Grok Voice 3.0: голосовой режим Grok, API и цена

14 октября 2026 года xAI выпустила Grok Voice 3.0 — новую голосовую модель, которая слушает речь и отвечает голосом в реальном времени. По данным компании, задержка ответа меньше секунды, а в API модель стоит столько же, сколько прошлая версия: $0,08 за минуту. Официально модель уже работает в Voice Agent API, в автомобилях Tesla и в голосовом режиме Grok Bot, а на Grok Voice построена поддержка клиентов Starlink.

Ниже разберём, что именно изменилось по сравнению с Grok Voice 2.0, что это значит для обычного голосового чата с Grok, как подключить модель разработчику и что проверить, если голос не работает.

Что такое Grok Voice 3.0

Grok Voice 3.0 — модель класса «речь в речь» (speech-to-speech): вы говорите, она отвечает голосом в реальном времени. xAI называет её самой умной голосовой моделью в мире и делает упор на три вещи: качество разговора, скорость ответа и цену.

Важно отличать саму модель от продуктов. Модель доступна разработчикам через API под идентификатором grok-voice-3.0, а уже внутри продуктов она становится «голосовым помощником»: в машине, на линии поддержки или в чате с ботом.

На сайте x.ai анонс и документация подписаны брендом SpaceXSI; мы для простоты пишем xAI.

Что изменилось по сравнению с Grok Voice 2.0

Главное отличие, по данным xAI, — точность и естественность диалога при той же цене и том же API. Все цифры ниже xAI приводит со ссылкой на независимые замеры Artificial Analysis от 13 октября 2026 года; собственных тестов мы не проводили.

Метрика	Grok Voice 3.0	Grok Voice 2.0	GPT-Live-1 / Gemini 3.8 Live
Индекс AA Speech-to-Speech	86,9	81,3	83,2 / 82,6
Big Bench Audio (рассуждения на слух)	98,5%	97,2%	90,1% / 97,7%
Speech Agent Arena, рейтинг Эло	1070	1011	1048 / 990
Доля выполненных задач	94,8%	94,6%	87,4% / 89,1%
Full Duplex Bench (паузы и перебивания)	97,0%	95,1%	94,9% / 91,9%

В таблице конкуренты указаны в тех режимах, которые выбрала xAI: GPT-Live-1 (Astra, Medium) и Gemini 3.8 Live (Ext. Thinking, High).

Ещё несколько заявлений из анонса

В тесте τ-Voice, где агент разбирает звонки в поддержку с акцентами, фоновым шумом и перебиваниями, у Grok Voice 3.0 71,6%. По словам xAI, это сопоставимо с GPT-Live-1 (Astra), но с задержкой на 40% ниже.
На EVA-Bench, открытом бенчмарке ServiceNow для корпоративных голосовых агентов, модель показала наивысшую точность — 74%.
По замерам Artificial Analysis, одна задача в прогоне Big Bench Audio обходится дешевле, чем у GPT-Live-1 (Astra, Medium) и GPT-Realtime-2.1. Точных сумм в тексте анонса нет.

Как относиться к этим цифрам

Это данные, которые выбрал и опубликовал сам разработчик. Они полезны как ориентир, но не заменяют проверку на ваших сценариях: другой язык, шумный микрофон или длинные инструкции могут дать другую картину.

Где уже работает Grok Voice

В автомобилях Tesla

По данным xAI, модель ведёт миллионы разговоров в день в машинах Tesla. Водитель может голосом через «Connectors» попросить проверить календарь или ответить на письмо, а для задач посложнее, вроде заказа кофе или брони ужина, подключается Grok Bot. Всё это без рук.

На линии поддержки Starlink

Колл-центры Starlink, по словам компании, принимают через Grok Voice 20 000 звонков в день на нескольких языках — в этой фразе анонса версия модели не указана. Примерно 70% обращений решаются без участия человека, а каждый четвёртый звонок по продажам заканчивается покупкой ещё до конца разговора. Отдельно xAI описывает одного агента на Grok Voice 3.0: он проверяет клиента, помогает разобраться с оборудованием, начисляет компенсации и оформляет отправку замены.

В голосовом режиме Grok Bot

В анонсе прямо сказано: Grok Voice 3.0 работает в голосовом режиме Grok Bot. Это помощник xAI, который выполняет задачи на облачном компьютере и доступен в приложениях для компьютера и телефона.

Что это значит для голосового чата в приложении Grok

Здесь нужна точность. В анонсе от 14 октября названы Tesla, SpaceX (Starlink) и Grok Bot. Использует ли Grok Voice 3.0 голосовой режим самого приложения Grok на сайте и в мобильных приложениях, официально не заявлено. Поэтому ждать, что голос в приложении изменился именно 14 октября, пока нет оснований.

Изменений в тарифах голосового режима или новых функций вроде перевода в анонсе тоже нет. Если вы встретили такие новости, сверьте их со страницами xAI. Что входит в подписки, мы разбирали в обзоре тарифов The X Subscription.

Русский язык есть в списке языков, которые поддерживает API Speech to Speech: модель сама определяет язык речи и отвечает на нём же. Но это сведения из документации для разработчиков. Доступность приложений и оплаты из России на этих страницах официально не заявлена.

Если сравниваете голосовых помощников, посмотрите, как устроен голосовой режим ChatGPT, и голосовые функции Gemini в Gmail и Docs.

Как начать голосовой чат в Grok Bot

Шаги ниже взяты из официальной справки Grok Bot. Названия кнопок приводим так, как они указаны в справке.

Откройте чат с нужным ботом.
Оставьте поле сообщения пустым: кнопка звонка появляется только в этом случае.
Нажмите «Start voice chat» — кнопку с волной в поле сообщения.
Разрешите доступ к микрофону, если система спросит.

Во время звонка можно выключить микрофон, открыть расшифровку и в настройках сменить голос, скорость и язык (вариант Auto-detect определяет язык по речи). После звонка в чате появляется карточка с длительностью и полной расшифровкой.

Для мобильного приложения нужен iOS 18 или Android 9 и выше, а также подходящий план: платный Cursor, Cursor Teams или привязанная подписка SuperGrok, SuperGrok Plus или SuperGrok Heavy.

Grok Voice API: как подключить модель

Цена и тарификация

Speech to Speech с grok-voice-3.0 стоит $0,08 за минуту ($4,80 в час) — ровно как grok-voice-2.0. Для сравнения, в том же голосовом наборе синтез речи из текста стоит $15 за 1 млн символов, а распознавание речи — $0,10 в час через обычный запрос (REST) и $0,20 в час в потоковом режиме.

Переход с версии 2.0

Если в коде стоит алиас grok-voice-latest, ничего делать не нужно: он уже указывает на grok-voice-3.0.
Если закреплена grok-voice-2.0, замените параметр model на grok-voice-3.0. Версия 2.0 объявлена устаревшей, дату отключения xAI на этих страницах не называет.
Эндпоинт, параметры сессии и события не изменились. В рабочей версии продукта xAI советует закреплять номер версии, а не алиас.
Отдельно: grok-voice-transcribe-1.0 перестал работать 2 октября 2026 года, запросы к нему уходят на grok-voice-transcribe-2.0 по той же цене.

Что можно настроить в сессии

Подключение идёт по WebSocket к wss://api.x.ai/v1/realtime с параметром модели. Ключ API передают только с сервера, а для браузера и мобильных приложений документация рекомендует короткоживущие токены.

Инструменты: поиск по своим документам (file_search), по вебу (web_search), по X (x_search), удалённые MCP-серверы и собственные функции. Схема собственных функций знакома тем, кто разбирался с потоковыми ответами и вызовом инструментов в Claude API: модель просит вызвать функцию, ваш код возвращает результат.
Рассуждение: по умолчанию reasoning.effort = high, значение none его выключает.
Голоса: общий набор для синтеза речи и Speech to Speech, по умолчанию eve; можно клонировать свой голос по короткой записи.
Телефония: SIP, WebSocket или LiveKit, кодеки G.711.
Совместимость: API совместим с OpenAI Realtime API с небольшими отличиями в событиях; при переезде меняют адрес, ключ и модель.
Возобновление сессии: если его включить, история разговора переживает переподключение и сбрасывается после 30 минут бездействия.

Ограничения и что пока неизвестно

Все показатели качества — из материалов xAI со ссылкой на Artificial Analysis, а не независимый обзор.
Модель в голосовом режиме приложения Grok официально не названа.
Дата отключения grok-voice-2.0 пока не объявлена.
Регионы в карточке модели (us-east-1, eu-west-1, us-saltlake-2) — это площадки серверов, а не список стран, где сервис доступен.
Об оплате и доступе из России на официальных страницах ничего не сказано.

Если голосовой режим Grok не работает

Универсальные шаги, которые подходят и для приложения, и для API:

Проверьте статус сервисов на status.x.ai: если там сбой, остаётся подождать.
Убедитесь, что приложению разрешён микрофон в настройках системы и что микрофон вообще подключён.
Обновите приложение. Именно это советует справка Grok Bot, если кнопка голосового чата не видна.
Проверьте интернет: голос работает в реальном времени, и при обрыве связи звонок прерывается.

Для Grok Bot есть свои особенности. Голосовой чат не запускается в групповых чатах и с командным ботом коллеги, одновременно идёт только один звонок, а на телефоне перед звонком нужно остановить диктовку. При ошибке «Voice chat failed» нажмите «Dismiss», проверьте сеть и начните звонок заново.

Разработчикам стоит проверить идентификатор модели и способ авторизации: браузеры не умеют передавать заголовки WebSocket, поэтому там нужен токен, а не ключ. Если Grok не отвечает совсем, пригодится наш общий разбор, когда Grok молчит.

Частые вопросы

Grok Voice 3.0 и голосовой режим Grok — это одно и то же?

Нет. Grok Voice 3.0 — модель, а голосовой режим — функция продукта. Официально подтверждено, что модель работает в голосовом режиме Grok Bot и в автомобилях Tesla, а на Grok Voice построена поддержка Starlink. Для приложения Grok это пока не заявлено.

Сколько стоит Grok Voice API?

$0,08 за минуту разговора, или $4,80 в час. Цена не изменилась по сравнению с Grok Voice 2.0.

Понимает ли Grok Voice 3.0 русский язык?

В документации Speech to Speech API русский есть в списке поддерживаемых языков, модель определяет язык автоматически. Качество на ваших задачах лучше проверить самостоятельно.

Нужно ли переписывать код при переходе с версии 2.0?

Нет. По документации, API не изменился. Достаточно указать grok-voice-3.0 или уже работать через grok-voice-latest.

Коротко

Grok Voice 3.0 — заметное обновление голосовой модели xAI: по данным компании, она точнее версии 2.0, отвечает быстрее секунды и стоит те же $0,08 за минуту. Её уже используют Tesla и Grok Bot, а разработчики на алиасе grok-voice-latest получили её автоматически. Насчёт приложения Grok и доступа из России официальных данных нет, так что опирайтесь на страницы xAI, а не на слухи. Если вам интересна и текстовая сторона, посмотрите, что нового в текстовой модели Grok 4.7.