Grok Voice 3.0 于 10 月 14 日上线，Voice 2.0 弃用：别名用户已自动升级，迁移清单
Grok Voice 3.0 是 xAI 在 2026 年 10 月 14 日发布的语音到语音模型，已在 Voice Agent API 提供，价格与 2.0 相同。对开发者最直接的影响是：grok-voice-latest 别名已经指向 3.0，用别名的会话不用改代码就换了模型；grok-voice-2.0 被标为弃用，写死版本名的项目需要安排迁移。
以下内容截至 2026 年 10 月，以 xAI 官方发布页和官方发布说明为准。
这次到底变了什么？
官方发布页与发布说明里能核实的信息：
- 模型名
grok-voice-3.0，10 月 14 日在 Voice Agent API 上线，价格 $0.08/分钟（$4.80/小时），与 2.0 相同，API 本身不变。 - 官方称延迟低于 1 秒（发布页原话为 under one second，未给出测量口径）。
- 发布页引用 Artificial Analysis 的语音到语音指数，3.0 得分 86.9，2.0 为 81.3。这是第三方评测，也是 xAI 自己引用的结果，不等于你的业务场景表现。
grok-voice-latest现在指向grok-voice-3.0，用别名的会话自动升级。grok-voice-2.0已弃用，官方给出的升级方式是把model改成grok-voice-3.0或grok-voice-latest。发布说明没有写具体的停服日期，以官方文档为准。
另外两项相关变动是什么？
| 模型 | 变动 | 影响 |
|---|---|---|
grok-voice-transcribe-1.0 | 2026 年 10 月 2 日到达生命周期终点 | 请求转到 grok-voice-transcribe-2.0，价格不变，官方称准确率更高 |
grok-imagine-image-quality | 2026 年 11 月 2 日退役 | 请求改由 grok-imagine-image-2.0 以 quality 为 low 处理，单张价格更低，请求和响应格式不变 |
转录模型的转发已经生效。如果你的转写文本在 10 月初前后出现措辞或标点的差异，原因可能在这里。
用别名还是固定版本？
别名省事，但模型会在你不知情时换掉。固定版本稳定，但需要自己盯弃用公告。
- 线上对话质量敏感、有回归测试的项目：固定
grok-voice-3.0，升级时自己决定时间。 - 原型、内部工具：用
grok-voice-latest可以，但要接受行为随模型变化。 - 两种方式都建议在日志里记录每次会话实际使用的模型名，出问题时才能对上时间点。
迁移与回归测试清单
- 全文搜索代码、环境变量和配置中的
grok-voice-2.0、grok-voice-transcribe-1.0、grok-imagine-image-quality。 - 把
model改为grok-voice-3.0，或明确决定继续用别名。 - 回放一批真实通话或录音，重点看打断（用户插话时模型是否及时停下）、轮次切换（有没有抢话或长时间沉默）、工具调用是否还按预期触发。
- 对比提示词的效果。模型变了，原来为绕开 2.0 缺陷写的提示词补丁可能不再需要，甚至起反作用。
- 如果按分钟计费做预算，价格没变，但通话时长可能因为轮次节奏变化而变，抽样核对账单。
- 用 /changes 或 RSS 订阅官方更新日志，下次弃用不会漏掉；方法见大模型 API 价格变了怎么第一时间知道。
实时语音卡顿，怎么判断是不是网络问题？
语音对延迟的容忍度比文字低得多，官方的 1 秒以内是服务端指标，你实际感受到的还要加上自己到接口的网络往返。换模型之后觉得“变卡了”，先分清是模型还是链路：
- 打开 /status/xai，看接口探测和近期是否有异常；状态页怎么读见怎么看 OpenAI 状态页和 Claude 状态页，思路相通。
- 在 cdnping 首页测一下首次连接和往返。首次连接包含 DNS 与 TLS 握手，长连接建立后更应该看往返。
- 在 /ip 查看延迟特征，如果浏览器往返与出口的 TCP 往返差距很大，说明中间有中转，这会直接拖慢实时音频。
- 把延迟拆成连接、网关往返和首 token 来看，参考AI API 延迟拆解；整体自检可用开发者网络自检清单。
如果状态正常、链路干净，而回归测试里同一批录音在 2.0 和 3.0 上表现不同，那就是模型行为差异，按上面的清单调整提示词。
价格相关的延伸阅读
xAI 的文本模型定价与语音分开，可以看Grok 4.7 API 的定价与推理档位。语音与文本模型分开计费，别混在一起估算。
