xAI lança Grok Voice 3.0 com latência inferior a um segundo

A xAI lançou o Grok Voice 3.0, que lidera o Speech-to-Speech Index da Artificial Analysis, e o oferece na API a US$ 0,08 por minuto, o mesmo preço da versão anterior.

xAI lança Grok Voice 3.0 com latência inferior a um segundo — Foto: x.com

14/10 às 14:40, atualizado 16:33

Pontos principais

A Artificial Analysis deu 86,9 pontos ao Grok Voice 3.0 no Speech-to-Speech Index, contra 83,2 do GPT-Live-1, 82,6 do Gemini 3.8 Live e 81,3 do Grok Voice 2.0.
No Big Bench Audio, que mede raciocínio em áudio, o modelo marca 98,5%; no Full Duplex Bench, que mede pausas, turnos e interrupções, marca 97,0%.
No τ-Voice, sobre chamadas de suporte com sotaques diversos e ruído, marca 71,6%, comparável ao GPT-Live-1 com latência 40% menor.
No EVA-Bench, benchmark da ServiceNow para agentes de voz corporativos, atinge 74% de acurácia, a maior do teste.
Segundo a xAI, a latência é líder na categoria e fica abaixo de um segundo.
Segundo a xAI, a Starlink recebe cerca de 20 mil ligações por dia em vários idiomas, e cerca de 70% são resolvidas sem atendente humano.
Na Tesla, o modelo atende milhões de conversas por dia nos veículos.
Na Voice Agent API, o preço é de US$ 0,08 por minuto (US$ 4,80 por hora), igual ao do Grok Voice 2.0.
No Big Bench Audio, o custo por tarefa fica abaixo do GPT-Live-1 e do GPT-Realtime-2.1, segundo a Artificial Analysis.

A xAI lançou o Grok Voice 3.0 e o apresenta como o modelo de fala para fala mais inteligente do mundo. Na medição independente da Artificial Analysis, feita em 13 de outubro, o modelo ficou à frente do GPT-Live-1 e do Gemini 3.8 Live no índice que combina raciocínio em áudio, τ-Voice e avaliações de preferência e de sucesso de tarefa em chamadas feitas às cegas. A empresa afirma ainda que a latência é líder na categoria.

Segundo a xAI, o modelo atende as centrais de atendimento da Starlink e, nos veículos da Tesla, milhões de conversas por dia, de consultas à agenda a pedidos feitos pelo Grok Bot. Nos testes com sotaques diversos e ruído de fundo, o desempenho é comparável ao do GPT-Live-1, com resposta mais rápida.

O Grok Voice 3.0 está disponível na Voice Agent API pelo mesmo preço da versão anterior. Agentes que usam grok-voice-latest foram migrados automaticamente, sem mudanças necessárias.

Fonte primária

xAI

Introducing Grok Voice 3.0

Anúncio oficial do Grok Voice 3.0, apresentado como “o modelo speech-to-speech mais inteligente do mundo”, com recorde na resolução de chamadas de suporte, latência abaixo de um segundo e custo menor que o de outros modelos de fronteira. No Speech-to-Speech Index da Artificial Analysis (13/10/2026), marca 86,9, contra 81,3 do Grok Voice 2.0, 83,2 do GPT-Live-1 e 82,6 do Gemini 3.8 Live. Em Big Bench Audio (raciocínio em áudio), 98,5%; em Full Duplex Bench (pausas, turnos e interrupções), 97,0%; em τ-Voice (chamadas de suporte com sotaques diversos e ruído), 71,6%, comparável ao GPT-Live-1 com latência 40% menor. Custo por tarefa no Big Bench Audio abaixo do GPT-Live-1 e do GPT-Realtime-2.1. No EVA-Bench, benchmark de agentes de voz da ServiceNow, atinge 74% de acurácia. Clientes citados: Tesla, com milhões de conversas por dia em veículos, e Starlink, com 20 mil ligações diárias em vários idiomas, cerca de 70% resolvidas sem humano. Disponível já na Voice Agent API a US$ 0,08/min (US$ 4,80/h), mesmo preço do Grok Voice 2.0; agentes que usam grok-voice-latest foram migrados automaticamente.

Cobertura da mídia

SpaceXSI debuts Grok Voice 3.0, saying it tops Artificial Analysis' speech-to-speech index, responds in under a second, and costs less than rivals, at $0.08/min (SpaceXSI)

Techmeme • 14 out, 16:25

@elonmusk: Try Grok Voice https://t.co/hiT7uSote7

x.com • 14 out, 15:33

@xai: Introducing Grok Voice 3.0, the world’s most intelligent speech-to-speech model.

x.com • 14 out, 14:04

Comentários

Carregando comentários...