xAI「Grok Voice 3.0」公開第三者評価の総合指数で1位、ただし項目別では推論も会話の間合いも4位

10月15日更新: 公開した時点（日本時間10月15日1時台）は、APIのリリースノートと料金ページだけを基にしていました。その後に出たxAIの公式ブログと、Artificial Analysis・ServiceNow が公開している評価表を加えて、全体を書き直しています。

xAI（開発者向けドキュメントの表記は「SpaceXSI」）は2026年10月14日（米国時間）、音声を入れると音声で返す対話モデル「Grok（グロック）Voice 3.0」を公開しました。公式ブログは「the world’s most intelligent speech-to-speech model」（世界で最も賢い音声対話モデル）とうたい、第三者の評価機関 Artificial Analysis の総合指数で86.9点の1位になったと書いています。API料金は Grok Voice 2.0 と同じ1分0.08ドルで、grok-voice-latest を指定しているアプリは自動で3.0に切り替わりました。

3行まとめ

1. xAIは10月14日、音声対話モデル Grok Voice 3.0 を公開。公式ブログによると Artificial Analysis の総合指数で86.9点の1位、料金は2.0と同じ1分0.08ドル
2. ただし Artificial Analysis の表を項目別に並べ直すと、推論と会話の間合いは4位、人による聞き比べは3位タイ。最初の声が出るまでの0.81秒は、2.0の0.70秒より長い
3. ServiceNow の EVA-Bench の表では、精度の合格率0.737で掲載システム中1位。会話の体験の点では Gemini 3.8 Live などが上

本記事の数字は、日本時間2026年10月15日10時台に各ページを取得して確かめたものです。

xAIが出した比較表

公式ブログの比較表（出典は Artificial Analysis、10月13日時点）は次のとおりです。

この4列の中では、Grok Voice 3.0 がすべての項目で一番上です。ブログはほかに、次の数字を挙げています。

• 電話サポートを模したテスト τ-Voice（タウ・ボイス）は71.6%。GPT-Live-1（Astra）の74.5%より低いものの、応答の遅れは40%少ない（「at 40% lower latency」）としている
• Artificial Analysis の Big Bench Audio を1問解く費用の平均は0.025ドル。GPT-Live-1（Astra, Medium）の0.030ドル、GPT-Realtime-2.1（High）の0.055ドルを下回る
• ServiceNow の企業向け音声エージェント評価 EVA-Bench で、精度は最も高い74%

ServiceNow でプロダクトマネジメントを担当するシニアディレクター、Nitin Aggarwal 氏のコメントも載っています。

Grok Voice 3.0 sets a new Pareto frontier on EVA-Bench, ServiceNow’s open-source benchmark scoring voice agents on accuracy and experience across 200+ realistic enterprise scenarios.

（Grok Voice 3.0 は、200以上の現実的な企業シナリオで音声エージェントの精度と体験を採点する ServiceNow のオープンソースのベンチマーク EVA-Bench で、新しいパレートフロンティアを打ち立てた。）

Artificial Analysis も公式Xで、Grok Voice 3.0 について「debuting at #1 on the Artificial Analysis Speech to Speech Index at 86.9」（総合指数86.9で1位に初登場）と投稿しています。

Artificial Analysisの表を項目別に並べ直すと

公式の比較表に並んでいるのは、OpenAI と Google の一部の版だけです。Artificial Analysis のページには40以上のモデルが載っています。筆者が10月15日にこのページの一覧表を取得し、項目ごとに並べ直すと次のようになりました。

推論と会話の間合いの順位は、同じページの「よくある質問」でも上位5つの4番目に Grok Voice 3.0 が挙がっています。人の好みは、Gemini 3.1 Flash Live Minimal（1100）と Gemini 3.8 Live の標準版（1088）が上で、Gemini 3.1 Flash Live High と同じ1070です。

総合指数で1位なのに項目別では1位でないものが多いのは、指数の作り方によります。Artificial Analysis の説明では、総合指数は推論・τ-Voice・人の好み・タスク完了率の4つを同じ重みで平均したもので、4つ全部の結果があるモデルにだけ付きます。推論と会話の間合いで1位の StepAudio 3 Realtime は τ-Voice などの結果が無く、指数が付いていません。会話の間合いと応答の速さは、そもそも指数に入っていません。

最初の声が出るまでは2.0より長い

Artificial Analysis の表で、最初の声が出るまでの時間は Grok Voice 3.0 が0.81秒、2.0が0.70秒です。公式ブログの「class-leading latency at under one second」（1秒を切るトップクラスの応答の速さ）は、GPT-Live-1（Astra, medium）の1.34秒や Gemini 3.8 Live（Extended Thinking, High）の1.35秒と比べれば当てはまります。ただ同じ表には0.81秒より速いモデルが6つあり、その1つは前作の Grok Voice 2.0 です。「40%少ない」は、GPT-Live-1（Astra）の1.34秒と比べた数字（0.81÷1.34≒0.60）と計算が合います。

費用は比較表のGeminiの方が低い

公式ブログの費用の図で、Grok Voice 3.0 と並べられている相手は GPT-Live-1 と GPT-Realtime-2.1 だけです。Artificial Analysis の表の「入力音声1時間あたりの費用」（Big Bench Audio の40問を解く費用を、入力音声1時間あたりに直したもの）は次のとおりでした。

公式の比較表に載っている Gemini の版でも、この指標では Grok Voice 3.0 より低くなります。公式ブログの1問あたりの費用（0.025ドルと0.030ドル）は、この表の4.80ドルと5.83ドルとほぼ同じ比率で、同じ測定から出た数字とみられます（筆者の計算による推測）。

ServiceNowのEVA-Benchの表では

公式ブログの「EVA-Bench で精度74%」を、ServiceNow が公開している EVA の結果ページの数値と照らし合わせました。このページのデータで、Grok Voice 3.0 の精度（EVA-A）の合格率は0.737です。数値が載っている23のシステムの中で最も高く、ブログの74%とも一致します。

一方、会話の体験（EVA-X）の合格率では、Grok Voice 3.0 は0.712で5番目でした。

精度の上位と体験の上位が別のシステムに分かれる中で、両方を高い水準でそろえたのが Grok Voice 3.0 だ、というのが「パレートフロンティア」という言い方の中身だと筆者は読んでいます（解釈）。なお、今回取得したデータに OpenAI の GPT-Live-1 の行はありません。比べられている OpenAI のモデルは GPT Realtime 2.1 などです。また EVA のページは今後の予定に「Expand to Multilingual」（英語以外への拡張）を挙げており、今の結果は英語のシナリオによるものです。

テスラとStarlinkでの使われ方（xAIの説明）

公式ブログは、自社グループでの使われ方を次のように説明しています。

• テスラの車内で1日に数百万件の会話を処理している。Connectors でカレンダーの確認やメールの返信を、Grok Bot でコーヒーの注文や夕食の予約を、手を使わずに頼める
• Grok Bot の音声モードも Grok Voice 3.0 で動いている
• Starlink のコールセンターでは、Grok Voice が複数の言語で1日2万件の電話に応対し、約70%は人が入らずに解決する。営業の電話は4件に1件が、電話を切る前に購入まで進む
• Grok Voice 3.0 で作った1つのエージェントが、本人確認、機器のトラブル対応、クレジットの発行、交換機器の発送までこなす

件数・解決率・購入率はいずれも xAI 自身の説明で、本記事では第三者による数字を確かめられていません。

開発者が変えること

xAIの Speech to Speech のドキュメントには、2.0からの移行について次のように書かれています。

The API is unchanged: Grok Voice 3.0 uses the same endpoint, session parameters, and events as Grok Voice 2.0, at the same price.

（APIは変わりません。Grok Voice 3.0 は Grok Voice 2.0 と同じエンドポイント、セッションの設定、イベントを使い、価格も同じです。）

• grok-voice-latest を指定している場合は、すでに3.0で動いている
• grok-voice-2.0 を名指しで指定している場合は、非推奨になったので model を grok-voice-3.0 に変える
• 料金ページの表記は、grok-voice-3.0 が「$0.08 / min（$4.80 / hr）」と「$0.004 / text input」。grok-voice-2.0 も同額で「Deprecated」と付いている
• 対応言語は20以上で、日本語（ja）も入っている。話した言語を自動で判定して、同じ言語で返す
• 2.0の廃止日は、今回取得したリリースノートと Speech to Speech のページには書かれていない

リリースノートから、音声まわりの最近の動きを並べます。

2.0のときは「8月5日から latest が2.0を指す」と1週間前に予告がありましたが、3.0は公開と同じ日に latest の向き先が変わっています。2.0への切り替えが裏側でどう起きたかは、grok-voice-latest が Think Fast 2.0 に切り替わった日の記事で扱いました。本番で grok-voice-latest を使っている場合は、話し方や応答の長さが変わっていないか、自分の環境で確かめておく必要があります。

Grokアプリの音声モードも3.0なのか

公式ブログと公式Xの投稿が Grok Voice 3.0 の使われ先として挙げているのは、API と Voice Agent Builder、テスラの車内、Grok Bot の音声モードです。X の有料プランなどで使える Grok アプリの音声モードが3.0になったという記載は、本記事が確認したこれらのページにはありませんでした。iOS の Grok アプリは10月13日に版1.4.53が出ていますが、App Store の更新内容は「Improvements to Chat, Voice and Imagine」（チャット、音声、Imagine の改善）の1行だけです。アプリの音声で試して「これが3.0」と受け取るのは、今の時点では言い切れません。

公式の表と元データを突き合わせて分かったこと

筆者は公式ブログの数字を、Artificial Analysis と ServiceNow が公開している元の表と1つずつ照らし合わせました。

Grok Voice 3.0 自身の数字は、どれも元の表と一致しました。総合指数86.9、人の好み1070、タスク完了率94.8%、会話の間合い97.0%、τ-Voice 71.6%は Artificial Analysis の表と同じで、推論の98.5%は表では99%と丸めて表示され、よくある質問の文では98.5%と書かれています。EVA-Bench の74%も、EVA のデータの0.737と合っています。比べる相手の値は少しずれていて、GPT-Live-1（Astra）の Elo は公式ブログの1048に対して筆者の取得時は1056、Gemini 3.8 Live（Ext. Thinking, High）は990に対して993でした。公式ブログは10月13日時点の値としており、日付の違いによるものかは確かめられていません。

違っていたのは数字ではなく、並べる相手の選び方です。公式の比較表と費用の図には、推論と会話の間合いで上に来る StepAudio 3 Realtime と Qwen 系、人の好みで上に来る Gemini 3.1 Flash Live と Gemini 3.8 Live の標準版、費用で下回る Gemini は入っていません。総合指数の1位は事実ですが、「何でも一番」と読める比較表ではありません。

日本語の出来と使い心地はまだ分からない

• 筆者は Grok Voice 3.0 を実際には動かしておらず、話し方の自然さや日本語の聞き取りは評価していません
• 今回見た評価表（Artificial Analysis と EVA）には、言語別の点数がありません。EVA は今のところ英語のシナリオです
• 10月15日午前の時点で、実際に使った第三者の詳しいレビューは見つけられませんでした。出ている報道（SiliconANGLE など）は、公式ブログの数字を伝えるものが中心です
• 総合指数のライバルの比較は、Gemini 3.8 Live の記事とGPT-Live-1 の記事も参考になります。いずれも公開時点の内容で、Gemini 3.8 Live の記事にある「総合指数で首位」は9月時点の順位です

数字を取ったページと時刻

• Introducing Grok Voice 3.0（xAI 公式ブログ） — 2026年10月14日付。日本時間10月15日10時台に取得
• Speech to Speech（xAI 公式ドキュメント） — 移行の案内・対応言語。同上
• Pricing（xAI 公式ドキュメント） — grok-voice-3.0 の料金。同上
• Release Notes（xAI 公式ドキュメント） — 10月14日の2項目。同上（ページ末尾の最終更新表示は「October 13, 2026」のまま）
• SpaceXSI 公式Xの投稿 — 2026年10月14日 17時04分（UTC）
• Artificial Analysis の Speech to Speech のページ — 一覧表とよくある質問。日本時間10月15日10時台に取得
• Artificial Analysis 公式Xの投稿 — 2026年10月14日 17時26分（UTC）
• EVA（ServiceNow） — 結果の表。日本時間10月15日10時台に取得
• Grok AI（App Store） — 版1.4.53の更新内容

本記事は続報があり次第更新します。