Qué se ha lanzado
xAI publicó Grok Voice 3.0 el martes y lo llama el modelo de voz a voz más inteligente del mundo. Está disponible ya en la Voice Agent API de la empresa a 0,08 dólares el minuto, o 4,80 dólares la hora —el mismo precio que Grok Voice 2.0—, y los agentes apuntados a grok-voice-latest se cambiaron automáticamente sin necesidad de tocar nada.
La capacidad destacada es la latencia. xAI afirma que el tiempo hasta el primer audio es inferior a un segundo, y un 40% menor que el de GPT-Live-1 según su propio gráfico.
La tabla de resultados, leída con detalle
xAI declara 86,9 puntos en el Artificial Analysis Speech-to-Speech Index, que según la empresa es el primer puesto, frente a 83,2 de GPT-Live-1, 82,6 de Gemini 3.8 Live y 81,3 de su propia versión anterior. También enumera un 98,5% en Big Bench Audio de razonamiento hablado, 1.070 de Elo en Speech Agent Arena, un 94,8% de tareas resueltas, un 97,0% en Full Duplex Bench y un 74% en EVA-Bench de ServiceNow. Todas esas cifras las publica xAI: son el relato del fabricante sobre su propio modelo.
La fila interesante es τ-Voice, que mide llamadas de soporte. xAI declara un 71,6% y lo describe como comparable a GPT-Live-1, cuya puntuación en el mismo gráfico es del 74,5%. En la única prueba más cercana al uso comercial que xAI vende, su modelo queda por detrás, y la empresa lo publicó en vez de omitirlo.
En coste por tarea en Big Bench Audio, xAI sitúa a Grok Voice 3.0 en 0,025 dólares frente a 0,030 de GPT-Live-1 y 0,055 de GPT-Realtime-2.1.
Dónde funciona ya
xAI dice que el modelo se usa en vehículos Tesla para millones de conversaciones al día y mueve el modo de voz de Grok Bot, y que atiende unas 20.000 llamadas de clientes al día en varios idiomas en los centros de atención de Starlink, donde alrededor del 70% se resuelven sin un humano y cerca de una de cada cuatro llamadas de ventas acaba en compra. Son cifras de despliegue facilitadas por la empresa sobre negocios de su misma órbita corporativa, y no se ha publicado ninguna auditoría independiente.
Qué vigilar
Artificial Analysis mantiene el índice con el que xAI encabeza la comparación, así que la primera confirmación independiente del 86,9 es cuestión de esperar al mantenedor y no de suponer. Lo segundo que conviene vigilar es si mantener el precio plano entre generaciones se convierte en la norma en voz, donde la facturación por minuto hace más difícil disimular una bajada que la facturación por token.
