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/fr/articles/grok-voice-3-0-pricing-and-voice-agent-be-c2aec656.md.
xAI a présenté Grok Voice 3.0 le 14 octobre 2026, rendant le modèle speech-to-speech disponible via son API Voice Agent au tarif annoncé de ...
xAI a présenté Grok Voice 3.0 le 14 octobre 2026, rendant le modèle speech-to-speech disponible via son API Voice Agent au tarif annoncé de 0,08 $ par minute. Le lancement met l’accent sur les appels d’assistance, la gestion de conversations naturelles et la capacité à exécuter des actions au moyen d’outils connectés.
La publication s’appuie sur plusieurs types d’éléments : un classement de benchmarks indépendant, un cadre d’évaluation d’entreprise distinct et des chiffres de déploiement communiqués par l’entreprise. Ils répondent à des questions différentes ; il est donc utile de distinguer les performances de benchmark, les affirmations de production et la tarification de l’API.
Le tarif annoncé est de 0,08 $ par minute, soit 4,80 $ par heure. xAI indique que ce prix est inchangé par rapport à Grok Voice 2.0 et que les agents utilisant l’alias grok-voice-latest ont été automatiquement basculés vers la nouvelle version.
La page officielle de tarification, consultée le 15 octobre, mentionne également 0,004 $ par entrée texte pour l’API speech-to-speech. Cette ligne de facturation est distincte du tarif principal à la minute et importe pour les applications qui envoient du texte dans une session vocale.
L’alias est important pour les applications existantes. Il identifie le modèle vocal actuel plutôt qu’une version définitivement figée ; un développeur peut donc recevoir un comportement de modèle modifié sans changer cet identifiant. Le lancement indique qu’aucune modification de migration n’était requise lors du basculement automatique, mais cela ne supprime pas l’intérêt de tests de non-régression sur un agent existant.
Un prix de modèle à la minute ne correspond pas non plus au coût total d’exploitation d’un centre de contact. La téléphonie, l’infrastructure applicative, les outils externes et les escalades vers des humains sont des considérations distinctes ; l’annonce ne prétend pas inclure l’ensemble de ces dépenses dans le tarif du modèle.
Le classement en direct d’Artificial Analysis, consulté le 15 octobre, place Grok Voice 3.0 en première position de son Speech-to-Speech Index avec un score de 86,9. Cet indice combine le raisonnement vocal, les performances agentiques, les préférences humaines et la réussite des tâches. Un modèle doit disposer des données de composant requises pour apparaître dans cette comparaison agrégée.
L’annonce de lancement fournit la comparaison suivante avec la version précédente, attribuée à Artificial Analysis le 13 octobre :
| Mesure | Grok Voice 3.0 | Grok Voice 2.0 |
|---|---|---|
| Speech-to-Speech Index | 86,9 | 81,3 |
| Raisonnement vocal Big Bench Audio | 98,5 % | 97,2 % |
| Elo de préférence Speech Agent Arena | 1070 | 1011 |
| Taux de réussite des tâches Arena | 94,8 % | 94,6 % |
| Full Duplex Bench | 97,0 % | 95,1 % |
| Réussite des tâches d’assistance tau-Voice | 71,6 % | 56,5 % |
Ces pourcentages ne sont pas interchangeables. Big Bench Audio évalue des questions de raisonnement oral, tandis que tau-Voice évalue un travail d’assistance simulé impliquant des outils et des politiques. La préférence Arena reflète la manière dont des personnes comparent deux agents non identifiés, et sa mesure de réussite concerne l’accomplissement réussi de scénarios admissibles.
Full Duplex Bench évalue les comportements conversationnels tels que les pauses, la prise de tour, les interruptions et les brèves confirmations. Il est pertinent pour déterminer si un agent coupe la parole à un appelant ou s’arrête au mauvais moment, mais ne mesure pas à lui seul si un remboursement ou une nouvelle réservation était correct.
Le classement d’Artificial Analysis indique que Grok Voice 3.0 atteint 0,81 seconde avant le premier audio dans son évaluation Big Bench Audio. Cela étaye un résultat inférieur à une seconde dans ce test, et non la garantie que chaque client entendra une réponse dans les 0,81 seconde sur tous les réseaux.
xAI compare ses performances tau-Voice avec GPT-Live-1 dans la configuration Astra, medium. Le graphique de lancement indique un taux de réussite de 71,6 % pour Grok Voice 3.0 et de 74,5 % pour ce concurrent, tout en affirmant une latence environ 40 % plus faible pour Grok. Il s’agit d’une comparaison entre performance et réactivité, plutôt que de l’affirmation que Grok l’emporte sur chaque métrique individuelle.
La version précédente, Grok Voice 2.0, est indiquée à 0,70 seconde dans la mesure de latence du classement en direct. La nouvelle version ne doit donc pas être présentée comme universellement plus rapide que sa prédécesseure : elle améliore les métriques de qualité rapportées tout en étant légèrement plus lente dans ce test de latence particulier.
L’annonce cite également un coût moyen de tâche Big Bench Audio de 0,025 $, contre 0,030 $ pour GPT-Live-1 dans la configuration nommée et 0,055 $ pour GPT-Realtime-2.1 High. Il s’agit de coûts pour une charge de travail de benchmark, et non de prix fixes pour un appel de production arbitraire ni d’une preuve qu’aucun autre modèle vocal n’est moins cher.
xAI rapporte un score de précision de 74 % sur EVA-Bench, ainsi que de solides résultats combinés en matière de précision et d’expérience. Ce résultat est une affirmation figurant dans l’annonce de lancement ; la page publique du projet de ServiceNow a été consultée afin d’établir ce que mesure le cadre.
EVA-Bench évalue des conversations orales complètes et multi-tours au moyen d’une configuration bot-à-bot. Sa présentation publique répertorie trois domaines :
| Domaine | Scénarios | Outils |
|---|---|---|
| Service client | 50 | 15 |
| Gestion des services informatiques | 80 | 59 |
| Ressources humaines | 83 | 47 |
Decrivez votre idee une fois, et We0 AI peut generer un site vitrine, des pages et un CMS, puis vous aider a attirer clients et trafic apres le lancement.
Une génération de projet complète pour une inscription gratuite
Idéal pour essayer un flux de génération complet et voir rapidement une première ébauche de projet.
Le cadre distingue EVA-A, la précision des tâches, de EVA-X, l’expérience conversationnelle. Cette distinction est utile pour les agents d’entreprise, car une conversation fluide peut malgré tout aboutir à une action incorrecte, et une action correcte peut tout de même produire une mauvaise expérience pour l’appelant.
xAI indique que Grok Voice prend en charge des millions de conversations quotidiennes chez Tesla et SpaceX. L’entreprise décrit des demandes mains libres dans les véhicules Tesla et le mode vocal de Grok Bot, y compris des tâches impliquant des services connectés.
Pour Starlink, l’entreprise fait état d’environ 20 000 appels clients par jour dans plusieurs langues, dont près de 70 % seraient résolus sans intervention humaine. Elle indique également qu’un appel commercial sur quatre se conclut par un achat et décrit des agents qui assurent la vérification, le dépannage, les crédits et le remplacement d’équipements.
Ces chiffres opérationnels sont communiqués par l’entreprise. L’annonce ne fournit pas de ventilation auditée de manière indépendante concernant la difficulté des appels, les critères d’escalade ou la période sur laquelle l’ensemble des chiffres a été mesuré. Une entreprise qui évalue le modèle devrait tester ses propres politiques, autorisations d’outils, conditions audio bruyantes et exigences de transfert à un humain.
Grok Voice 3.0 est le modèle speech-to-speech de xAI destiné aux agents conversationnels. Son annonce met l’accent sur le raisonnement oral, les tâches d’assistance, l’utilisation d’outils et la gestion de la dynamique d’une conversation en direct.
xAI a annoncé un tarif de 0,08 $ par minute pour l’API Voice Agent, soit 4,80 $ par heure. Consultez la documentation tarifaire actuelle pour connaître les conditions de facturation et prévoyez un budget distinct pour les services situés hors de l’API du modèle.
xAI indique que cet alias a été basculé automatiquement vers Grok Voice 3.0, sans modification de code requise. Les utilisateurs existants devraient néanmoins évaluer leurs prompts, leurs outils et leur comportement de gestion des appels après un changement de modèle.
Non : le chiffre inférieur à une seconde cité est une mesure de benchmark, et d’autres modèles sont plus rapides selon cette mesure. La principale comparaison de latence du lancement porte sur une configuration spécifique de GPT-Live-1 à un niveau de performance similaire pour les tâches d’assistance.
L’indice combine plusieurs mesures de performance d’agents vocaux, notamment le raisonnement et l’accomplissement des tâches. Full Duplex Bench se concentre sur les comportements conversationnels, comme la gestion des interruptions, des pauses et des prises de tour.
Non : xAI indique qu’environ 70 % des appels Starlink sont résolus sans intervention humaine, ce qui correspond à un résultat de déploiement particulier. Cela n’établit pas le même taux de résolution pour d’autres entreprises et ne supprime pas le besoin de parcours d’escalade.
Grok Voice 3.0 conserve le tarif annoncé de 0,08 $ par minute pour l’API, tout en améliorant les résultats rapportés de la version précédente pour la voix et les tâches d’assistance. Les éléments les plus solides associent une définition claire des benchmarks à des mesures pertinentes pour un déploiement particulier.
Évaluez ensemble l’exactitude des tâches, le comportement conversationnel, la latence et le coût opérationnel complet avant de transférer un flux d’assistance vers ce modèle.
Partez d’une phrase et obtenez un site complet en quelques minutes.
