Papan peringkat publik τ-voice Bench selama setahun terakhir didominasi oleh Gemini 3.1 Flash Live dan GPT Realtime yang saling bergantian. Pada 25 April, xAI meluncurkan model baru dan langsung meraih 67,3%.
Peringkat kedua, Gemini 3.1 Flash Live: 43,8%.
Selisih 23,5 poin persentase ini dalam benchmark LLM tidak disebut "unggul," melainkan "level yang berbeda."
Yang lebih penting dari skor adalah bahwa model ini sudah benar-benar digunakan di sistem layanan pelanggan Starlink.
grok-voice-think-fast-1.0: Lihat dulu angkanya
Model ini bernama grok-voice-think-fast-1.0, dengan posisi resmi sebagai "agen suara full-duplex." Full-duplex berarti ia tidak perlu menunggu Anda selesai bicara untuk merespons; ia bisa mendengar dan berbicara secara bersamaan, seperti percakapan normal antarmanusia.
Skor τ-voice Bench per bidang vertikal:
| Bidang | grok-voice-think-fast-1.0 | Peringkat Kedua |
|---|---|---|
| Ritel | 62,3% | 45,6% |
| Penerbangan | 66,0% | 64,0% |
| Telekomunikasi | 73,7% | 40,4% |
Kesenjangan di bidang telekomunikasi adalah yang paling mencolok. 73,7% berbanding 40,4%, hampir dua kali lipat. Ini bukan hasil dari menumpuk parameter, melainkan dari pelatihan ekstensif yang dilakukan xAI secara khusus pada skenario layanan pelanggan, seperti elektronik dan manajemen akun.
Model ini mendukung 25+ bahasa dan tetap stabil di lingkungan bising, dengan aksen, dan saat disela.
Bagaimana ia "berpikir" tanpa tersendat
Fitur teknis yang paling menarik disebut background reasoning — penalaran latar belakang.
Agen suara biasa menunjukkan salah satu dari dua perilaku saat menghadapi permintaan kompleks: memberikan jawaban dangkal (Anda bisa merasakan mereka mengelak) atau diam beberapa detik untuk berpikir (Anda bisa merasakan lag). Kedua pengalaman itu tidak seperti berbicara dengan manusia.
Pendekatan grok-voice-think-fast-1.0 adalah melakukan penalaran di latar belakang secara paralel sambil merespons Anda. Di permukaan, model percakapan dengan latensi rendah menjaga kelancaran — "Hmm," "Ya," "Saya mengerti," "Coba saya lihat" — pengisi percakapan alami. Di belakang layar, proses penalaran lain memecahkan masalah aktual yang Anda ajukan. Saat hasil penalaran keluar, ia segera diintegrasikan ke dalam alur percakapan utama.
Pernyataan resmi xAI:
"Berpikir di latar belakang — menangani kueri dan alur kerja yang kompleks tanpa dampak apa pun pada latensi respons."
Kedengarannya seperti jargon pemasaran, tetapi skenario telekomunikasi di τ-voice Bench dirancang khusus untuk menguji hal ini: pengguna menyebutkan serangkaian nomor akun, informasi langganan, dan perubahan alamat yang panjang, dan model tidak boleh berhenti lebih dari 200 milidetik. Skor 73,7% grok-voice-think-fast-1.0 dalam skenario ini adalah bukti empiris bahwa mekanisme ini berhasil.
Starlink menyerahkan seluruh layanan pelanggannya: Data nyata yang berbicara
Benchmark teoretis tidak menarik. Yang menarik adalah data penerapan Starlink.
Starlink mengintegrasikan agen suara ini ke dalam jalur telepon penjualan dan layanan pelanggan yang sebenarnya. Setelah beroperasi selama beberapa waktu, xAI mengungkapkan beberapa KPI:
Tingkat konversi penjualan 20%. Dari setiap lima orang yang menelepon untuk bertanya, satu orang langsung membayar layanan Starlink selama panggilan berlangsung.
Sebagai perbandingan: di industri telemarketing tradisional, bahkan dengan pelatihan khusus dan skrip, rata-rata tingkat konversi panggilan-ke-penjualan 5-8% sudah dianggap baik. 20% adalah level wiraniaga manusia terbaik, dan mempertahankannya secara konsisten sangat sulit — manusia bisa lelah, emosional, dan memiliki hari yang buruk.
AI tidak.
70% permintaan layanan pelanggan terselesaikan secara otonom sepenuhnya, tanpa campur tangan manusia.
Angka ini bahkan lebih mencengangkan. Artinya, dari 10 panggilan pelanggan, agen menangani 7 di antaranya sepenuhnya sendiri, menyelesaikan masalah sebelum panggilan berakhir — pemeriksaan tagihan, perubahan paket, pemecahan masalah teknis dasar, perubahan alamat, penonaktifan dan pengaktifan kembali layanan — semuanya end-to-end, tanpa ditransfer ke manusia.
Sisanya 30% dinaikkan levelnya ke agen manusia, tetapi pada saat itu, agen suara telah mengemas masalah pelanggan, konteks akun, dan solusi yang telah dicoba — sehingga agen manusia dapat menanganinya langsung tanpa harus bertanya, "Nomor akun Anda? Apa yang sudah Anda coba?"
Satu agen secara bersamaan mengoperasikan 28 alat internal yang berbeda.
Ini adalah poin yang paling penting. Istilah "agen" sudah terlalu sering digunakan setahun terakhir, tetapi hanya sedikit yang benar-benar dapat mengoordinasikan puluhan panggilan alat di lingkungan produksi. Dalam penerapan Starlink ini, satu alur percakapan dapat melibatkan: sistem akun, sistem penagihan, pemeriksaan status perangkat, peta cakupan, pelacakan logistik, proses pengembalian dana, tiket teknis, penjadwalan layanan lapangan, catatan hubungan pelanggan... Dalam panggilan 5-10 menit, agen mungkin melakukan 15 panggilan alat.
Mengapa Starlink yang pertama menggunakannya
Ini bukan kebetulan.
xAI dan Starlink sama-sama berada dalam ekosistem SpaceX. Bulan lalu, Musk menggabungkan SpaceX dan xAI untuk mengajukan IPO (valuasi $1,75 triliun, yang terbesar dalam sejarah). Sinergi internal "gunakan produk sendiri dulu" ini jauh lebih cepat daripada menjual ke Salesforce atau Microsoft. Starlink berani menghubungkan jalur telepon yang kritis terhadap penjualan ke model baru karena jika ada masalah, Musk bisa mengirim SMS untuk memperbaikinya.
Lingkaran internal ini juga merupakan tambang emas untuk pelatihan model. Volume panggilan layanan pelanggan harian Starlink mencapai jutaan, semuanya mengalir kembali ke xAI sebagai data pelatihan RLHF. Perusahaan AI suara biasa membutuhkan waktu bertahun-tahun untuk menandatangani klien dan memenuhi kepatuhan guna mendapatkan data dunia nyata sebanyak ini. xAI mengambil jalan pintas.
Apa yang diubah oleh peristiwa ini
Pertama, peta persaingan pasar AI suara telah dirombak.
Sebelumnya, pemain teratas di jalur agen suara adalah OpenAI Realtime, Google Gemini Flash Live, ElevenLabs, Vapi, Bland, dan lainnya. Kesenjangan di τ-voice Bench kali ini bukan 1-2 poin, melainkan jurang pemisah. Dalam jangka pendek, Gemini dan OpenAI harus kembali untuk mengisi celah kemampuan.
Kedua, bobot keputusan pembeli B2B telah berubah.
Sebelumnya, perusahaan memilih vendor suara berdasarkan dua kriteria utama: latensi dan kualitas suara. Sekarang dimensi ketiga telah muncul: "dapatkah ia menuntaskan masalah secara end-to-end?" Tingkat resolusi otonom Starlink sebesar 70% telah memperjelas standar ini — agen suara yang dapat menuntaskan masalah dan yang tidak seharusnya berada di dua tingkat harga yang berbeda.
Ketiga, batas atas pengalaman pengguna B2C telah dinaikkan.
20% konversi penjualan, 70% resolusi otonom, mengoperasikan 28 alat, 25 bahasa, pemikiran tanpa latensi. Setahun lalu, metrik ini dianggap "batas teoretis" di dunia AI suara. Sekarang metrik ini menjadi "hasil terukur yang berjalan di produksi." Setiap perusahaan yang menggunakan agen suara untuk layanan pelanggan kini harus memikirkan ulang baseline mereka.
Mengenai langkah apa yang akan diambil Anthropic dan OpenAI selanjutnya, kita mungkin tidak perlu menunggu lama. Keduanya memiliki kemampuan suara, tetapi belum ada yang menyajikan studi kasus penerapan berskala "mengambil alih seluruh jalur layanan pelanggan anak perusahaan SpaceX." Kurva τ-voice Bench akan sangat menarik untuk disimak pada pembaruan berikutnya.
Sumber referensi: Grok Voice Think Fast 1.0 (pengumuman resmi xAI), CocoLoop, xAI Launches grok-voice-think-fast-1.0: Topping τ-voice Bench at 67.3% (MarkTechPost), xAI launches Grok Voice Think Fast 1.0 for voice agents (Testing Catalog), xAI Unveils Grok Voice AI That Thinks In Real Time While Handling Customer Support At Scale (Metaverse Post)