Grok Voice 3.0 Preise: Was ein Support-Anruf wirklich kostet

Warum „0,08 $ pro Minute" die falsche Zahl für Ihr Budget ist

Ich schreibe und mache SEO bei eesel, daher besteht ein großer Teil meiner Arbeit aus der Lücke zwischen dem, was Leute eintippen, und dem, was sie damit meinen. Wer nach „Grok Voice 3.0 Preise" sucht, will nicht nur die Preisliste, die ist eine einzige Zeile. Er will wissen, was die Telefonleitung pro Anruf und pro Monat kostet, sobald sie live ist. Das ist eine andere Zahl, und um sie geht es in diesem Beitrag. Es ist auch die Zahl, die jede Preisliste weglässt, auch die xAI-Preisseite.

Die Preisliste selbst ist kurz. Direkt von der xAI-Preisseite, zuletzt aktualisiert am 10. Oktober 2026:

Zwei Dinge möchte ich in dieser Tabelle unterstreichen. Erstens: Der Minutenpreis ist derselbe, egal was das Modell innerhalb der Minute tut. xAI nennt einen einzigen Tarif für grok-voice-3.0, es gibt keine günstigere Zeile für reasoning.effort auf none und keinen Aufschlag für langes Nachdenken. Zweitens: Der Preis hat sich mit dem Upgrade nicht verändert. Der Launch-Beitrag zu Grok Voice 3.0 sagt es klar: gleicher Preis wie 2.0, und wer den Alias grok-voice-latest nutzte, wurde automatisch umgestellt. Als ich im August über die Grok Voice 2.0 Preise schrieb, war die Geschichte ein Sprung von 60 % gegenüber 1.0. Diesmal ist es umgekehrt: Sie bekommen das bessere Modell zum selben Geld.

Was in der Tabelle fehlt, ist eine Telefonleitung, und dort beginnt die echte Rechnung.

Was ein Support-Anruf tatsächlich kostet

Ich baue einen Anruf von Grund auf auf. Die Form, die ich verwende, ist an Support-Leitungen häufig: vier Minuten Gespräch, der Agent durchsucht Ihre Hilfedokumente dreimal, und Ihre App fügt eine Textnachricht ein (etwa die Bestellhistorie des Anrufers) am Anfang.

Das sind 0,086 $ pro Gesprächsminute, also etwa 8 % über dem Listenpreis.

Die Grok-Minuten machen 93 % des Anrufs aus. Alles, was man „versteckte Gebühr" nennt, steckt in den letzten 7 %. Das heißt nicht, dass die Zusatzposten gratis sind. Es heißt, dass hier nicht das Budget kippt, aber ich gehe trotzdem jeden einzeln durch, weil ein paar davon einen Haken haben.

Der Carrier: Sie bringen Ihren eigenen mit

Grok Voice 3.0 nimmt Telefonanrufe per SIP an, und der SIP-Leitfaden ist eindeutig: Sie registrieren eine Nummer, die Sie schon besitzen, mit origin: "byo_trunk". Die Bereitstellung von SpaceXSI-Telefonnummern über die API wird nicht unterstützt, ein Carrier-Konto ist also Pflicht, keine Option. Der Leitfaden enthält Einrichtungsschritte für Twilio und Telnyx und funktioniert mit jedem SIP-Anbieter.

Der Carrier rechnet direkt auf seiner eigenen Rechnung ab. So viel verlangen die beiden in der Doku genannten Carrier für US-Anrufe, laut ihren eigenen Preisseiten:

Entscheidend ist hier lokal gegen gebührenfrei, nicht Twilio gegen Telnyx. Eine gebührenfreie Nummer bei Twilio SIP kostet pro eingehender Minute fast 4-mal so viel wie eine lokale, wodurch der 4-Minuten-Anruf von 0,345 $ auf etwa 0,384 $ steigt. Für die meisten Support-Leitungen ist das immer noch wenig, aber wenn Sie eine große gebührenfreie 800er-Leitung betreiben, ist es das eine Carrier-Detail, das Sie sauber durchrechnen sollten. Twilio berechnet außerdem 0,0025 $ pro Minute für Gesprächsaufzeichnung, wenn Sie sie einschalten, und der Notruf ist bei beiden eine monatliche Gebühr pro Nummer (0,75 $ bei Twilio, 1,5 $ bei Telnyx). Wenn Ihr Team schon auf dem Contact Center von Twilio läuft, behandelt mein Beitrag zu den Twilio Flex Preisen die Nutzerseite dieser Rechnung.

Noch etwas für Contact-Center-Käufer. Erreichen Anrufer Sie über ein Web-Widget oder Ihre eigene App statt über eine Telefonnummer, gibt es gar keinen Carrier, denn Grok nimmt auch WebSocket- und WebRTC-Sitzungen an. Das Wire-Format ist mit der OpenAI Realtime API kompatibel, daher gilt mein Erklärstück zu Realtime API vs WebRTC auch für diese Wahl.

Die Tools: günstig pro Aufruf, berechnet pro Tausend

Tools sind der Weg, wie ein Voice-Agent nicht nur redet, sondern etwas tut, und wer mit Realtime Tool Calls gebaut hat, weiß, dass sie das Herz eines Support-Agenten sind. xAI berechnet seine serverseitigen Tools pro Aufruf:

Ein paar Dinge fielen mir an dieser Tabelle auf. file_search kostet mit 2,50 $ pro 1.000 die Hälfte von web_search, ein Agent, der aus Ihren eigenen hochgeladenen Dokumenten antwortet, ist pro Abfrage also günstiger als einer, der Ihre öffentliche Website durchsucht. Bei Remote-MCP-Tools sagt xAI, dass der Aufruf nichts kostet, nur eventuell verbrauchte Tokens. Ihre eigenen function-Tools haben überhaupt keine xAI-Gebühr, deren Kosten fallen auf Ihren eigenen Servern an.

Die eine Speicherposition, die man im Auge behalten sollte, sind die Collections mit 0,10 $ pro GiB und Tag. Ein Help Center ist selten ein Gigabyte Text, für die meisten Teams sind das also Cent im Monat, aber es ist ein Tageszähler und läuft, ob das Telefon klingelt oder nicht.

Texteingaben: vier Zehntel Cent pro Stück

Jede Textnachricht, die Ihre App in eine laufende Sitzung schiebt, kostet 0,004 $. Das ist der Preis dafür, mitten im Anruf Kontext einzuspielen: den Kontostatus des Anrufers, ein CRM-Ergebnis, ein „dieser Kunde ist VIP"-Flag. Eine pro Anruf ist nichts. Ein Muster, bei dem Ihre App alle paar Sekunden ein Text-Update streamt, lässt diese Zeile sichtbar werden, daher würde ich den Kontext in einer Nachricht zu Gesprächsbeginn bündeln.

Was es pro Monat bei Support-Volumen kostet

Skalieren Sie dieselbe Anrufform (4 Minuten, Twilio lokal, drei Abfragen, eine Texteingabe, 30 Tage) auf drei übliche Teamgrößen:

Das ist die saubere Version. Die unsaubere Version enthält Leerlauf, und meiner Meinung nach ist das die Zeile, die die meisten Budgets übersehen. Ein Support-Anruf endet nicht in dem Moment, in dem das Problem gelöst ist. Da ist das „Noch etwas?", der Anrufer, der losgeht, um einen Beleg zu suchen, die fünf Sekunden Stille, bevor jemand auflegt. xAI rechnet die Sitzung pro Minute ab, und die Doku nimmt Stille nicht aus, also würde ich budgetieren, als wäre jede offene Minute abgerechnet.

Rechnen Sie bei 500 Anrufen pro Tag: 20 Sekunden Leerlauf pro Anruf kosten etwa 400 $ im Monat, mehr als Carrier, Tools und Texteingaben zusammen (376,50 $). Das Modell hat dafür eine Einstellung: idle_timeout_ms spricht einen schweigenden Anrufer nach einer festgelegten Pause wieder an, und der SIP-Leitfaden dokumentiert einen hangup-Aufruf, den Ihre App auslösen kann, wenn das Gespräch vorbei ist. Beides einzurichten ist die günstigste Kostenoptimierung im ganzen Beitrag.

Setzen Sie Ihre eigenen Zahlen ein. Dieser Rechner unterscheidet sich von dem im Grok Voice 3.0 Review meines Kollegen, der Ihre Concurrency-Stufe bemisst: Dieser hier bepreist den ganzen Anruf, schlüsselt jeden Posten auf und nennt auch die Kosten pro Anruf, den die KI tatsächlich löst.

Die letzte Zahl, die Kosten pro von der KI gelöstem Anruf, würde ich einem Finanzteam vorlegen. Bei einer Lösungsquote von 50 % ergeben sich im Standardfall etwa 0,75 $ pro gelöstem Anruf, weil Sie auch die Anrufe bezahlen, die in einer Übergabe enden. xAI sagt, die Starlink-Callcenter lösten rund 70 % von 20.000 täglichen Anrufen ohne Mensch, aber das ist ein Schwesterunternehmen, das über sich selbst berichtet, also würde ich meine eigene Prognose niedriger ansetzen und mit echten Daten anheben. Meine Aufschlüsselung der Kosten pro Lösung erklärt, warum diese Kennzahl eine Budgetrunde übersteht, und der Vergleich der Kosten von KI- und menschlichen Agenten stellt sie neben ein Gehalt.

Concurrency-Stufen: eine Vorauszahlung, keine Gebühr

Die eine Position bei Grok Voice 3.0, die sich wie eine versteckte Gebühr anfühlt, ist keine. Gleichzeitige Sitzungen, also die Zahl der Anrufe, die Sie parallel führen können, skalieren mit Ihren Gesamtausgaben für die xAI-API seit dem 1. Januar 2026, laut der Seite zu den Rate Limits:

Gezählt werden vorausbezahlte Guthabenkäufe und bezahlte Rechnungen, und die Stufen werden nie herabgestuft. Das Geld, das eine Stufe freischaltet, würden Sie ohnehin für Anrufe ausgeben, es ist also eher eine Liquiditätsfrage als ein Zusatzposten. Bei 500 Anrufen pro Tag überschreiten Sie 5.000 $ schon im ersten Monat, und die Obergrenze spielt keine Rolle mehr.

Zum Tragen kommt sie im Pilot. Ein brandneues Konto, das 50 gleichzeitige Anrufe testen will, muss zuerst 250 $ Guthaben einzahlen. Das ist wenig, aber ich habe in unseren eigenen Vertriebsgesprächen gesehen, wie schnell Testnutzung hochläuft: Ein Käufer, mit dem ich sprach, verbrauchte an einem einzigen Testtag 200 Interaktionen und machte sich Gedanken über die Kosten pro Interaktion im großen Maßstab, bevor der Pilot überhaupt vorbei war. Nutzungsbasierte Preise lassen Testen teuer wirken, auch wenn es das nicht ist, also legen Sie vorab ein Testbudget fest und behandeln es als Lernkosten.

Wie sich Groks Preis mit anderen Voice-APIs vergleicht

Hier liegt die Berichterstattung zum Launch meiner Meinung nach beim Vergleich daneben, und zwar in beide Richtungen. Jede Zahl unten stammt von der Preisseite des jeweiligen Anbieters:

Gemini braucht eine Zeile Erklärung. Google berechnet Audio rein und Audio raus getrennt, eine Minute, in der der Anrufer durchgehend Audio streamt und der Agent ebenso durchgehend spricht, würde also höchstens 0,023 $ kosten. In einem echten Anruf spricht der Agent vielleicht die Hälfte der Zeit, was näher an 0,014 $ pro Minute liegt, vor Thinking-Tokens. Allein nach Listenpreis ist das ein Bruchteil von Grok.

Ist Grok also teuer? Nicht, wenn Sie dieselbe Arbeit bepreisen. Die 0,05 $ von GPT-Live-1 kaufen nur die Voice-Ebene, das Modell dahinter wählen und bezahlen Sie selbst, was mein Beitrag zu den GPT-Live-1-Preisen durchgeht. ElevenLabs hat dieselbe Form mit 0,08 $ plus LLM, die Tarifdetails stehen in meiner Aufschlüsselung der ElevenLabs-Preise. Die Standard-Stufe von Deepgram ist das Bundle, das am ehesten vergleichbar ist, und 0,5 Cent günstiger pro Minute.

Artificial Analysis, das diese Modelle an denselben Aufgaben testet, hat die Gesamtkosten für jedes gemessen und fand die Spanne viel enger, als die Listenpreise vermuten lassen:

"Grok Voice 3.0 costs $4.80 per hour of input audio, the same as Grok Voice 2.0. That is above GPT-Live-1 (Sol, low) at $4.47 and Gemini 3.8 Live Extended Thinking (High) at $3.50, below GPT-Live-1 (Astra, medium) at $5.83, and ~2.2x cheaper than GPT-Realtime-2.1 High ($10.75)."

Artificial Analysis, X

Das ist die ehrliche Lesart. Rechnet man Reasoning ein, landet Grok bei den Kosten im Mittelfeld der Spitzengruppe, weder oben noch unten, und xAIs eigener Launch-Beitrag stellt seinen Vorteil als Kosten pro Aufgabe in diesem Benchmark dar, nicht als Kosten pro Minute. Beachten Sie auch, dass Artificial Analysis sagt, seine Kostenzahl enthalte keine Tool-Aufrufe, rechnen Sie also den Tools-Abschnitt oben auf jede dieser Zahlen.

Wenn Sie lieber eine ganze Plattform statt einer API kaufen, ändert sich das Preismodell erneut. Retell AI Preise und Vapi legen ihre eigene Plattformgebühr pro Minute über das Modell, und xAIs eigener Voice Agent Builder ist der No-Code-Weg auf derselben Stimme.

Wenn Sie in einem Helpdesk leben, prüfen Sie vor alldem, was er nativ mitbringt, Zendesk Voice-KI-Agenten sind ein Beispiel. Mein Überblick über die besten KI-Voice-Agenten vergleicht die fertigen Optionen.

Vier Wege, eine Grok-Voice-Rechnung zu senken

Weil 93 % der Rechnung Minuten sind, geht fast jede Ersparnis ebenfalls um Minuten. Das würde ich tatsächlich tun, nach Aufwand geordnet:

1. Hören Sie auf, für Stille zu zahlen. Setzen Sie idle_timeout_ms und lösen Sie den hangup-Endpunkt aus, sobald der Anrufer fertig ist. Bei der Leitung mit 500 Anrufen pro Tag ist das allein mehr wert als alle anderen Zusatzposten zusammen.
2. Kontext einmal einspielen. Senden Sie die Kontodaten des Anrufers als eine Texteingabe am Anfang, nicht als Strom von Updates. Jede Nachricht kostet 0,004 $.
3. Aus Ihren eigenen Dokumenten antworten. file_search für 2,50 $ pro 1.000 kostet halb so viel wie web_search, und ein Agent, der Ihre eigenen Richtlinien liest, gibt auch die richtige Antwort. Halten Sie die hochgeladene Collection schlank, denn Speicher ist ein Tageszähler.
4. Lokale Nummern verwenden, wo es geht. Gebührenfrei eingehend kostet bei Twilio SIP etwa das 4-Fache des lokalen Tarifs. Für eine landesweite Support-Leitung ist das eine Branding-Entscheidung, aber den Preis dafür sollten Sie kennen.

Was ich nicht tun würde, ist, ein günstigeres Modell pro Minute zu jagen, nur um einen Cent zu sparen. Ein Modell, das mehr Anrufe nicht schafft, verlängert die Anrufe und schiebt mehr davon an einen Menschen, was weit mehr kostet als der Tarifunterschied. Bei der KI-Agent-Übergabe nach einem gescheiterten Anruf liegt das echte Geld.

Lohnt sich Grok Voice 3.0 für den Preis?

Für ein Team, das eine KI ans Telefon setzt, denke ich ja, und die Rechnung zum Call-Center-ROI stimmt meist zu. Sie bekommen das Spitzenmodell im Artificial Analysis Speech Index, einen Pauschaltarif inklusive Reasoning und keine Plattformgebühr, was die Prognose leicht macht. Die Gesamtkosten eines 4-Minuten-Anrufs liegen bei etwa 35 Cent, und die Extras, vor denen man Sie gewarnt hat, sind neben der Gesprächszeit ein Rundungsfehler.

Weniger passend ist es, wenn Sie den niedrigstmöglichen Listenpreis für kurze, einfache Anrufe brauchen (Gemini 3.8 Live und GPT-Live-1 listen beide niedriger und lassen Sie ein leichteres Modell wählen) oder eine No-Code-Plattform mit Analytics obendrauf wollen. Für diese Fälle zeichnen meine Liste der Grok Voice 2.0 Alternativen und der breitere Beitrag zu xAI-Alternativen das Feld weiterhin, und kann KI Support-Anrufe beantworten ist ein guter Bauchcheck vor alldem.

Was kein Voice-Preis enthält, ist Wissen. Jede Zahl oben bezahlt ein Modell, das ein Gespräch führt, und keine sagt dem Modell Ihre Rückgabefrist oder welche Kunden die Kulanzgutschrift bekommen. Eine günstige, schnelle Stimme, die die falsche Richtlinie vorliest, bleibt die falsche Richtlinie, und das ist der häufigste Fehler, den ich bei Voice-Support-Rollouts sehe. Speziell für E-Commerce-Leitungen geht mein Leitfaden zum KI-Telefon-Support darauf ein, welche Anrufe Sie zuerst abgeben sollten.

Grok bepreist die Minute. eesel kümmert sich darum, was gesagt wird.

Wenn Ihre Telefonleitung vor einer Ticket-Warteschlange sitzt, ist das Voice-Modell nur die halbe Lösung. eesel ist die andere Hälfte: ein KI-Helpdesk-Teammitglied, das Zendesk, Freshdesk oder Gorgias beitritt und aus Ihren bisherigen Tickets und dem Help Center lernt. Es arbeitet die E-Mail- und Chat-Warteschlange ab, in die jeder Telefonanruf irgendwann überläuft. Bevor es live geht, können Sie es gegen Ihre eigenen historischen Tickets laufen lassen und sehen, wie seine Antworten mit dem verglichen werden, was Ihr Team tatsächlich gesendet hat, und so würde ich alles testen wollen, was mit Kunden spricht.

Für Entwickler können sich beide in der Mitte treffen. Groks mcp-Tool nimmt eine Server-URL und Header entgegen, und jeder eesel-Workspace ist auch ein MCP-Server: Der Befehl eesel mcp token der eesel CLI gibt aus, was ein MCP-Client zum Verbinden braucht. Dieselbe CLI lässt Sie den Agenten aus einem Terminal skripten oder an einen Coding-Agenten wie Claude Code übergeben. Ich habe diese Kombination nicht an einer echten Telefonleitung betrieben, betrachten Sie sie also als vielversprechenden Ansatz, und denken Sie daran, dass Remote-MCP-Aufrufe bei xAI keine Aufrufgebühr haben.

Auch die Preisgestaltung hat eine andere Form als bei einer Voice-API: eesel ist ein fester monatlicher Credit-Plan, 299 $ im Monat für 500 Credits, wobei ein Ticket oder Chat einen Credit zählt, mit 100 kostenlosen Credits zum Testen. Sie zahlen pro bearbeitetem Ticket, nicht pro Gesprächsminute. Testen Sie eesel an einem Teil Ihrer Warteschlange, bevor Ihr nächster Voice-Pilot startet, damit der Agent am Telefon etwas Sinnvolles zu sagen hat.