xAI sort une nouvelle version de son modèle vocal et garde le même tarif. La promesse : des appels clients traités presque sans latence, pour un coût identique à la génération précédente.
Grok Voice 3.0, la voix qui passe à la version supérieure
xAI a présenté Grok Voice 3.0 le 14 octobre. Ce modèle fonctionne en « speech-to-speech » : il écoute une voix et répond directement en voix, sans passer par une étape de transcription écrite. Il est disponible dans la Voice Agent API de l'entreprise.
Le tarif reste inchangé par rapport à Grok Voice 2.0 : 0,08 dollar la minute, soit 4,80 dollars l'heure. Les applications qui pointent déjà vers l'alias grok-voice-latest basculent automatiquement vers la nouvelle version. Pas de migration à gérer de votre côté. Rien à configurer.
xAI décrit le modèle comme « le modèle vocal le plus intelligent au monde ». Une formule maison, à prendre pour ce qu'elle est : une affirmation de l'éditeur, pas un verdict indépendant.
Un réglage pensé pour les agents vocaux
La marque de fabrique de cette version, c'est la conversation téléphonique automatisée. xAI met en avant une latence inférieure à la seconde, autrement dit un temps de réponse assez court pour qu'une discussion donne l'impression d'être naturelle.
L'entreprise affirme aussi que Grok Voice alimente déjà des millions de conversations par jour chez Tesla et SpaceX. Si vous avez déjà eu affaire à un serveur vocal automatisé frustrant, la différence se joue précisément ici : la capacité à enchaîner les répliques sans coupures gênantes.
Le modèle gère aussi des fonctions comme les appels d'outils. C'est là que ça devient utile.
Concrètement, un agent vocal ne se contente plus de parler : il agit en cours d'appel. Il peut consulter un dossier ou mettre à jour une réservation.
Les chiffres avancés, et leur source
xAI s'appuie sur des tests d'Artificial Analysis datés du 13 octobre. Selon ces mesures, Grok Voice 3.0 arrive en tête de l'indice Speech-to-Speech avec un score de 86,9.
Le tableau publié par xAI place GPT-Live-1 (Astra, réglage Medium) à 83,2, Gemini 3.8 Live à 82,6 et Grok Voice 2.0 à 81,3. Sur tau-Voice, un test bâti sur des appels au service client simulés, xAI annonce 71,6 % pour Grok Voice 3.0, contre 74,5 % pour GPT-Live-1.
Voilà un point qu'il faut lire attentivement. Sur un des indicateurs clés, le modèle phare d'OpenAI reste devant. xAI insiste sur une latence inférieure de 40 %, un angle différent du même match. Les deux lectures sont vraies, elles ne mesurent simplement pas la même chose.
Métrique | Grok Voice 3.0 | GPT-Live-1 (Astra) |
|---|---|---|
Indice Speech-to-Speech | 86,9 | 83,2 |
tau-Voice (appels simulés) | 71,6 % | 74,5 % |
Coût par tâche (Big Bench Audio) | 0,025 $ | 0,030 $ |
La bataille du coût, plus décisive que les scores
Le vrai argument de xAI tient peut-être moins aux scores qu'à la facture. Sur le test Big Bench Audio, Artificial Analysis a mesuré un coût moyen de 0,025 dollar par tâche pour Grok Voice 3.0, contre 0,030 dollar pour GPT-Live-1 et 0,055 dollar pour GPT-Realtime-2.1.
Rapporté au volume, l'écart compte. Et il compte double.
Une entreprise qui gère des milliers d'appels automatisés par jour ne raisonne pas en points de benchmark, mais en dollars par heure de conversation. C'est là que se joue la plupart des déploiements réels.
xAI a donc fait le choix de la stabilité tarifaire. Plutôt que d'augmenter le prix avec la qualité, l'entreprise mise sur le volume. Une stratégie qui peut séduire les développeurs déjà engagés sur la plateforme.
Ce que cela change pour vous
Devez-vous envisager une bascule ? Pas forcément.
Si vous construisez un service vocal, standard téléphonique ou assistant client, Grok Voice 3.0 entre dans la liste des options sérieuses face aux offres d'OpenAI et de Google. La gratuité de la migration et le tarif inchangé réduisent le risque d'essayer.
Pour un particulier, l'enjeu est plus lointain mais réel. Ces modèles alimentent les répondeurs intelligents, les assistants à la voix et les services d'assistance que vous croiserez de plus en plus souvent. Une latence plus basse et un coût plus faible signifient des services vocaux automatisés moins frustrants et plus répandus.
Reste à savoir si la qualité tient dans la durée, hors des conditions de test. Les indices de benchmark vieillissent vite dans ce domaine. Le meilleur juge sera votre propre appel.
