A SpaceXSI, empresa de Elon Musk antes chamada xAI, lançou o Grok Voice 3.0, modelo de voz que conversa por áudio sem passar por texto. Ele ficou em primeiro lugar no Speech-to-Speech Index, da Artificial Analysis, com 86,9 pontos. O modelo responde em menos de um segundo e já está disponível na Voice Agent API a US$ 0,08 por minuto, o mesmo preço da versão anterior.
O ranking: Grok Voice 3.0 na frente, com ressalvas
O Speech-to-Speech Index combina raciocínio por voz, o τ-Voice e preferência e sucesso de tarefa em chamadas cegas lado a lado. Na tabela da empresa, com dados da Artificial Analysis de 13 de outubro de 2026, o Grok Voice 3.0 marca 86,9, contra 83,2 do GPT-Live-1 (Astra, Medium), 82,6 do Gemini 3.8 Live (Extended Thinking, High) e 81,3 do Grok Voice 2.0.
- Big Bench Audio (raciocínio por voz): 98,5% no Grok Voice 3.0, contra 97,7% do Gemini 3.8 Live e 90,1% do GPT-Live-1.
- Speech Agent Arena Elo (preferência humana): 1070, contra 1048 do GPT-Live-1 e 990 do Gemini.
- Taxa de sucesso em tarefas: 94,8%, contra 89,1% do Gemini e 87,4% do GPT-Live-1.
- Full Duplex Bench (pausas, troca de turno e interrupções): 97,0%, contra 94,9% do GPT-Live-1 e 91,9% do Gemini.
No τ-Voice, que mede como agentes lidam com chamadas de suporte com sotaques, ruído e interrupções, o Grok Voice 3.0 marca 71,6%, abaixo dos 74,5% do GPT-Live-1 e acima dos 68,6% do Gemini. A empresa diz que o resultado é comparável ao do GPT-Live-1, com latência 40% menor.
Latência e custo
A latência, medida pelo tempo até o primeiro áudio, fica abaixo de um segundo. No custo por tarefa, medido pela Artificial Analysis no Big Bench Audio, o Grok Voice 3.0 custa US$ 0,025, contra US$ 0,030 do GPT-Live-1 e US$ 0,055 do GPT-Realtime-2.1 (High).
No preço da API, são US$ 0,08 por minuto, ou US$ 4,80 por hora, o mesmo do Grok Voice 2.0. Agentes que usam o grok-voice-latest já foram atualizados automaticamente, sem mudanças.
Uso real: Tesla e Starlink
Segundo a empresa, o Grok Voice 3.0 conduz milhões de conversas por dia em carros da Tesla, onde o motorista pode, sem usar as mãos, consultar a agenda, responder e-mail ou usar o Grok Bot para tarefas maiores, como pedir um café. Os call centers da Starlink usam o Grok Voice para atender 20 mil ligações por dia em vários idiomas. Cerca de 70% são resolvidas sem humano, e uma em cada quatro ligações de vendas termina em compra antes de o cliente desligar. Um único agente verifica clientes, resolve problemas de equipamento, emite créditos e envia equipamento de reposição.
No EVA-Bench, benchmark de código aberto da ServiceNow para agentes de voz corporativos com mais de 200 cenários realistas, o Grok Voice 3.0 teve a maior precisão, com 74%, e o melhor desempenho conjunto de precisão e experiência do cliente, segundo a empresa. Nitin Aggarwal, diretor sênior de produto da ServiceNow, afirma que ele combina alta precisão com conversa natural e responsiva.
Para quem é e disponibilidade
É para equipes que pensam em montar atendimento ou agentes de voz e querem uma opção rápida e de preço claro para testar, via Voice Agent API. Quem precisa de máxima precisão em suporte pode comparar com o GPT-Live-1, que ficou à frente no τ-Voice. O post não detalha disponibilidade por país nem idiomas específicos além dos usados no call center da Starlink, então vale testar em português antes de decidir.
Perguntas frequentes
O que é o Grok Voice 3.0?
É o modelo de voz da SpaceXSI que processa e responde por áudio direto, voltado a agentes de voz e atendimento. Está disponível na Voice Agent API.
Quanto custa o Grok Voice 3.0?
US$ 0,08 por minuto, ou US$ 4,80 por hora, o mesmo preço do Grok Voice 2.0.
O Grok Voice 3.0 é o melhor em tudo?
Não necessariamente. Ele lidera o índice geral da Artificial Analysis, mas no τ-Voice o GPT-Live-1 marca 74,5% contra 71,6%. Vale comparar na sua tarefa.
Fonte: xAI
Análise Crítica
O Grok Voice 3.0 chega com resultados fortes no ranking geral da Artificial Analysis, preço igual ao da versão anterior e uso real em Tesla e Starlink, o que dá mais peso aos números do que um benchmark isolado. Ao mesmo tempo, os dados da comparação são divulgados pela própria empresa, e no τ-Voice o GPT-Live-1 ficou à frente, com 74,5% contra 71,6%. Liderar um índice geral não significa ser melhor em todas as tarefas, e o post não informa disponibilidade por idioma além dos usos em call center, o que importa para quem atende em português. O caminho mais seguro é testar com as próprias chamadas.
A visão do canal Invente com IA
Se você pensa em montar atendimento ou agente de voz, vale separar algumas ligações reais do seu caso, com sotaques e ruído, e rodar no Grok Voice 3.0 e no GPT-Live-1. Compare taxa de resolução, tempo de resposta e custo por hora, que no Grok é de US$ 4,80. Teste em português antes de decidir.
