El 14 de octubre de 2026 (hora de EE. UU.), SpaceXSI (antes xAI) lanzó el modelo de IA "Grok Voice 3.0". Es un modelo "de voz a voz" que recibe directamente la voz de una persona y contesta también con voz, y sirve para crear agentes de IA que se comunican hablando, como los que atienden llamadas telefónicas o conversan dentro del coche. Se puede usar desde el mismo día de su lanzamiento a través de la "Voice Agent API" para desarrolladores.
xAI, la empresa que ha desarrollado Grok, pasó a llamarse "SpaceXAI" tras ser adquirida por SpaceX, y desde octubre usa el nombre "SpaceXSI". La página de este anuncio también se ha publicado con el nombre "SpaceXSI".
Qué es Grok Voice 3.0
Hasta ahora, la mayoría de las IA de voz seguían varios pasos: primero transcribían la voz a texto, luego elaboraban la respuesta por escrito y, por último, la convertían en voz. Un modelo de voz a voz como Grok Voice 3.0 entiende y responde directamente en voz, por lo que la espera es más corta y resulta más fácil acercarse a una conversación natural. SpaceXSI afirma que tarda menos de 1 segundo en responder.
Según la documentación para desarrolladores, las aplicaciones que usan el ajuste que apunta siempre a la versión más reciente (grok-voice-latest) pasan automáticamente a Grok Voice 3.0. La versión anterior, Grok Voice 2.0, ha quedado obsoleta (ya no se recomienda usarla en adelante).
Precio
El precio es de 0,08 dólares por minuto (4,80 dólares por hora), el mismo que el de Grok Voice 2.0. SpaceXSI afirma que el coste por tarea en "Big Bench Audio", la evaluación de voz de Artificial Analysis, es de unos 0,025 dólares, más barato que los modelos de OpenAI con los que se compara: GPT-Live-1 (0,030 dólares) y GPT-Realtime-2.1 (0,055 dólares).
Resultados de las evaluaciones
Estos son los principales resultados que SpaceXSI destacó en su anuncio:
- Artificial Analysis Speech-to-Speech Index: primer puesto con 86,9. GPT-Live-1 de OpenAI obtiene 83,2 y Gemini 3.8 Live de Google, 82,6
- Full Duplex Bench (evaluación de una conversación natural en la que se interrumpe al otro o se es interrumpido): 97%
- τ-Voice (evaluación de si es capaz de completar tareas pedidas por voz): 71,6%. En esta prueba lo supera GPT-Live-1 de OpenAI (74,5%), y Gemini 3.8 Live de Google obtiene 68,6%
- EVA-Bench (evaluación de agentes de voz para empresas elaborada por ServiceNow): 74% de aciertos
Todas las cifras, salvo la de EVA-Bench, proceden de "Artificial Analysis", un sitio de evaluación independiente que compara modelos de IA.
Cómo se usa en la práctica
Según SpaceXSI, Grok Voice ya procesa millones de conversaciones al día dentro de los coches de Tesla, otra empresa de Elon Musk. Además, en el servicio de asistencia de Starlink, el servicio de internet por satélite, resuelve sin intervención humana alrededor del 70% de las unas 20.000 llamadas diarias.
El punto de vista de CoAI
Grok Voice 3.0 no es una función de una aplicación para el público general, sino una API para que empresas y desarrolladores creen servicios de atención y asistentes de voz. La empresa asegura haber mejorado el rendimiento sin subir el precio, así que las compañías que estudian automatizar la atención telefónica, por ejemplo, tienen un candidato más que comparar. Al día siguiente, OpenAI también renovó el modelo de voz de ChatGPT, y la competencia en IA de voz se está intensificando.
Por otro lado, en algunas pruebas los modelos de OpenAI quedan por delante, así que no es superior en todos los aspectos. Tampoco se ha indicado cuándo pasará la conversación por voz de la aplicación Grok al nuevo modelo ni con qué naturalidad habla japonés, por lo que, si se quiere usar en un servicio de atención en japonés, habrá que probarlo en conversaciones reales para comprobarlo.
