 82,6 puanda görünüyor. Konuşma üzerinden akıl yürütmeyi ölçen Big Bench Audio'da yüzde 98,5, sıra alma ve söz kesme gibi konuşma dinamiklerini ölçen Full Duplex Bench'te ise yüzde 97,0 skor açıklandı. 200'ü aşkın senaryo içeren, ServiceNow'un açık kaynaklı kurumsal sesli ajan testi EVA-Bench'te de yüzde 74 doğrulukla en yüksek skoru aldığı belirtiliyor. Ancak tablo her alanda xAI lehine değil: aksanlı konuşma, arka plan gürültüsü ve söz kesmelerle zorlaştırılmış destek çağrılarını ölçen τ-Voice testinde Grok Voice 3.0 yüzde 71,6'da kalırken GPT-Live-1 yüzde 74,5 ile önde. xAI bu sonucu, modelin GPT-Live-1 ile kıyaslanabilir olduğu ve yüzde 40 daha düşük gecikme sunduğu şeklinde yorumluyor.

Gerçek kullanıma dair verilen örnekler de dikkat çekici. Şirkete göre Grok Voice, Tesla araçlarında günde milyonlarca konuşmaya güç veriyor; sürücüler takvim kontrolü, e-posta yanıtlama ya da kahve siparişi gibi işleri elleri serbest şekilde sesle halledebiliyor. Starlink çağrı merkezlerinde ise farklı dillerde günde yaklaşık 20 bin çağrıyı karşılıyor ve bu çağrıların yaklaşık yüzde 70'i insan müdahalesi olmadan çözülüyor. xAI ayrıca satış çağrılarının dörtte birinin, arayan kişi telefonu kapatmadan satın almayla sonuçlandığını iddia ediyor. Çağrı merkezi otomasyonu üzerinde çalışan Türk girişimleri ve kurumsal ekipler için dakika bazlı sabit fiyat maliyet planlamasını kolaylaştıran bir unsur. Ancak Türkçe performansına dair resmi bir veri paylaşılmadığından, devreye almadan önce kendi senaryolarıyla test yapmaları yerinde olacaktır.

Kaynak: xAI