Imagen para ayudar a comprender el artículo
Disponible de inmediato para desarrolladores
xAI presentó el 14 de octubre de 2026 Grok Voice 3.0, la nueva versión de su modelo de inteligencia artificial para conversaciones por voz. La herramienta ya está disponible mediante Voice Agent API y, según la compañía, tarda menos de un segundo en comenzar a emitir una respuesta.
El servicio mantiene la tarifa de Grok Voice 2.0: 0,08 dólares por minuto, equivalentes a 4,80 dólares por hora. El modelo utiliza el identificador grok-voice-latest, por lo que los desarrolladores que ya trabajaban con ese alias pasan automáticamente a la nueva versión sin modificar su código.
Resultados en razonamiento y conversación simultánea
De acuerdo con los datos divulgados por xAI, Grok Voice 3.0 obtuvo 86,9 puntos en el AA Speech-to-Speech Index, frente a 81,3 de Grok Voice 2.0, 83,2 de GPT-Live-1 —en su configuración Astra, Medium— y 82,6 de Gemini 3.8 Live.
Artificial Analysis, la entidad independiente responsable del índice, explica que la medición combina con el mismo peso pruebas de razonamiento oral, dinámica conversacional y desempeño como agente. Sin embargo, la descripción metodológica publicada por la organización el 23 de junio de 2026 todavía no incluía resultados de Grok Voice 3.0, por lo que las cifras disponibles proceden del anuncio de xAI.
En Big Bench Audio, la nueva versión alcanzó un 98,5% en razonamiento, según la empresa. El costo estimado por tarea fue de unos 2,5 centavos de dólar, por debajo de los 3 centavos de GPT-Live-1 y los 5,5 centavos de GPT-Realtime-2.1.
xAI también situó al modelo en 1070 puntos Elo dentro de Speech Agent Arena, por encima de los 1048 de GPT-Live-1, y le atribuyó una tasa de éxito en tareas del 94,8%. En Full Duplex Bench, una prueba centrada en conversaciones donde ambas partes pueden hablar e interrumpirse, Grok Voice 3.0 registró un 97%.
GPT-Live-1 conserva ventaja en una prueba
El modelo de xAI no encabezó todas las evaluaciones. En τ-Voice, GPT-Live-1 obtuvo un 74,5%, frente al 71,6% de Grok Voice 3.0. Gemini 3.8 Live alcanzó un 68,6% y la versión anterior de Grok quedó en un 56,5%.
xAI sostuvo que su modelo presenta una latencia aproximadamente un 40% menor que GPT-Live-1 y vinculó esa rapidez con una contrapartida en precisión dentro de τ-Voice. En otras palabras, la compañía plantea que el sistema prioriza una respuesta más veloz, aunque su rival logra un resultado superior en esa prueba específica.
Uso empresarial y operaciones a gran escala
En EVA-Bench Accuracy, el índice de ServiceNow para agentes de voz empresariales, Grok Voice 3.0 alcanzó un 74%, de acuerdo con xAI.
La tecnología ya se utiliza en operaciones de compañías vinculadas al ecosistema de Elon Musk. Tesla procesa diariamente millones de conversaciones con el modelo, mientras que Starlink gestiona alrededor de 20.000 llamadas de clientes al día y resuelve el 70% sin intervención humana.
Comentarios
Publicar un comentario