A xAI colocou no ar o Grok Voice 3.0, um modelo de voz que conversa em tempo real, pelo mesmo preço da versão anterior. A empresa diz que ele é o mais inteligente do mundo, mas o número mais interessante é a economia no custo por tarefa.
O que é o Grok Voice 3.0
A xAI anunciou em 14 de outubro o Grok Voice 3.0, um modelo de fala para fala, ou seja, que recebe áudio e responde com áudio, sem passar por texto no meio do caminho. Ele já está disponível na Voice Agent API, interface para quem constrói agentes de voz, e custa US$ 0,08 por minuto. Isso dá cerca de US$ 4,80 por hora, o mesmo preço da versão 2.0.
A empresa descreve o Grok Voice 3.0 como o modelo de voz mais inteligente do mundo e diz que ele bate um novo recorde na resolução de chamadas de suporte ao cliente, com latência abaixo de um segundo e custo de operação menor que o de outros modelos de fronteira. Segundo a xAI, o Grok Voice já movimenta milhões de conversas por dia na Tesla e na SpaceX.
Mas calma. "Mais inteligente do mundo" é a empresa falando de si mesma.
Mas calma. "Mais inteligente do mundo" é a empresa falando de si mesma.
Para quem usa a API, há um detalhe prático: o apelido grok-voice-latest é atualizado automaticamente para a nova versão. Ou seja, quem já chamava esse identificador migra sem mexer no código.
Troca sem dor de cabeça.
Os números do Grok Voice 3.0 no Speech-to-Speech Index
A xAI cita testes independentes do Artificial Analysis, de 13 de outubro, segundo os quais o Grok Voice 3.0 lidera o Speech-to-Speech Index com nota 86,9. Na tabela publicada no anúncio, o GPT-Live-1 (Astra, Medium) aparece com 83,2 e o Gemini 3.8 Live com 82,6. Já o próprio Grok Voice 2.0 fica em 81,3.
O índice do Artificial Analysis é uma média igualitária de quatro componentes: raciocínio de fala, desempenho como agente, preferência em arena e taxa de sucesso em tarefas. Um modelo só recebe nota se aparecer nos quatro. É exigente.
Nos componentes, os números são outros. A xAI reporta 98,5% no Big Bench Audio, que mede raciocínio sobre áudio, um Elo de preferência de 1070 na Speech Agent Arena, taxa de sucesso de 94,8% e 97,0% no Full Duplex Bench, que avalia como o modelo lida com pausas, trocas de turno e interrupções.
São quatro notas diferentes. Cada uma mede algo distinto.
Um ponto menos brilhante aparece no tau-Voice, benchmark montado a partir de chamadas de suporte simuladas. Ali a xAI reporta 71,6% para o Grok Voice 3.0, abaixo dos 74,5% do GPT-Live-1 (Astra, Medium).
A empresa prefere destacar que o resultado é comparável ao do rival com 40% menos latência. É um bom lembrete de que "melhor" depende do que está sendo medido.
Venceu onde? Apenas no índice geral.
O que a xAI diz sobre custo no Grok Voice 3.0
O argumento de custo é o mais concreto do anúncio. A xAI afirma que o Artificial Analysis mediu um custo médio por tarefa de US$ 0,025 para o Grok Voice 3.0 na rodada do Big Bench Audio. O GPT-Live-1 (Astra, Medium) ficou em US$ 0,030. O GPT-Realtime-2.1 (High), em US$ 0,055.
Grok Voice 3.0
- US$ 0,08 por minuto na Voice Agent API
- Latência abaixo de 1 segundo (segundo a xAI)
- 86,9 no Speech-to-Speech Index
- Atualização automática via grok-voice-latest
Grok Voice 2.0
- Mesmo preço: US$ 0,08 por minuto
- 81,3 no Speech-to-Speech Index
- Versão anterior, agora substituída
O preço por minuto, no entanto, é o mesmo de antes. Quem esperava baratear a operação de agentes de voz não vai sentir diferença direta na conta da API, e sim na eficiência por tarefa, se os números citados se confirmarem no uso real.
Sem mudança na tabela de preços. O ganho está em outro lugar.
Por que isso importa para quem constrói agentes de voz
Os modelos de fala para fala servem para atendimento, call centers e assistentes que precisam responder rápido e sem parecer robôs. É um mercado disputado por OpenAI, Google e agora xAI, e a briga tem se dado tanto em qualidade quanto em preço por minuto.
Para um desenvolvedor montando um atendimento automatizado, a decisão raramente é só sobre a nota no ranking. O que pesa é a latência (quanto tempo o cliente espera pela resposta), a taxa de sucesso em tarefas de verdade e o custo por chamada resolvida. Nesses três pontos, o Grok Voice 3.0 promete ganho, mas os comparativos de custo por tarefa vêm de medições encomendadas pela própria xAI e por um único avaliador.
Desconfie de números de fabricante.
Vale testar com suas próprias chamadas antes de trocar de fornecedor. A troca de versão é simples pelo apelido grok-voice-latest, e o preço por minuto não mudou, então dá para experimentar sem mexer no orçamento. Fique de olho em medições independentes nos próximos meses, que devem mostrar se a vantagem de latência se sustenta em produção.
Vale a pena migrar já? Só se latência for seu gargalo.
