Grok Voice 3.0: o agente de voz da xAI chega ao subsegundo sem aumentar o preço

O que a xAI lançou

Em 14 de outubro de 2026, a xAI anunciou o Grok Voice 3.0, seu novo modelo de voz para voz para agentes de voz ao vivo, disponível de imediato na Voice Agent API. O preço se mantém em US$ 0,08 por minuto (US$ 4,80 por hora), igual ao Grok Voice 2.0, e os agentes fixados em grok-voice-latest migraram automaticamente sem mudanças para os desenvolvedores. A xAI enquadra o lançamento em três afirmações: inteligência de voz para voz líder na categoria, latência abaixo de um segundo e menor custo operacional do que outros modelos de fronteira comparáveis.

Segundo as medições da Artificial Analysis citadas pela xAI, o custo médio por tarefa no Big Bench Audio foi de US$ 0,025 para o Grok Voice 3.0, US$ 0,030 para o GPT-Live-1 (Astra, Medium) e US$ 0,055 para o GPT-Realtime-2.1 (High). Esses custos de inferência por tarefa do benchmark diferem do preço da API de US$ 0,08 por minuto. Servem de referência; a economia real de uma central depende da carga de trabalho, da duração das chamadas, das integrações e do encaminhamento para pessoas.

[1] [2]

O placar, segundo a xAI

A xAI informa que a firma independente de testes Artificial Analysis coloca o Grok Voice 3.0 em primeiro em seu Speech-to-Speech Index com 86,9 -- um índice que combina raciocínio de voz, tarefas de suporte do tau-Voice, e preferência mais sucesso de tarefa em chamadas cegas frente a frente. A tabela comparativa publicada situa o GPT-Live-1 (Astra, Medium) em 83,2, o Gemini 3.8 Live (Extended Thinking, High) em 82,6 e o Grok Voice 2.0 em 81,3. As pontuações por componente mostram de onde vieram os ganhos: o raciocínio de voz no Big Bench Audio subiu para 98,5% de 97,2%, o Elo de preferência no Speech Agent Arena para 1070 de 1011, o sucesso de tarefa para 94,8% de 94,6%, e o Full Duplex Bench -- pausas, turnos de fala, interrupções -- para 97,0% de 95,1%.

A nuance honesta é incluída pela própria xAI: no tau-Voice, o benchmark construído em torno de chamadas de suporte ruidosas e com múltiplos sotaques, o Grok Voice 3.0 obtém 71,6% contra 74,5% do GPT-Live-1 (Astra, Medium) -- não lidera esse teste. O enquadramento da xAI é que o resultado é comparável com 40% menos latência, e que no EVA-Bench, o benchmark de código aberto da ServiceNow para agentes de voz empresariais, alcança a maior precisão com 74%, ficando em primeiro quando precisão e experiência do cliente são pontuadas juntas. Um diretor de produto da ServiceNow é citado chamando-o de nova fronteira de Pareto para o benchmark -- um endosso que a xAI escolheu para seu próprio anúncio, e é exatamente assim que essas citações devem ser lidas. Os 74,5% do concorrente vêm da cobertura da SiliconANGLE sobre o gráfico comparativo da xAI, não de uma medição independente.

[1] [2]

Já em produção

Os números de implantação são a parte do anúncio que nenhum benchmark pode substituir. O Grok Voice, diz a xAI, impulsiona milhões de conversas por dia na Tesla e na SpaceX. Nos veículos Tesla, os motoristas usam Connectors para pedidos rápidos sem as mãos -- consultar o calendário, responder um e-mail -- e o Grok Bot para tarefas mais longas como pedir um café ou reservar um jantar; o Grok Voice 3.0 também impulsiona o modo de voz do Grok Bot. São números reportados pela empresa, não auditados de forma independente, mas descrevem um modelo já integrado em produtos à venda, não à espera de adoção.

As centrais de atendimento da Starlink são o estudo de caso mais nítido: 20.000 chamadas de clientes por dia, em vários idiomas, com cerca de 70% resolvidas sem intervenção humana, e uma em cada quatro chamadas de vendas terminando em compra antes de desligar. Um único agente de voz, diz a xAI, verifica clientes, soluciona problemas de hardware, emite créditos e envia equipamentos de reposição -- o fluxo completo de suporte, não um roteiro de desvio. De novo, os números vêm do fornecedor. Mas uma taxa de resolução sem intervenção humana de 70%, se se sustentar sob medição independente, é a métrica que decide os orçamentos de agentes de voz empresariais -- mais do que qualquer pontuação de índice.

[1]

Por que importa

O sinal interessante é que a xAI publicou uma comparação que não vence por completo. Liderar o índice composto ficando atrás no tau-Voice, e responder com latência e custo por tarefa, reenquadra o mercado: os agentes de voz agora são julgados numa superfície de troca entre precisão, capacidade de resposta e custo por tarefa, não numa única tabela. Um modelo com 40% menos latência na comparação tau-Voice da xAI e menor custo por tarefa no teste Big Bench Audio citado pode merecer um piloto em produção, mesmo que um rival pontue mais alto em um benchmark.

A mudança mais profunda vai da qualidade do modelo à evidência do fluxo de trabalho. Os números da Starlink -- taxa de resolução, conversão de compra, um único agente dono de todo o ciclo de verificação a envio -- são métricas operacionais, do tipo com que as empresas realmente orçam. Benchmarks classificam modelos; a telemetria de produção classifica produtos. A xAI aposta que publicar ambos no mesmo dia encurta a distância entre melhor modelo e implantação mais prática -- e que o preço sem mudanças elimina a última desculpa para não testá-lo em escala.

[1]

O que observar

Trate cada benchmark citado por um fornecedor como orientativo até sua replicação independente. As verificações que importam são públicas: se a tabela publicada da Artificial Analysis sustenta o 86,9 e os números de custo por tarefa, se equipes independentes reproduzem os 74% do EVA-Bench no harness de código aberto, e se a diferença do tau-Voice para o GPT-Live-1 se estreita em revisões posteriores. A xAI merece crédito por publicar o teste que não lidera; a indústria deveria retribuir verificando os que lidera.

Para as equipes que operam voz, o teste prático é um piloto com sua própria mistura de chamadas, não uma tabela. A distribuição de sotaques, o ruído de fundo e os padrões de interrupção variam por mercado, e o tau-Voice existe precisamente porque as pontuações de laboratório não se transferem de forma limpa para chamadas reais. A economia, ainda assim, pendeu a favor do comprador: preço por minuto sem mudanças com migração automática faz com que o custo de descobrir seja um teste, não um projeto de migração. Se a resolução sem intervenção humana de 70% se replicar em suas chamadas, o debate do benchmark terminou.