xAI lanza Grok Voice 3.0 a 0,08 dólares por minuto

La empresa de IA xAI lanzó Grok Voice 3.0 el 14 de octubre de 2026. Es un modelo de voz a voz para crear agentes de voz. Cuesta 0,08 dólares por minuto en la Voice Agent API, lo mismo que el modelo al que reemplaza. Según la empresa, ahora ocupa el primer puesto del Speech-to-Speech Index de Artificial Analysis. Es importante porque los agentes de voz están llegando a los centros de llamadas. Un modelo mejor al mismo precio reduce el coste de cada llamada.

Qué es Grok Voice 3.0

Un modelo de voz a voz escucha audio y responde directamente con audio. Se salta la cadena antigua, que convertía la voz en texto, ejecutaba un modelo de texto y volvía a pasar la respuesta a voz. Ese atajo hace que una conversación telefónica con una IA tenga menos retraso.

Grok Voice 3.0 funciona en la Voice Agent API de xAI. Transmite audio y texto en ambos sentidos a través de un WebSocket, una conexión que se mantiene abierta para datos en directo, informa Blockchain.News. Ahora es el modelo de voz principal de xAI, y Grok Voice 2.0 queda obsoleto.

Precio y migración

El precio se mantiene en 0,08 dólares por minuto, unos 4,80 dólares por hora, igual que Grok Voice 2.0. AI Weekly, citando a SiliconANGLE, sitúa los modelos de voz rivales entre 0,10 y 0,18 dólares por minuto.

Para muchos desarrolladores, el cambio no exige trabajo. Las aplicaciones que apuntan a grok-voice-latest pasaron automáticamente a la versión 3.0, según Blockchain.News. El endpoint, los ajustes de sesión y los eventos no cambian. Las aplicaciones del lado del cliente siguen usando tokens de corta duración.

Las cifras de rendimiento

La cifra principal de xAI es una puntuación de 86,9 en el Speech-to-Speech Index de Artificial Analysis, un grupo que evalúa modelos de IA:

Modelo	Speech-to-Speech Index
Grok Voice 3.0	86,9
GPT-Live-1 (OpenAI)	83,2
Gemini 3.8 Live (Google)	82,6
Grok Voice 2.0	81,3

El anuncio de xAI muestra más resultados, con datos de Artificial Analysis a 13 de octubre. En la prueba de razonamiento Big Bench Audio, Grok Voice 3.0 logra un 98,5 % con un coste medio de 0,025 dólares por tarea. GPT-Live-1 logra un 90,1 % y 0,030 dólares. Aun así, la tabla no es una victoria total. En τ-Voice, una prueba en la que agentes de voz completan tareas, GPT-Live-1 obtiene un 74,5 %, frente al 71,6 % de Grok Voice 3.0.

xAI también informa de un 97 % en Full Duplex Bench, que mide la capacidad de hablar y escuchar a la vez, y de un 74 % en EVA-Bench, una prueba abierta de ServiceNow. Nitin Aggarwal, Senior Director of Product Management for Agentic Evals and RAI de ServiceNow, afirmó que el modelo "establece una nueva frontera de Pareto en EVA-Bench". La empresa también afirma una latencia inferior a un segundo, un 40 % menor que la de GPT-Live-1 con una precisión comparable en τ-Voice.

Dónde ya funciona

Según xAI, el modelo ya gestiona tráfico real. Los centros de llamadas de Starlink reciben unas 20.000 llamadas al día en varios idiomas. Alrededor del 70 % se resuelven sin intervención humana. Una de cada cuatro llamadas de ventas termina en una compra antes de que se cuelgue, según xAI. Tesla lo usa para tareas de manos libres en sus coches.

AI Weekly señala que ninguna auditoría independiente respalda las cifras de Starlink.

Qué significa para los desarrolladores

Si ya usas Grok Voice a través de grok-voice-latest, ahora estás en la versión 3.0. Vuelve a probar tus propias grabaciones de llamadas y tus guiones de prueba. Un modelo nuevo puede cambiar el tono, el ritmo y la forma de manejar las interrupciones, aunque la API sea la misma.

Si fijas una versión concreta del modelo, planifica el paso a la 3.0 antes de que se apague la 2.0, ya que ahora está obsoleta.

Para los equipos que comparan proveedores de voz, el coste por minuto es la cifra fácil. Pasa las mismas 50 llamadas reales por cada candidato. Mide la tasa de resolución y los traspasos a personas, las métricas que la propia xAI destaca. Las puntuaciones de las pruebas rara vez coinciden con un guion de llamada concreto.

Trata las cifras de despliegue como marketing hasta que alguien ajeno a xAI las confirme. Una tasa de autoservicio del 70 % es una afirmación fuerte. Depende mucho del tipo de llamadas que recibe un centro.