Berita viral dari jagat kecerdasan buatan datang dari rilis Grok Voice 3.0, model suara ke suara yang dikembangkan xAI. Model ini langsung menempati peringkat pertama indeks suara lembaga penguji independen Artificial Analysis dengan skor 86,9, di atas GPT-Live-1 dan Gemini 3.8 Live. Klaim utamanya bukan sekadar suara yang mirip manusia, melainkan kemampuan menyelesaikan panggilan layanan pelanggan secara mandiri dengan latensi di bawah satu detik.
Berita Viral: Skor 86,9 di Indeks Suara
Halaman resmi xAI menyebut Grok Voice 3.0 sebagai model speech to speech terbaru yang menempati peringkat pertama Speech to Speech Index dengan skor 86,9. Indeks itu menggabungkan kemampuan penalaran berbicara, performa pada tugas layanan pelanggan, preferensi pendengar, dan tingkat keberhasilan menyelesaikan tugas.
Ringkasan penguji independen yang dihimpun MarkTechPost menunjukkan perbandingan yang cukup lebar. GPT-Live-1 versi Astra mencatat 83,2, Gemini 3.8 Live Extended Thinking 82,6, dan pendahulunya, Grok Voice 2.0, 81,3. Angka itu membuat versi terbaru memimpin di antara model suara kelas atas yang diuji pada periode yang sama.
Pada pengujian Full Duplex Bench, Grok Voice 3.0 mencatat 97 persen. Uji itu mengukur seberapa alami model menangani jeda, giliran bicara, dan interupsi dari penelpon. Kemampuan semacam ini yang membedakan asisten suara yang terasa kaku dengan agen yang layak dipakai di layanan pelanggan.
Heise menulis bahwa pada uji preferensi buta, Grok Voice 3.0 berada di posisi ketiga di belakang dua model Gemini, seperti dilaporkan media teknologi Jerman itu. Keunggulannya justru paling jelas pada penyelesaian tugas dan latensi.
Iklan
Campus Commercial Park: rukost di kawasan kampus
C.CO Park menghadirkan kawasan ruko dan kost dalam satu gerbang, dirancang untuk mahasiswa dan penghuni sekitar kampus. Cocok untuk yang mencari aset produktif dengan pengelolaan kawasan yang tertata.
Latensi 0,81 Detik dan Harga Tetap
Artificial Analysis mencatat rata-rata waktu hingga keluaran suara pertama sekitar 0,81 detik. Konfigurasi teratas dari pesaing yang dibandingkan memerlukan sekitar 1,3 detik. Grok Voice 2.0 sendiri sedikit lebih cepat di 0,7 detik, sehingga peningkatan versi baru lebih banyak terjadi di sisi kecerdasan tugas.
Harga layanan tidak berubah dari versi sebelumnya, yaitu 0,08 dolar Amerika per menit. Dalam perbandingan biaya Artificial Analysis, angka itu setara 4,80 dolar per jam audio masukan, atau berada di tengah lima model suara teratas. Perusahaan menegaskan biaya menjalankan tugas lebih murah dibanding dua model pembanding.
Untuk pengembang, perubahan harga yang tidak naik menjadi pertimbangan penting. Biaya percakapan suara sangat sensitif terhadap durasi, karena setiap detik audio ikut dihitung. Alias grok-voice-latest juga otomatis dialihkan ke versi baru tanpa perubahan antarmuka pemrograman.
Pada benchmark EVA-Bench milik ServiceNow, Grok Voice 3.0 mencatat akurasi 74 persen dan disebut sebagai model dengan kombinasi akurasi serta pengalaman pelanggan terbaik. Benchmark itu menguji lebih dari 200 skenario layanan perusahaan yang realistis.
Keunggulan di Layanan Pelanggan, Bukan Semua Kategori
Peningkatan paling mencolok ada pada benchmark yang menguji panggilan layanan pelanggan. Tingkat keberhasilan model naik dari 56,5 persen pada versi sebelumnya menjadi 71,6 persen. Heise mencatat capaian itu menempatkan Grok Voice 3.0 di posisi kedua, di belakang GPT-Live-1 versi Astra yang mencatat 74,5 persen.
Pada uji tingkat keberhasilan penyelesaian tugas, angka 94,8 persen hanya sedikit lebih baik dari versi sebelumnya. Artinya, lompatan versi baru lebih terasa ketika percakapan berlangsung berisiko, misalnya saat penelpon berbicara dengan aksen berbeda, ada kebisingan latar, atau memotong ucapan agen.
Kombinasi akurasi tinggi dan latensi rendah inilah yang dipakai penjualan model ini. Agen suara yang pintar tetapi lambat membuat penelpon menutup sambungan, sementara agen yang cepat tetapi salah menyelesaikan tugas tetap membebani tim manusia.
Untuk konteks pembaca di Indonesia, pembahasan soal kesiapan agen suara berbahasa Indonesia pernah dibahas rubrik ini dalam artikel voice AI yang belum menjadi pengganti chatbot. Kini batas persoalannya bergeser dari kualitas suara ke kesiapan sistem pendukung dan data pelanggan.
