For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the complete content index is available at https://we0.ai/llms.txt, the full English article bundle is available at https://we0.ai/llms-full.txt, and this page is available as Markdown at https://we0.ai/es/articles/grok-voice-3-0-pricing-and-voice-agent-be-c2aec656.md.
xAI presentó Grok Voice 3.0 el 14 de octubre de 2026, poniendo el modelo de voz a voz a disposición mediante su API Voice Agent a un precio ...
xAI presentó Grok Voice 3.0 el 14 de octubre de 2026, poniendo el modelo de voz a voz a disposición mediante su API Voice Agent a un precio anunciado de 0,08 USD por minuto. El lanzamiento destaca las llamadas de soporte, el manejo de conversaciones naturales y la capacidad de ejecutar acciones mediante herramientas conectadas.
El lanzamiento se apoya en varios tipos de evidencia: una clasificación de benchmarks independiente, un marco de evaluación empresarial independiente y cifras de despliegue comunicadas por la empresa. Responden a preguntas distintas, por lo que conviene separar el rendimiento en benchmarks, las afirmaciones de producción y los precios de la API.
La tarifa anunciada es de 0,08 USD por minuto, equivalente a 4,80 USD por hora. xAI afirma que el precio no ha cambiado respecto a Grok Voice 2.0 y que los agentes que usan el alias grok-voice-latest se trasladaron automáticamente a la nueva versión.
La página oficial de precios, consultada el 15 de octubre, también indica 0,004 USD por cada entrada de texto para la API de voz a voz. Esta partida es independiente del precio principal por minuto y es relevante para las aplicaciones que envían texto a una sesión de voz.
El alias es importante para las aplicaciones existentes. Identifica el modelo de voz vigente en lugar de una versión permanentemente fija, de modo que un desarrollador puede recibir cambios en el comportamiento del modelo sin editar ese identificador. El lanzamiento indica que no se requirieron cambios de migración para el cambio automático, pero esto no elimina el valor de realizar pruebas de regresión en un agente existente.
Un precio del modelo por minuto tampoco equivale al coste total de operar un centro de contacto. La telefonía, la infraestructura de aplicaciones, las herramientas externas y las escalaciones a agentes humanos son consideraciones independientes; el anuncio no afirma que la tarifa del modelo incluya todos esos gastos.
La clasificación en vivo de Artificial Analysis, consultada el 15 de octubre, sitúa a Grok Voice 3.0 en primer lugar de su Speech-to-Speech Index con una puntuación de 86,9. El índice reúne razonamiento de voz, rendimiento agéntico, preferencia humana y éxito en tareas. Un modelo debe contar con los datos de componentes requeridos para aparecer en la comparación combinada.
El anuncio de lanzamiento presenta la siguiente comparación con la versión anterior, atribuida a Artificial Analysis el 13 de octubre:
| Métrica | Grok Voice 3.0 | Grok Voice 2.0 |
|---|---|---|
| Speech-to-Speech Index | 86,9 | 81,3 |
| Razonamiento de voz Big Bench Audio | 98,5 % | 97,2 % |
| Elo de preferencia de Speech Agent Arena | 1070 | 1011 |
| Tasa de éxito en tareas de Arena | 94,8 % | 94,6 % |
| Full Duplex Bench | 97,0 % | 95,1 % |
| Éxito en tareas de soporte tau-Voice | 71,6 % | 56,5 % |
Estos porcentajes no son intercambiables. Big Bench Audio evalúa preguntas de razonamiento hablado, mientras que tau-Voice evalúa trabajo de soporte simulado que involucra herramientas y políticas. La preferencia de Arena refleja cómo las personas comparan dos agentes no identificados, y su métrica de éxito en tareas se refiere a la finalización correcta de escenarios elegibles.
Full Duplex Bench evalúa comportamientos conversacionales como pausas, toma de turnos, interrupciones y confirmaciones breves. Es relevante para determinar si un agente habla por encima de quien llama o se detiene en el momento incorrecto, pero no mide por sí mismo si un reembolso o una nueva reserva fueron correctos.
La clasificación de Artificial Analysis indica que Grok Voice 3.0 alcanza 0,81 segundos hasta el primer audio en su evaluación Big Bench Audio. Esto respalda un resultado inferior a un segundo en esa prueba, no garantiza que todos los clientes escuchen una respuesta en 0,81 segundos en cada red.
xAI compara su rendimiento en tau-Voice con GPT-Live-1 en la configuración Astra, medium. El gráfico de lanzamiento indica un 71,6 % de éxito en tareas para Grok Voice 3.0 y un 74,5 % para ese competidor, al tiempo que afirma aproximadamente un 40 % menos de latencia para Grok. Se trata de una comparación entre rendimiento y capacidad de respuesta, no de una afirmación de que Grok gane en cada métrica individual.
El anterior Grok Voice 2.0 aparece con 0,70 segundos en la métrica de latencia de la clasificación en vivo. Por lo tanto, el nuevo lanzamiento no debe describirse como universalmente más rápido que su predecesor: mejora las métricas de calidad reportadas, mientras tarda algo más en esa prueba de latencia concreta.
El anuncio también cita un coste promedio por tarea de Big Bench Audio de 0,025 USD, frente a 0,030 USD para GPT-Live-1 en la configuración indicada y 0,055 USD para GPT-Realtime-2.1 High. Son costes para una carga de trabajo de benchmark, no precios fijos para una llamada de producción arbitraria ni una prueba de que ningún otro modelo de voz sea más barato.
xAI informa de una puntuación de precisión del 74 % en EVA-Bench, además de un sólido rendimiento combinado de precisión y experiencia. Este resultado es una afirmación del anuncio de lanzamiento; se consultó la página pública del proyecto de ServiceNow para establecer qué evalúa el marco.
EVA-Bench evalúa conversaciones habladas completas y de múltiples turnos mediante una configuración de bot a bot. Su resumen público incluye tres dominios:
| Dominio | Escenarios | Herramientas |
|---|---|---|
| Atención al cliente | 50 | 15 |
| Gestión de servicios de TI | 80 | 59 |
| Recursos humanos | 83 | 47 |
Describe tu idea una vez y We0 AI puede generar un sitio de presentacion, paginas y CMS, y ayudarte a atraer clientes y trafico tras el lanzamiento.
Una generación completa de proyectos para registro gratuito
Lo mejor para probar un flujo de generación completo y ver rápidamente el primer borrador del proyecto.
El marco separa EVA-A, la precisión de las tareas, de EVA-X, la experiencia conversacional. Esta separación es útil para los agentes empresariales porque una conversación pulida aún puede terminar con una acción incorrecta, y una acción correcta aún puede generar una mala experiencia para quien llama.
xAI afirma que Grok Voice admite millones de conversaciones diarias en Tesla y SpaceX. Describe solicitudes manos libres en vehículos Tesla y el modo de voz para Grok Bot, incluidas tareas que involucran servicios conectados.
Para Starlink, la empresa informa aproximadamente 20.000 llamadas de clientes al día en varios idiomas, y alrededor del 70 % se resuelve sin intervención humana. También afirma que una de cada cuatro llamadas de ventas termina en una compra y describe agentes que gestionan verificaciones, resolución de problemas, créditos y equipos de reemplazo.
Estas son cifras operativas comunicadas por la empresa. El anuncio no proporciona un desglose auditado de forma independiente sobre la dificultad de las llamadas, los criterios de escalación ni el período durante el cual se midieron todas las cifras. Una empresa que evalúe el modelo debe probar sus propias políticas, permisos de herramientas, audio ruidoso y requisitos de transferencia.
Grok Voice 3.0 es el modelo de voz a voz de xAI para agentes conversacionales. Su anuncio se centra en el razonamiento hablado, las tareas de soporte, el uso de herramientas y el manejo de la dinámica de una conversación en directo.
xAI anunció una tarifa de 0,08 USD por minuto para la API Voice Agent, o 4,80 USD por hora. Consulte la documentación de precios vigente para conocer las condiciones de facturación y presupuestar por separado los servicios que queden fuera de la API del modelo.
xAI afirma que ese alias se cambió automáticamente a Grok Voice 3.0 sin requerir modificaciones de código. Los usuarios existentes deberían seguir evaluando sus prompts, herramientas y comportamiento de gestión de llamadas después de un cambio de modelo.
No: la cifra inferior a un segundo citada es una medición de benchmark, y otros modelos son más rápidos en esa métrica. La principal comparación de latencia del lanzamiento es con una configuración específica de GPT-Live-1 con un nivel similar de rendimiento en tareas de soporte.
El índice combina varias medidas del rendimiento de los agentes de voz, incluido el razonamiento y la finalización de tareas. Full Duplex Bench se centra en comportamientos conversacionales como la gestión de interrupciones, pausas y toma de turnos.
No: xAI informa que aproximadamente el 70 % de las llamadas de Starlink se resuelven sin intervención humana, lo que corresponde a un resultado de despliegue particular. No establece la misma tasa de resolución para otras empresas ni elimina la necesidad de rutas de escalación.
Grok Voice 3.0 mantiene la tarifa anunciada de API de 0,08 USD por minuto, al tiempo que mejora los resultados reportados de voz y tareas de soporte de la versión anterior. La evidencia más sólida combina una definición clara del benchmark con mediciones relevantes para un despliegue específico.
Evalúe conjuntamente la corrección de las tareas, el comportamiento conversacional, la latencia y el coste operativo total antes de trasladar un flujo de trabajo de soporte al modelo.
Empieza con una sola frase y obtén un sitio completo en minutos.
