Em 14 de outubro de 2026, a xAI lançou o Grok Voice 3.0, modelo que ouve e responde falando, feito para atendentes virtuais. Ele sai pelo mesmo preço do Grok Voice 2.0: US$ 0,08 por minuto, ou US$ 4,80 por hora. Segundo a xAI, os atendentes virtuais que usam o grok-voice-latest passaram para o novo modelo de forma automática, sem precisar mudar nada.
A empresa chama o Grok Voice 3.0 de modelo de voz mais inteligente do mundo. Ela diz ainda que ele responde em menos de um segundo, com custo menor que o de outros modelos de ponta.
Segundo a xAI, o Grok Voice atende 20 mil ligações de clientes por dia nas centrais de atendimento da Starlink, em vários idiomas. Cerca de 70% terminam resolvidas sem nenhuma pessoa na conversa, e uma em cada quatro ligações de venda acaba em compra antes de o cliente desligar.
Um único atendente virtual feito com o Grok Voice 3.0, diz a empresa, confere a identidade do cliente, resolve problemas no equipamento, concede créditos e envia aparelhos de reposição.
Nos carros da Tesla, segundo a xAI, o modelo cuida de milhões de conversas por dia. O motorista pode pedir, sem usar as mãos, que ele consulte a agenda ou responda um e-mail. Também pode pedir tarefas maiores, como encomendar um café ou reservar um jantar. O modelo ainda faz funcionar o modo de voz do Grok Bot.
No atendimento a empresas, a xAI cita o EVA-Bench, teste de código aberto da ServiceNow para atendentes de voz corporativos. Segundo a xAI, o Grok Voice 3.0 teve ali a maior nota de acerto, 74%. Foi também o melhor quando acerto e qualidade da conversa foram avaliados juntos.
O EVA-Bench põe um robô para conversar com outro em diálogos completos, com várias trocas de fala. São três áreas: atendimento ao cliente, com 50 situações, como remarcar voos com problema e cancelamentos; suporte de informática, com 80; e recursos humanos, com 83, sobre benefícios, horários e licenças. Nitin Aggarwal, diretor sênior de gestão de produto da ServiceNow, disse em nota publicada com o anúncio que o modelo marca um novo patamar no teste.
A xAI também cita uma avaliação independente da Artificial Analysis, de 13 de outubro de 2026. No índice da Artificial Analysis para modelos que conversam por voz, o Grok Voice 3.0 ficou em primeiro, com 86,9 pontos. Na mesma tabela, o GPT-Live-1 aparece com 83,2, o Gemini 3.8 Live com 82,6 e o Grok Voice 2.0 com 81,3.
Esse índice dá o mesmo peso a quatro partes: raciocínio em perguntas faladas, desempenho como atendente, preferência de pessoas que testam dois modelos sem saber quais são, e taxa de tarefas concluídas. No raciocínio, são mil perguntas em áudio, respondidas também em áudio. Segundo a xAI, o novo modelo acertou 98,5%, contra 97,2% da versão anterior.
Num teste à parte, que mede como o modelo lida com pausas, vez de falar e interrupções, a xAI informa 97%, contra 95,1% do Grok Voice 2.0. Pelas contas da Artificial Analysis citadas pela empresa, cada tarefa de raciocínio custou em média US$ 0,025 com o novo modelo. O GPT-Live-1 ficou em US$ 0,030, e o GPT-Realtime-2.1, em US$ 0,055.
Há um teste em que o Grok Voice 3.0 não lidera: o tau-Voice, montado com ligações simuladas de atendimento ao cliente. Nele, o modelo fez 71,6%, abaixo dos 74,5% do GPT-Live-1. A xAI descreve o resultado como comparável ao do rival, com uma demora 40% menor para responder.
