A SpaceXAI, criadora do Grok e gestora da plataforma de programadores x.ai, lançou a 14 de outubro de 2026 o Grok Voice 3.0. Trata-se de um modelo de fala para fala: ouve áudio e responde em áudio, sem passar por uma etapa de transcrição seguida de síntese de voz. O alvo são agentes de voz, como linhas de apoio ao cliente ou assistentes no automóvel. A empresa apresenta-o como o modelo de voz mais inteligente do mercado, afirmação que se apoia sobretudo em testes de terceiros divulgados na véspera.
Esses testes são da Artificial Analysis, que mantém uma tabela pública de modelos de voz em tempo real. No seu Speech-to-Speech Index, o Grok Voice 3.0 soma 86,9 pontos, à frente do GPT-Live-1 (Astra, medium) da OpenAI, com 83,2, do Gemini 3.8 Live Extended Thinking (High) da Google, com 82,6, e do antecessor Grok Voice 2.0, com 81,3. O índice combina raciocínio oral no Big Bench Audio, o teste de chamadas de suporte τ-Voice e dados de preferência e de sucesso em chamadas comparativas às cegas. Nas provas isoladas, o novo modelo obtém 98,5% no Big Bench Audio, 97,0% no Full Duplex Bench, que avalia pausas, interrupções e alternância de vez, 94,8% de tarefas concluídas e 1070 pontos Elo na Speech Agent Arena.
Segundo a SpaceXAI, o modelo alcança 71,6% no τ-Voice, praticamente a par do GPT-Live-1 (Astra), mas com cerca de 40% menos latência, e responde em menos de um segundo. Com base em medições de custo da Artificial Analysis, a empresa afirma que cada tarefa concluída sai mais barata do que com o GPT-Live-1 (Astra, Medium) ou o GPT-Realtime-2.1. No EVA-Bench, conjunto aberto da ServiceNow com mais de 200 cenários empresariais, reivindica a melhor precisão, 74%, e cita um diretor de produto da ServiceNow a elogiar o resultado. Estes números de latência, custo e EVA-Bench foram divulgados pela própria SpaceXAI e não puderam ser confirmados de forma independente.
O preço mantém-se. O Grok Voice 3.0 custa 0,08 dólares por minuto, ou 4,80 dólares por hora, tal como o Grok Voice 2.0. Quem usa o alias grok-voice-latest passou automaticamente para o novo modelo, sem alterar código, o que também significa que o comportamento dos agentes pode mudar de um dia para o outro.
Para demonstrar escala, a empresa recorre às outras empresas de Elon Musk. Diz que o modelo atende milhões de conversas por dia em veículos Tesla, onde os condutores consultam a agenda, respondem a emails ou fazem encomendas sem tirar as mãos do volante, e que passou a alimentar o modo de voz do Grok Bot. Na Starlink, ainda segundo a SpaceXAI, agentes baseados no Grok Voice recebem cerca de 20 000 chamadas diárias em várias línguas, resolvem perto de 70% sem intervenção humana e transformam uma em cada quatro chamadas comerciais numa compra. Nenhum destes indicadores foi auditado publicamente.
A tabela completa ajuda a relativizar. A Artificial Analysis avalia mais de 40 modelos de voz e, nas classificações por métrica, o Grok Voice 3.0 surge em quarto lugar: o StepAudio 3 Realtime lidera o Big Bench Audio com 99,7% e o Full Duplex Bench com 98,9%, seguido em ambos pelo Qwen Audio 3.0 Realtime Plus, da Alibaba. O gráfico do anúncio compara apenas modelos da OpenAI e da Google. O Qwen Audio 3.0 Realtime Plus aparece ainda como o mais barato para áudio de entrada.
Para quem desenvolve agentes telefónicos ou para automóveis, a mudança prática é um modelo por omissão mais forte pelo mesmo preço por minuto. Saber se a liderança no índice composto resiste a chamadas reais, sotaques e linhas ruidosas dependerá de resultados de clientes fora da Tesla e da Starlink, que o lançamento não apresentou.