4月20日消息,xAI 近日同步推送三项产品更新,覆盖模型迭代、文档生成与语音 API,无官方博客长文、无发布会,符合 xAI 一贯的"先 ship 再迭代"风格。
Grok 4.3 beta:执行能力优先,每日迭代,Heavy 模式支持 16 个并发代理
Grok 4.3 beta 当前向 SuperGrok 及 X Premium+ 用户开放,SuperGrok Heavy 用户已提前进入早期访问。官方定位明确为"实际任务执行"导向,采用与 Grok 4.20 相同规模的参数配置,知识截止日期更新至 2025 年 12 月,维持每日高频迭代节奏。
核心新增能力包括:原生文件生成(.docx、.pdf、.pptx、.xlsx,支持完整格式、图表与布局)、视频输入与分析、真实工具调用与桌面级环境执行。Heavy 模式下延续 Grok 4.20 的多代理架构,最多可扩展至 16 个并发代理协同完成复杂任务。
部分用户提及的"隐藏 skill 功能",官方未使用该表述,实为 beta 阶段未完整公开的工具与代理能力(多代理协作、实时环境执行等),属 xAI 快速迭代常规做法。此次更新未附带任何基准测试数据,xAI 明确将执行能力置于评测表现之前。
原生 Office 文档生成:PDF 转 9 页学术 PPTX 已有实战演示,Elon Musk 确认插件"即将推出"
Grok 4.3 beta 新增文档生成功能,支持直接导出 .pptx、.docx、.xlsx 和 PDF 格式,输出为可本地编辑的真实文件,非截图或预览形式。xAI Grok 团队工程师 Matt Dabit 已发布实测案例:上传一篇 tDCS/TMS 神经科学 PDF 论文,单条提示词驱动,数分钟内生成包含 Background、Objectives、Methods 等标准学术结构的 9 页 PPTX,冷色调配色(深海军蓝 + 冰蓝),可直接下载编辑。
Elon Musk 引用该帖并回复确认:"Plugins for Excel, PowerPoint, Word, … coming soon",这是 xAI Office 插件方向的首次官方公开表态。插件落地后,用户可在本地 Excel / PowerPoint / Word 内直接调用 Grok,无需切换至网页端,生成公式、图表、幻灯片、文档一键完成。
隐私方面,Matt Dabit 在原帖补充:Grok Business(30 美元/月起)、Enterprise 及 Vault 方案下,数据不用于模型训练,企业用户可自控加密密钥。
Grok STT/TTS API:支持 25 种语言,STT 批量定价 0.10 美元/小时,TTS 4.20 美元/百万字符
xAI发布独立 Grok STT 与 TTS API,底层复用 Tesla 车载及 Starlink 客服场景同一音频技术栈,强调高精度、低延迟与极致性价比。
STT 支持 25 种以上语言,具备多说话人识别(speaker diarization)、多声道音频、词级时间戳及逆文本规范化(ITN)能力。定价分两档:批量(REST)0.10 美元/小时、流式(WebSocket)0.20 美元/小时;速率限制为 600 RPM / 10 RPS,100 并发会话/团队。
TTS 定价为 4.20 美元/百万字符,按实际使用量计费,无隐藏费用。提供 Eve、Ara、Leo、Rex、Sal 五种预设表达性语音,支持 [laugh]、[whisper]、、 等标签精细控制情感与节奏。两套 API 均可独立调用,也可与 Grok Voice Agent 结合构建完整语音代理工作流,已集成至开发者控制台(console.x.ai),免费获取 API Key 即可试用。 竞品横向对比
文档生成方面,ChatGPT 已支持通过 Python 代码生成 Office 文件,但原生直出可编辑格式的路径尚未统一;Gemini 依托 Google Workspace 深度集成,天然具备 Docs/Sheets 导出能力。Grok 的差异在于跨平台通用格式直出,但能否达到专业模板级别的排版质量仍待第三方验证。 STT 定价方面,OpenAI Whisper API 约为 0.006 美元/分钟(折合约 0.36 美元/小时),Grok STT 批量价格低于该水位;xAI 官方宣称在 WER 准确率、延迟与实时性上优于 ElevenLabs、Deepgram、AssemblyAI 等竞品,批量价格较多数竞品低 5—10 倍,尚无第三方独立测试佐证。