Grok Voice 3.0 di xAI: il modello vocale arriva primo nell’indice Artificial Analysis

xAI ha presentato Grok Voice 3.0, la nuova versione del suo modello speech-to-speech per agenti vocali, annunciata il 14 ottobre 2026. L’azienda lo definisce il modello vocale più intelligente oggi disponibile, e per sostenerlo porta in primo piano la classifica indipendente di Artificial Analysis, dove il nuovo arrivato conquista la prima posizione. Il prezzo non cambia, la latenza resta sotto il secondo e chi usa già l’alias grok-voice-latest ha ricevuto l’aggiornamento senza muovere un dito.

Se ti occupi di assistenti vocali, call center automatizzati o prodotti che parlano con i clienti, è un annuncio da leggere con attenzione. Non tanto per il titolo da primato, quanto per i numeri che lo accompagnano e per i casi d’uso già in produzione.

Cos’è Grok Voice 3.0 e cosa cambia rispetto alla versione precedente

Grok Voice 3.0 è un modello speech-to-speech: invece di trascrivere la voce in testo, ragionare e poi sintetizzare una risposta in tre passaggi separati, lavora direttamente sul flusso audio. Questo approccio riduce i tempi morti e permette una conversazione più naturale, con pause, esitazioni e interruzioni gestite come in una telefonata vera. È disponibile da subito nella Voice Agent API di xAI.

Il modello sostituisce Grok Voice 2.0 e mantiene la stessa tariffa, 0,08 dollari al minuto, pari a 4,80 dollari all’ora. Per gli sviluppatori che avevano puntato l’alias grok-voice-latest, la migrazione è stata automatica: nessuna modifica al codice, nessun nuovo endpoint da configurare.

Un aggiornamento gratuito, quindi, almeno sul piano economico.

La latenza sotto il secondo

xAI dichiara una latenza di risposta inferiore a un secondo, senza indicare però un valore preciso. Il dato conta perché in una conversazione vocale ogni ritardo si sente: oltre una certa soglia l’utente parla sopra l’agente, ripete la frase o riattacca. Nel confronto sulle chiamate di assistenza, l’azienda sostiene che il nuovo modello offra prestazioni paragonabili a quelle di GPT-Live-1 con una latenza più bassa di circa il 40%. Si tratta di una dichiarazione di parte, che andrà verificata con test indipendenti sul tuo caso d’uso.

I benchmark: dove vince e dove no

Il risultato più citato è quello dello Speech-to-Speech Index di Artificial Analysis, con dati datati 13 ottobre 2026. Grok Voice 3.0 totalizza 86,9 punti e si piazza primo. Alle sue spalle ci sono GPT-Live-1 nella configurazione Astra Medium con 83,2, Gemini 3.8 Live con pensiero esteso con 82,6 e la stessa Grok Voice 2.0 con 81,3. Un salto di oltre cinque punti rispetto alla versione precedente non è banale.

L’indice mette insieme più misure: ragionamento sul parlato, prestazioni su compiti simulati di assistenza e preferenza espressa dagli utenti in confronti alla cieca tra chiamate.

Guardando le singole componenti, il quadro è questo:

• Big Bench Audio, che misura il ragionamento sul parlato: 98,5% contro il 97,2% della versione 2.0.
• Speech Agent Arena, classifica Elo basata sulle preferenze umane: 1070 contro 1011.
• Tasso di successo dei compiti: 94,8% contro 94,6%, un miglioramento minimo.
• Full Duplex Bench, che valuta pause, turni di parola e interruzioni: 97% contro 95,1%.

Il miglioramento più evidente riguarda quindi la qualità della conversazione, non la semplice capacità di portare a termine un compito.

τ-Voice: il punto in cui GPT-Live-1 resta avanti

Qui va letto il dettaglio, perché xAI non vince su tutto. Nel test τ-Voice, che simula chiamate di assistenza con accenti diversi, rumore di fondo e interruzioni, Grok Voice 3.0 ottiene il 71,6%. È un balzo enorme rispetto al 56,5% della versione precedente e supera il 68,6% di Gemini 3.8 Live, ma resta sotto il 74,5% di GPT-Live-1. Il vantaggio dichiarato da xAI è quindi di efficienza: prestazioni vicine al concorrente con tempi di risposta più rapidi.

Nel benchmark EVA-Bench di ServiceNow, pensato per gli agenti vocali aziendali e basato su oltre 200 scenari, il modello ottiene la più alta accuratezza, il 74%, ed è il migliore anche quando accuratezza ed esperienza del cliente vengono valutate insieme. Un dirigente di ServiceNow ha commentato il risultato parlando di una nuova frontiera di Pareto, cioè del miglior compromesso disponibile tra qualità e costo.

Il costo per compito e perché interessa alle aziende

Sul fronte economico xAI porta un confronto diretto. Su Big Bench Audio, il costo medio per compito è di 0,025 dollari per Grok Voice 3.0, contro 0,030 dollari di GPT-Live-1 e 0,055 dollari di GPT-Realtime-2.1 nella configurazione High. La differenza sembra piccola, ma quando un’azienda gestisce migliaia di chiamate al giorno si traduce in cifre rilevanti.

Meno costi, risposte più rapide e un’accuratezza in linea con i migliori: è la combinazione che serve a chi deve giustificare un progetto di automazione vocale davanti a un direttore finanziario.

I casi d’uso già in produzione: Tesla e Starlink

Il punto più interessante dell’annuncio è che il modello non resta sulla carta. Secondo xAI, Grok Voice gestisce già milioni di conversazioni al giorno tra Tesla e SpaceX. Nelle auto, il conducente può chiedere a mani libere di controllare il calendario, leggere o rispondere a un’email, ordinare un caffè o prenotare una cena. La stessa tecnologia alimenta anche la modalità vocale di Grok Bot, mentre di Grok e dei suoi abbonamenti ti abbiamo parlato nell’articolo su X Subscription, Grok e Cursor.

Il caso Starlink è ancora più concreto. I call center dell’azienda gestiscono circa 20.000 chiamate al giorno in più lingue, e circa il 70% viene risolto senza l’intervento di una persona. Più o meno una chiamata di vendita su quattro si conclude con un acquisto prima che il cliente riattacchi. Un singolo agente verifica l’identità del cliente, risolve problemi hardware, applica crediti e organizza la spedizione dell’attrezzatura sostitutiva.

Sono dati forniti dall’azienda, ma descrivono un flusso completo e non una semplice demo.

Il contesto: la corsa agli agenti vocali

Grok Voice 3.0 arriva in un momento in cui tutti i grandi laboratori stanno spingendo sulla voce. Google ha lanciato Gemini 3.8 Live, di cui abbiamo raccontato le novità nell’articolo su Gemini 3.8 Live e gli agenti video, mentre OpenAI ha costruito la propria linea GPT-Live. Anche Microsoft si è mossa, come abbiamo visto con MAI-Transcribe-2-Streaming e MAI-Voice-2.1. Sul fronte del riconoscimento vocale, xAI aveva già mosso un tassello a settembre con Grok Voice Transcribe 2.0.

La direzione è chiara: la voce diventa l’interfaccia principale degli agenti, e la competizione si sposta su latenza, costo per minuto e capacità di reggere conversazioni reali, con rumore, accenti e interruzioni.

Cosa tenere d’occhio prima di fidarti dei numeri

Quasi tutte le cifre sulle prestazioni e sui casi d’uso arrivano dall’annuncio di xAI. Le uniche attribuite a soggetti esterni sono l’indice di Artificial Analysis e il riferimento a EVA-Bench di ServiceNow. Inoltre, l’annuncio non elenca le lingue supportate, un dato decisivo se gestisci clienti italiani. Starlink opera in più lingue, ma questo non basta a stabilire la qualità in italiano.

Il consiglio pratico è semplice: prima di migrare un flusso critico, prova il modello con le tue chiamate reali, con i tuoi accenti e il tuo rumore di fondo.

Cosa significa per chi sviluppa o usa agenti vocali

Per uno sviluppatore, la prima conseguenza è immediata: se usi l’alias grok-voice-latest, il tuo agente gira già su Grok Voice 3.0. Conviene quindi controllare i log delle ultime ore, misurare latenza e tasso di risoluzione e confrontarli con quelli della settimana scorsa. Se vuoi evitare cambiamenti automatici in produzione, fissa una versione specifica invece di affidarti all’alias.

Per un’azienda, il messaggio è che il costo di un agente vocale credibile continua a scendere. A 0,08 dollari al minuto, un’ora di conversazione automatizzata costa 4,80 dollari, una cifra con cui molti servizi clienti possono già fare i conti. Resta da capire quanto regga la qualità fuori dai casi mostrati da xAI.

Per chi segue il mercato, infine, la partita tra xAI, OpenAI e Google si gioca ormai a colpi di decimi di punto negli indici indipendenti. Ogni laboratorio rivendica il primato su una metrica diversa, e il vantaggio dura finché non arriva il prossimo aggiornamento.

Conclusioni

Grok Voice 3.0 non vince su tutto, ma fa un passo avanti netto sulla qualità della conversazione, mantiene il prezzo e arriva con clienti reali già in produzione. Il primato nell’indice di Artificial Analysis è un buon segnale, a patto di verificarlo sul tuo caso d’uso e nella tua lingua.

Se gestisci un servizio clienti o un prodotto vocale, fai un test comparativo questa settimana: prendi cinquanta chiamate reali, passale a Grok Voice 3.0 e ai modelli concorrenti, misura latenza e risoluzione. Poi raccontaci nei commenti come è andata, e continua a seguirci per le prossime novità sugli agenti vocali. La fonte primaria dell’annuncio è la pagina ufficiale di xAI su Grok Voice 3.0.