Em 14 de outubro de 2026 (horário dos EUA), a SpaceXSI (antiga xAI) lançou o modelo de IA "Grok Voice 3.0". É um modelo "de voz para voz", que recebe diretamente a voz da pessoa e responde também por voz, usado para criar agentes de IA que conversam por voz, como no atendimento telefônico ou em conversas dentro do carro. Ele pode ser usado desde o dia do lançamento pela "Voice Agent API", voltada a desenvolvedores.
A xAI, que vinha desenvolvendo o Grok, passou a se chamar "SpaceXAI" depois de ser comprada pela SpaceX e, desde outubro, usa o nome "SpaceXSI". A página deste anúncio também foi publicada com o nome "SpaceXSI".
O que é o Grok Voice 3.0
A maioria das IAs de voz até agora seguia várias etapas: primeiro transcrevia a voz em texto, criava a resposta em texto e depois a convertia em voz. Modelos de voz para voz, como o Grok Voice 3.0, entendem e respondem diretamente na voz, o que reduz o tempo de espera e facilita chegar a uma conversa mais natural. A SpaceXSI diz que o tempo até a resposta é de menos de 1 segundo.
Segundo a documentação para desenvolvedores, os aplicativos que usam a configuração que sempre aponta para a versão mais recente (grok-voice-latest) passam automaticamente para o Grok Voice 3.0. A versão anterior, o Grok Voice 2.0, passou a ser obsoleta (seu uso não é mais recomendado daqui para frente).
Preço
O preço é de US$ 0,08 por minuto (US$ 4,80 por hora), o mesmo do Grok Voice 2.0. A SpaceXSI afirma que o custo por tarefa no "Big Bench Audio", avaliação de voz da Artificial Analysis, é de cerca de US$ 0,025, mais barato que o dos modelos da OpenAI usados na comparação, o GPT-Live-1 (US$ 0,030) e o GPT-Realtime-2.1 (US$ 0,055).
Avaliação de desempenho
Os principais resultados apresentados pela SpaceXSI no anúncio são estes:
- Artificial Analysis Speech-to-Speech Index: 1º lugar, com 86,9. O GPT-Live-1, da OpenAI, marcou 83,2, e o Gemini 3.8 Live, do Google, 82,6
- Full Duplex Bench (avaliação de conversa natural, em que um interrompe o outro e é interrompido): 97%
- τ-Voice (avaliação da capacidade de concluir tarefas pedidas por voz): 71,6%. Neste item, o GPT-Live-1, da OpenAI (74,5%), ficou à frente, e o Gemini 3.8 Live, do Google, marcou 68,6%
- EVA-Bench (avaliação de agentes de voz para empresas, feita pela ServiceNow): 74% de acertos
Exceto o EVA-Bench, os números vêm da "Artificial Analysis", um site independente de avaliação que compara modelos de IA.
Como está sendo usado na prática
Segundo a SpaceXSI, o Grok Voice já processa milhões de conversas por dia dentro dos carros da Tesla, outra empresa de Elon Musk. Além disso, na central de suporte da Starlink, o serviço de internet via satélite, ele resolve cerca de 70% das aproximadamente 20 mil ligações diárias sem que uma pessoa precise assumir o atendimento, diz a empresa.
A visão do CoAI
O Grok Voice 3.0 não é um recurso de aplicativo para o público em geral, e sim uma API para que empresas e desenvolvedores criem centrais de atendimento e assistentes de voz. Como a empresa diz ter melhorado o desempenho mantendo o preço, as empresas que estudam automatizar o atendimento telefônico ganharam mais uma opção para comparar. No dia seguinte, a OpenAI também renovou o modelo de voz do ChatGPT, e a disputa em IA de voz está ficando acirrada.
Por outro lado, em alguns itens os modelos da OpenAI ficam à frente, então ele não é superior em todos os aspectos. Também não foi informado quando a conversa por voz do aplicativo do Grok passará para o novo modelo, nem o quanto ele fala japonês com naturalidade. Por isso, quem pretende usá-lo em um atendimento em japonês precisa testá-lo em conversas reais para confirmar.
