Primäre Verwendung angegeben oder vorsichtig aus offizieller Dokumentation abgeleitet.
X
XAI / grok-voice-3.0
Grok Voice 3.0
Proprietäres Sprachmodell, seit dem 14. Oktober 2026 für bidirektionale Audio- und Textgespräche verfügbar. Die versionierte Kennung lautet grok-voice-3.0; grok-voice-latest verweist bereits auf diese Version und ist kein weiteres Modell. Es ersetzt das abgekündigte Grok Voice 2.0, ohne Endpunkt, Sitzungsparameter oder Ereignisse zu ändern. Nicht mit Grok Voice Transcribe 2.0 oder dem separaten Sprachsynthesedienst verwechseln.
01 / ZUSAMMENFASSUNG
Das Wesentliche
Maximale Eingabekapazität bei Veröffentlichung durch die Quelle.
Dokumentierte maximale Erzeugungsgrenze.
Verifizierte Verfügbarkeitskanäle.
Primäre Funktionsfamilie und verifizierte Spezialisierungen.
Deklarierte Bedingungen für API, Gewichte oder Self-Hosting.
02 / TECHNISCHES DATENBLATT
Limits und Integration
| API-ID | grok-voice-3.0 |
|---|---|
| Modelltyp | Sprache und Audio |
| Zugangsmodell | Kostenpflichtig proprietär |
| Lizenz | Proprietär |
| Einsatz | Gehostete API |
| Veröffentlichung | 14 OCT 2026 |
| Wissensstichtag | Nicht veröffentlicht |
| Eingang | Text · Audio |
| Ausfahrt | Text · Audio |
| Kontextfenster | Kontextfenster nicht veröffentlicht |
| maximale Leistung | Audio und Text im Streaming; Höchstwert nicht veröffentlicht |
| Argumentation | Aufwand high oder none; standardmäßig high |
| Veröffentlichte Tools | Funktionen · Websuche · Suche auf X · MCP · Suche in Sammlungen |
| Strukturierte Ausflüge | Nicht veröffentlicht |
| Stapelverarbeitung | Nicht veröffentlicht |
| Prompt-Cache | Nicht veröffentlicht |
| Feinabstimmung | Nicht veröffentlicht |
| Verifizierte Plattformen | xAI-API |
Sprachassistenten, Telefonagenten und mehrsprachige Interaktion mit Werkzeugen. Die Dokumentation nennt Spanisch, Englisch, Französisch, Italienisch, Deutsch und Portugiesisch unter mehr als zwanzig Sprachen. Unterstützt werden automatische Sprecherwechselerkennung, Funktionen und konfigurierter Zugriff auf Suche oder MCP. Werkzeugunterstützung berechtigt nicht zu sensiblen Aktionen: erforderliche menschliche Bestätigungen beibehalten.
Die Begrenzung betrifft gleichzeitige Sitzungen, nicht Tokens: T0, T1, T2, T3 und T4 erlauben jeweils 10, 20, 50, 100 und 200 Sitzungen; die eigenen Teamlimits prüfen. Ein öffentliches Kontextfenster oder eine maximale Dauer wurden nicht verifiziert. Die beworbene Latenz ist kein unabhängiger Benchmark. Im Browser kurzlebige Tokens verwenden und permanente Schlüssel niemals offenlegen. Für reproduzierbare Versionen den latest-Alias vermeiden.
03 / FÄHIGKEITEN
Was es kann
Orientierung
Sprachassistenten, Telefonagenten und mehrsprachige Interaktion mit Werkzeugen. Die Dokumentation nennt Spanisch, Englisch, Französisch, Italienisch, Deutsch und Portugiesisch unter mehr als zwanzig Sprachen. Unterstützt werden automatische Sprecherwechselerkennung, Funktionen und konfigurierter Zugriff auf Suche oder MCP. Werkzeugunterstützung berechtigt nicht zu sensiblen Aktionen: erforderliche menschliche Bestätigungen beibehalten.
Kontext
Kontextfenster nicht veröffentlicht · Audio und Text im Streaming; Höchstwert nicht veröffentlicht
Tools und Integration
Funktionen · Websuche · Suche auf X · MCP · Suche in Sammlungen
Zugang
xAI API · WebSocket /v1/realtime
Eingabemodalitäten
TextAudio
04 / PREISE
Dokumentierte Kosten
| Konzept | Wert | Einheit/Zustand |
|---|---|---|
| Standardeingabe | 0,08 USD / Gesprächsminute | Standardtarif der API |
| Eingabe aus dem Cache | Nicht veröffentlicht | Lesen wiederverwendeter Präfixe |
| Schreiben oder Speichern im Cache | Nicht veröffentlicht | Die Bedingung variiert je nach Anbieter |
| Standardausgabe | 0,004 USD / Texteingabe | Kann Reasoning-Tokens enthalten |
| Batch-Eingabe | Nicht veröffentlicht | Asynchrone Verarbeitung |
| Batch-Ausgabe | Nicht veröffentlicht | Asynchrone Verarbeitung |
Der offizielle Preis beträgt 0,08 USD je Gesprächsminute, entsprechend 4,80 USD pro Stunde, sowie 0,004 USD pro Texteingabe. Die Preise von Voice 2.0 bleiben unverändert. Dies sind keine Preise je Million Tokens: numerische Tokenvergleichsfelder bleiben leer. Separate Transkriptions- und Sprachsynthesedienste verwenden andere Einheiten, die nicht in dieses Profil übernommen werden.
i Die Preise ändern sich und können von Level, Region oder Kontextlänge abhängen. Überprüfen Sie die Quelle, bevor Sie eine Entscheidung treffen.
05 / BEWERTUNGEN
So lesen Sie die Ergebnisse
“
Es wurden keine veröffentlichten numerischen Ergebnisse speziell für Grok Voice 3.0 gefunden. Inferama hat weder eigene Tests durchgeführt noch Ergebnisse von Grok 4.7 oder dem Transkriptionsmodell übertragen. Sinnvolle Tests sollten Sprache, Akzent, Geräusche, Unterbrechungen, Transkripttreue und Werkzeugaktionen kontrollieren sowie genaue Kennung, beobachtete Latenz und tatsächliche Kosten erfassen.
i Wir haben für dieses Modell keine veröffentlichten Benchmarks gefunden.
Inferama hebt nur dann ein „bestes Ergebnis“ hervor, wenn Metrik, Testsatz, Konfiguration und Datum einen gleichwertigen Vergleich ermöglichen. Die Zahlen des Lieferanten werden als Angaben aus eigener Quelle dargestellt.
06 / VERSIONEN
Chronologie
Grok Voice 3.0
Verfügbar; ersetzt Voice 2.0 und aktualisiert den Alias grok-voice-latest.
07 / QUELLEN