Uso principal declarado o inferido con cautela desde la documentación oficial.
X
XAI / grok-voice-3.0
Grok Voice 3.0
Modelo propietario de voz disponible desde el 14 de octubre de 2026 para conversaciones bidireccionales de audio y texto. El identificador versionado es grok-voice-3.0; grok-voice-latest es un alias que ya apunta a esta versión y no representa otro modelo. Sustituye a Grok Voice 2.0, declarado obsoleto, sin cambiar el endpoint, los parámetros de sesión ni los eventos. No debe confundirse con Grok Voice Transcribe 2.0 ni con el servicio separado de síntesis de voz.
01 / RESUMEN
Lo esencial
Capacidad máxima de entrada cuando la fuente la publica.
Límite máximo de generación documentado.
Canales de disponibilidad verificados.
Familia funcional principal y especialidades verificadas.
Condiciones declaradas para API, pesos o despliegue propio.
02 / FICHA TÉCNICA
Límites e integración
| ID de API | grok-voice-3.0 |
|---|---|
| Tipo de modelo | Voz y audio |
| Modelo de acceso | Propietario de pago |
| Licencia | Propietaria |
| Despliegue | API alojada |
| Lanzamiento | 14 OCT 2026 |
| Corte de conocimiento | No publicado |
| Entrada | Texto · Audio |
| Salida | Texto · Audio |
| Ventana de contexto | Ventana de contexto no publicada |
| Salida máxima | Audio y texto en streaming; máximo no publicado |
| Razonamiento | Esfuerzo high o none; high por defecto |
| Herramientas publicadas | Funciones · Búsqueda web · Búsqueda en X · MCP · Búsqueda en colecciones |
| Salidas estructuradas | No publicado |
| Procesamiento por lotes | No publicado |
| Caché de prompts | No publicado |
| Ajuste fino | No publicado |
| Plataformas verificadas | xAI API |
Asistentes hablados, agentes telefónicos e interacción multilingüe con herramientas. La documentación incluye español, inglés, francés, italiano, alemán y portugués entre más de veinte idiomas. Permite detección automática de turnos, funciones y acceso configurado a búsquedas o MCP. La compatibilidad con herramientas no autoriza acciones sensibles: conserva la confirmación humana cuando corresponda.
El límite depende de sesiones simultáneas, no de tokens: los niveles T0, T1, T2, T3 y T4 permiten respectivamente 10, 20, 50, 100 y 200 sesiones; consulta los límites de tu equipo. No hemos verificado una ventana de contexto ni una duración máxima pública. La latencia anunciada no es un benchmark independiente. Usa tokens efímeros en navegadores y no expongas la clave permanente. Para fijar una versión reproducible evita el alias latest.
03 / CAPACIDADES
Qué puede hacer
Orientación
Asistentes hablados, agentes telefónicos e interacción multilingüe con herramientas. La documentación incluye español, inglés, francés, italiano, alemán y portugués entre más de veinte idiomas. Permite detección automática de turnos, funciones y acceso configurado a búsquedas o MCP. La compatibilidad con herramientas no autoriza acciones sensibles: conserva la confirmación humana cuando corresponda.
Contexto
Ventana de contexto no publicada · Audio y texto en streaming; máximo no publicado
Herramientas e integración
Funciones · Búsqueda web · Búsqueda en X · MCP · Búsqueda en colecciones
Acceso
xAI API · WebSocket /v1/realtime
Modalidades de entrada
TextoAudio
04 / PRECIOS
Coste documentado
| Concepto | Valor | Unidad / condición |
|---|---|---|
| Entrada estándar | 0,08 USD / minuto de conversación | Tarifa estándar de API |
| Entrada en caché | No publicado | Lectura de prefijos reutilizados |
| Escritura o almacenamiento de caché | No publicado | La condición varía según proveedor |
| Salida estándar | 0,004 USD / entrada de texto | Puede incluir tokens de razonamiento |
| Entrada por lotes | No publicado | Procesamiento asíncrono |
| Salida por lotes | No publicado | Procesamiento asíncrono |
La tarifa oficial es 0,08 USD por minuto de conversación, equivalente a 4,80 USD por hora, y 0,004 USD por entrada de texto. Se mantiene el precio de Voice 2.0. No es una tarifa por millón de tokens: los campos numéricos de comparación de tokens quedan vacíos. Los servicios separados de transcripción y síntesis tienen otras unidades y no se trasladan a esta ficha.
i Los precios cambian y pueden depender del nivel, la región o la longitud del contexto. Revisa la fuente antes de tomar una decisión.
05 / EVALUACIONES
Cómo leer los resultados
“
No hemos localizado puntuaciones numéricas publicadas específicamente para Grok Voice 3.0. Inferama no ha ejecutado una evaluación propia ni transfiere resultados de Grok 4.7 o del modelo de transcripción. Una prueba útil debe controlar idioma, acento, ruido, interrupciones, fidelidad de las transcripciones y acciones de herramientas; también registrar el identificador exacto, latencia observada y coste real.
i No hemos localizado benchmarks publicados para este modelo.
Inferama solo destaca un «mejor resultado» cuando la métrica, el conjunto de prueba, la configuración y la fecha permiten una comparación equivalente. Las cifras del proveedor se presentan como afirmaciones de su propia fuente.
06 / VERSIONES
Cronología
Grok Voice 3.0
Disponible; reemplaza Voice 2.0 y actualiza el alias grok-voice-latest.
07 / FUENTES