0.81秒。
xAIが10月14日に公開した新しい音声AI「Grok Voice 3.0」の応答速度です。
Starlinkのコールセンターでは、1日2万件かかってくる電話のうち7割がこのAIだけで解決されているといいます。
それだけ性能を上げながら、利用料金は前のモデルから1円も変えていません。
AIを業務に組み込む側にとっては、性能と価格が同時に、しかも逆方向に動くのは珍しい話ではないでしょうか。
先に結論をまとめると：
– Grok Voice 3.0は音声対話AIの性能指標「Speech-to-Speech Index（音声での会話力を測る複合指標）」で首位。
応答速度は0.81秒、会話の割り込みや相槌への対応力を測る「Full Duplex Bench」でも97.0%の高評価です
– Starlinkのコールセンターでは1日2万件の電話のうち約7割を、人間を介さずに解決しています
– 料金は前モデルと同じ1分8セント（約12円）のまま。
処理1件あたりのコストは競合より安いと計測されています
何が起きたのか
10月14日、イーロン・マスク氏が設立し現在はSpaceXの傘下にあるAI企業「SpaceXSI」（旧xAI）の公式アカウントが、Xでこのモデルの投入を知らせました。
投稿を日本語に訳すと、「Grok Voice 3.0を発表します。
世界で最も賢い音声対話モデルです。
顧客からの電話対応に優れ、1秒以内に応答し、ほかの最先端モデルより低コストです」という趣旨です。
Introducing Grok Voice 3.0, the world’s most intelligent speech-to-speech model.
It excels at resolving customer calls, responds in under a second, and costs less than other frontier models. pic.twitter.com/cfDRrkQPEc
— SpaceX Super Intelligence (@SpaceXSI) 2026年10月14日
公式のアナウンスに続いて、AI専門メディア各社が独立した検証結果を報じています。
ただ、「世界一賢い」という言葉だけでは、具体的に何がどう優れているのかは分かりません。
そこで性能の内訳と、実際の導入例を確かめました。
次に読む
xAIの新音声AI「Grok Voice Think Fast 1.0」がコールセンターを変える——Starlinkで成約率20%を達成調べて分かったこと性能はどこで測られているのか？
xAIが引用したのは、第三者機関Artificial Analysisによる10月13日時点の測定結果です。
Grok Voice 3.0は「Speech-to-Speech Index」で86.9点を獲得し、首位に立ちました。
この指標は4つの要素を同じ重みで合算したものです。
Big Bench Audio（音声の内容をどれだけ正確に理解できるかを測るテスト）: 98.5%
Speech Agent Arena（人間が実際に聞き比べて好みを選ぶ対戦形式の評価）: Elo（対戦型評価で使われる強さの指標）1070
タスク成功率: 94.8%
Full Duplex Bench（相手の発話に割り込んだり相槌を打ったりする自然さを測るテスト）: 97.0%
コールセンター業務を想定した「tau-Voice」というベンチマークでは71.6%を記録しました。
競合のGPT-Live-1（Astra）とほぼ同水準の結果を、40%短い応答時間で出したと報告されています。
処理コストの面でも差が出ています。
Big Bench Audioの1タスクあたり平均コストは、Grok Voice 3.0が0.025ドルです。
GPT-Live-1（Astra、Mediumプラン）は0.030ドル、GPT-Realtime-2.1（Highプラン）は0.055ドル。
Artificial Analysisの計測によるものです。
Starlinkの電話対応はどこまで人間の手を離れたのか？
Starlinkのコールセンターでは、1日あたり2万件の電話をGrok Voiceが受けています。
そのうち約7割は、人間が対応することなく完結しているとのことです。
具体的には本人確認、通信機器の故障トラブルの切り分け、返金クレジットの発行、交換機の配送手配までを1本のAIエージェントがこなしているといいます。
人間のオペレーターは、残り3割の複雑な案件に集中できる計算です。
AIコールセンターへの関心は、これからも続くのか
「AIコールセンター」という語の検索数は、直近1カ月も12カ月平均もほぼ同じ1,300件です（Google広告のキーワードプランナーによる2026年9月時点のデータ）。
季節的に跳ねる言葉ではなく、年間を通して探され続けているテーマだということです。
Grok Voice 3.0のように具体的な導入事例が積み重なるほど、「自社でも使えるのか」と調べる企業側の関心は今後も続きそうです。
価格はなぜ変わらなかったのか？
Voice Agent APIの利用料金は1分0.08ドル（1時間4.80ドル、日本円で約700円強）です。
テキスト入力には別途1件あたり0.4セントが加算されます。
座席料金や月額の最低利用料は設定されていません。
この価格は、前のバージョンであるGrok Voice 2.0からまったく変わっていません。
性能だけを上げて価格を据え置くという判断は、音声AIを業務用途で選ぶ企業にとって、導入コストを予算化しやすくする効果があるといえそうです。
まとめて読むAI・生成AIの最新ニュース242本Shiritomo編集部の考察：企業がAIを選ぶ基準は「賢さ」から「価格の読みやすさ」へ
今回の発表で目を引くのは、ベンチマークの数字そのものより「価格を変えずに性能だけ上げた」という組み合わせです。
コールセンターのような定型対応は、音声AIの精度が一定水準を超えた時点で一気に自動化が進みやすい領域です。
Starlinkの7割という数字は、残り3割をどう捌くかという次の課題を企業側に見せてもいます。
また、xAIが提示したコスト比較はGPT-Live-1やGPT-Realtime-2.1という競合モデルの名前をあえて並べたものです。
音声AI市場は、賢さの競争に加えて「1タスクあたりいくらか」という価格競争の段階に入ってきたと見てよさそうです。
SNS運用やカスタマー対応にAIを組み込む立場の人は、ベンチマークの順位だけでなく、価格の動きも合わせて追っておくと判断材料が増えるはずです。
まとめ
xAIの新しい音声AI「Grok Voice 3.0」は、性能面で業界トップの評価を得ながら、料金を前モデルから一切上げずに投入されました。
Starlinkのコールセンターでは、すでに電話対応の7割が人間を介さずに完結しています。
さらに深掘りしたい方へ