xAI正式面向全球开发者推出Grok语音智能体API。该接口基于xAI全栈自研技术，此前已在数百万辆特斯拉汽车及Grok移动端应用中完成验证。此次开放旨在让第三方开发者构建具备多语言流利度、实时数据检索以及外部工具调用能力的智能语音助手。 
在核心性能方面，Grok语音由于采用了从零自研的音频模型与基础架构，在衡量复杂问题解决能力的“Big Bench Audio”音频推理基准测试中位列第一。其响应时间（首字音频输出）被压缩至1秒以内，速度远超当前市场竞品。该模型支持数十种语言的母语级发音，并能在对话中无缝切换语言。在与OpenAI实时API的人类盲测对比中，Grok在发音、口音及声调自然度等维度均占据优势，并支持通过提示词触发耳语、叹气、笑声等拟人化情绪表达。 
在商业化落地与生态拓展上，Grok语音API采取了极具侵略性的定价策略，以每分钟0.05美元的固定费率计费，成本仅为行业主流竞...