xAI lance Grok Voice 3.0 à 0,08 $ la minute

L'entreprise d'IA xAI a publié Grok Voice 3.0 le 14 octobre 2026. C'est un modèle parole-à-parole conçu pour créer des agents vocaux. Il coûte 0,08 $ la minute dans la Voice Agent API, le même prix que le modèle qu'il remplace. Selon l'entreprise, il se classe désormais premier au Speech-to-Speech Index d'Artificial Analysis. C'est important, car les agents vocaux arrivent dans les centres d'appels. Un meilleur modèle au même prix réduit le coût de chaque appel.

Ce qu'est Grok Voice 3.0

Un modèle parole-à-parole écoute de l'audio et répond directement en audio. Il évite l'ancienne chaîne qui convertissait la parole en texte, faisait tourner un modèle de texte, puis retransformait la réponse en parole. Ce raccourci rend une conversation téléphonique avec une IA moins décalée.

Grok Voice 3.0 fonctionne dans la Voice Agent API de xAI. Il diffuse l'audio et le texte dans les deux sens via un WebSocket, une connexion qui reste ouverte pour les données en direct, rapporte Blockchain.News. C'est désormais le modèle vocal phare de xAI, et Grok Voice 2.0 est obsolète.

Prix et migration

Le prix reste de 0,08 $ la minute, soit environ 4,80 $ de l'heure, comme pour Grok Voice 2.0. AI Weekly, citant SiliconANGLE, situe les modèles vocaux concurrents entre 0,10 et 0,18 $ la minute.

Pour beaucoup de développeurs, la migration ne demande aucun travail. Les applications qui pointent vers grok-voice-latest sont passées automatiquement à la version 3.0, selon Blockchain.News. Le point d'accès, les réglages de session et les événements ne changent pas. Les applications côté client utilisent toujours des jetons de courte durée.

Les résultats annoncés

Le chiffre phare de xAI est un score de 86,9 au Speech-to-Speech Index d'Artificial Analysis, un groupe qui évalue les modèles d'IA :

Modèle	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

L'annonce de xAI donne d'autres résultats, à partir des données d'Artificial Analysis au 13 octobre. Au test de raisonnement Big Bench Audio, Grok Voice 3.0 obtient 98,5 % pour un coût moyen de 0,025 $ par tâche. GPT-Live-1 obtient 90,1 % pour 0,030 $. Le tableau n'est pas pour autant une victoire totale. À τ-Voice, un test où des agents vocaux accomplissent des tâches, GPT-Live-1 obtient 74,5 %, contre 71,6 % pour Grok Voice 3.0.

xAI annonce aussi 97 % au Full Duplex Bench, qui teste la capacité à parler et écouter en même temps, et 74 % à EVA-Bench, un test ouvert de ServiceNow. Nitin Aggarwal, Senior Director of Product Management for Agentic Evals and RAI chez ServiceNow, a déclaré que le modèle « établit une nouvelle frontière de Pareto sur EVA-Bench ». L'entreprise revendique aussi une latence inférieure à une seconde, 40 % plus basse que celle de GPT-Live-1 à précision comparable sur τ-Voice.

Où il est déjà utilisé

Selon xAI, le modèle traite déjà du trafic réel. Les centres d'appels de Starlink reçoivent environ 20 000 appels par jour dans plusieurs langues. Environ 70 % sont résolus sans intervention humaine. Un appel commercial sur quatre se termine par un achat avant que la personne ne raccroche, selon xAI. Tesla l'utilise pour des tâches mains libres dans ses voitures.

AI Weekly note qu'aucun audit indépendant ne confirme les chiffres de Starlink.

Ce que cela signifie pour les développeurs

Si vous utilisez déjà Grok Voice via grok-voice-latest, vous êtes maintenant sur la version 3.0. Rejouez vos propres enregistrements d'appels et vos scripts de test. Un nouveau modèle peut changer le ton, le rythme et la gestion des interruptions, même si l'API reste la même.

Si vous fixez une version précise du modèle, prévoyez le passage à la version 3.0 avant l'arrêt de la 2.0, puisqu'elle est désormais obsolète.

Pour les équipes qui comparent des fournisseurs vocaux, le coût à la minute est le chiffre facile. Faites passer les mêmes 50 appels réels par chaque candidat. Mesurez le taux de résolution et les transferts vers des humains, les indicateurs que xAI met lui-même en avant. Les scores de tests correspondent rarement à un script d'appel précis.

Considérez les chiffres de déploiement comme du marketing tant qu'aucun acteur extérieur à xAI ne les a confirmés. Un taux de libre-service de 70 % est une affirmation forte. Il dépend beaucoup du type d'appels qu'un centre reçoit.