Uso primário declarado ou inferido com cautela a partir da documentação oficial.
X
XAI / grok-voice-3.0
Grok Voice 3.0
Modelo de voz proprietário disponível desde 14 de outubro de 2026 para conversas bidirecionais em áudio e texto. O identificador versionado é grok-voice-3.0; grok-voice-latest é um alias que já aponta para esta versão, não outro modelo. Substitui o Grok Voice 2.0, descontinuado, sem alterar o endpoint, os parâmetros de sessão ou os eventos. Não deve ser confundido com o Grok Voice Transcribe 2.0 nem com o serviço separado de síntese de voz.
01 / RESUMO
O essencial
Capacidade máxima de entrada quando publicada pela fonte.
Limite máximo de geração documentado.
Canais de disponibilidade verificados.
Família funcional principal e especialidades verificadas.
Condições declaradas para API, pesos ou alojamento próprio.
02 / FICHA TÉCNICA
Limites e integração
| ID de API | grok-voice-3.0 |
|---|---|
| Tipo de modelo | Voz e áudio |
| Modelo de acesso | Proprietário pago |
| Licença | Proprietária |
| Implantação | API alojada |
| Lançamento | 14 OCT 2026 |
| Data de corte do conhecimento | Não publicado |
| Entrada | Texto · Áudio |
| Saída | Texto · Áudio |
| Janela de contexto | Janela de contexto não publicada |
| saída máxima | Áudio e texto em streaming; máximo não publicado |
| Raciocínio | Esforço high ou none; high por predefinição |
| Ferramentas publicadas | Funções · Pesquisa na Web · Pesquisa no X · MCP · Pesquisa em coleções |
| Passeios Estruturados | Não publicado |
| Processamento em lote | Não publicado |
| Cache de prompts | Não publicado |
| Ajuste fino | Não publicado |
| Plataformas verificadas | API da xAI |
Assistentes de voz, agentes telefónicos e interação multilingue com ferramentas. A documentação inclui espanhol, inglês, francês, italiano, alemão e português entre mais de vinte idiomas. Permite deteção automática de turnos, funções e acesso configurado a pesquisas ou MCP. O suporte de ferramentas não autoriza ações sensíveis: manter a confirmação humana quando necessário.
O limite refere-se a sessões simultâneas, não a tokens: T0, T1, T2, T3 e T4 permitem respetivamente 10, 20, 50, 100 e 200 sessões; consultar os limites da equipa. Não verificámos uma janela de contexto ou duração máxima pública. A latência anunciada não é um benchmark independente. Usar tokens efémeros nos navegadores sem expor a chave permanente. Evitar o alias latest ao fixar uma versão reproduzível.
03 / CAPACIDADES
O que pode fazer
Orientação
Assistentes de voz, agentes telefónicos e interação multilingue com ferramentas. A documentação inclui espanhol, inglês, francês, italiano, alemão e português entre mais de vinte idiomas. Permite deteção automática de turnos, funções e acesso configurado a pesquisas ou MCP. O suporte de ferramentas não autoriza ações sensíveis: manter a confirmação humana quando necessário.
Contexto
Janela de contexto não publicada · Áudio e texto em streaming; máximo não publicado
Ferramentas e integração
Funções · Pesquisa web · Pesquisa no X · MCP · Pesquisa em coleções
Acesso
API xAI · WebSocket /v1/realtime
Modalidades de entrada
TextoÁudio
04 / PREÇOS
Custo documentado
| Conceito | Valor | Unidade/condição |
|---|---|---|
| Entrada padrão | 0,08 USD / minuto de conversa | Tarifa padrão da API |
| Entrada em cache | Não publicado | Leitura de prefixos reutilizados |
| Escrita ou armazenamento em cache | Não publicado | A condição varia consoante o fornecedor |
| Saída padrão | 0,004 USD / entrada de texto | Pode incluir tokens de raciocínio |
| Entrada por lotes | Não publicado | Processamento assíncrono |
| Saída por lotes | Não publicado | Processamento assíncrono |
A tarifa oficial é 0,08 USD por minuto de conversa, equivalente a 4,80 USD por hora, e 0,004 USD por entrada de texto. Mantém-se o preço do Voice 2.0. Não são tarifas por milhão de tokens: os campos numéricos de comparação de tokens ficam vazios. Os serviços separados de transcrição e síntese usam outras unidades, que não são transferidas para esta ficha.
i Os preços mudam e podem depender do nível, região ou duração do contexto. Verifique a fonte antes de tomar uma decisão.
05 / AVALIAÇÕES
Como ler os resultados
“
Não localizámos pontuações numéricas publicadas especificamente para o Grok Voice 3.0. A Inferama não realizou uma avaliação própria nem transfere resultados do Grok 4.7 ou do modelo de transcrição. Um teste útil deve controlar idioma, sotaque, ruído, interrupções, fidelidade das transcrições e ações das ferramentas, registando o identificador exato, a latência observada e o custo real.
i Não encontrámos benchmarks publicados para este modelo.
O Inferama só destaca o “melhor resultado” quando a métrica, o conjunto de testes, a configuração e a data permitem uma comparação equivalente. Os números do fornecedor são apresentados como declarações de sua própria fonte.
06 / VERSÕES
Cronologia
Grok Voice 3.0
Disponível; substitui o Voice 2.0 e atualiza o alias grok-voice-latest.
07 / FONTES