O que é Grok Voice 3.0
A SpaceXAI lançou o Grok Voice 3.0, um modelo de fala-para-fala em tempo real que ouve, raciocina, chama ferramentas e fala. O modelo ficou em 1º lugar no Speech-to-Speech Index da Artificial Analysis com nota 86,9, à frente do GPT-Live-1 (Astra, medium) em 83,2 e do Gemini 3.8 Live Extended Thinking em 82,6.
Como funciona
O Grok Voice 3.0 é exposto como grok-voice-3.0 no endpoint WebSocket /v1/realtime da Voice Agent API da SpaceXAI. O alias grok-voice-latest já aponta para ele, então agentes existentes migraram automaticamente.
A empresa não publicou contagem de parâmetros nem detalhes de arquitetura. O raciocínio está ligado por padrão (reasoning.effort: "high") e pode ser desligado ("none") para turnos mais rápidos. A detecção de atividade de voz é server-side, o que lida com barge-in (quando o usuário interrompe o agente).
Ferramentas rodam dentro da sessão: busca em coleções, busca web, busca na X, servidores MCP remotos e funções customizadas.
Benchmarks
O Speech-to-Speech Index da Artificial Analysis é uma média de peso igual de 4 componentes:
| Componente | Grok Voice 3.0 | Grok Voice 2.0 | GPT-Live-1 | Gemini 3.8 Live |
|---|---|---|---|---|
| Big Bench Audio | 98,5% (4º) | 97,2% | 90,1% | 97,7% |
| τ-Voice | 71,6% | 56,5% | 74,5% | 68,6% |
| Full Duplex Bench | 97,0% | 95,1% | 94,9% | 91,9% |
| Task success rate | 94,8% | 94,6% | 87,4% | 89,1% |
| Arena Elo | 1070 | 1011 | 1056 | 993 |
O Grok Voice 3.0 lidera no Full Duplex Bench, task success rate e Arena Elo. No τ-Voice, fica atrás do GPT-Live-1 (74,5%) — mas melhorou de 56,5% na geração anterior.
Na EVA-Bench da ServiceNow, a SpaceXAI reporta a melhor nota de precisão: 74%.
Latência e custo
A Artificial Analysis mede 0,81 s até a primeira amostra de áudio — 40% menor que os 1,34 s do GPT-Live-1. O Grok Voice 2.0 era mais rápido (0,70 s).
Custo por hora de áudio de entrada (AA): US$ 4,80, contra US$ 5,83 do GPT-Live-1 e US$ 3,50 do Gemini 3.8 Live. Preço de lista: US$ 0,08 por minuto, o mesmo do Grok Voice 2.0 — a API é compatível, então o endpoint, eventos e preço não mudaram.
O que muda para quem usa agentes de voz
O Grok Voice 3.0 é a primeira opção da SpaceXAI em que a empresa reporta o melhor score composto no ranking da Artificial Analysis — não só em um componente. A restrição prática é o acesso: só pela API hospedada, sem pesos abertos nem variantes locais. Para quem já usa o endpoint /v1/realtime, a migração é transparente (o alias grok-voice-latest já aponta para o 3.0).
Fontes
- SpaceXAI — "Grok Voice 3.0" (x.ai/news)
- MarkTechPost — "Meet Grok Voice 3.0: SpaceXAI's Voice Agent Model Ranks #1 on Artificial Analysis" (15/10/2026)
- Artificial Analysis — Speech-to-Speech Index
- docs.x.ai — Voice Agent API
Fontes e referências
Encontrou uma informação que precisa de correção? Fale com a redação.