Wie xAI dich tatsächlich abrechnet
Preisseiten für Sprach-KI neigen dazu, die tatsächliche Abrechnungseinheit zu verstecken. xAI tut das nicht: Der Abschnitt Voice API der Preisseite nennt die Abrechnungseinheit direkt zu Beginn, und das sind Audiominuten, keine Token, keine Zeichen, keine „Credits".
Hier die vollständige Preistabelle, jeder Posten, den xAI veröffentlicht, nicht nur die Schlagzeilenzahl:
| Posten | Preis |
|---|---|
| Realtime-Sprachagent | 0,05 $ / Min. (3,00 $ / Std.) |
| Telefonnummer (Telefonie) | +0,01 $ / Min. |
| Realtime-Texteingabe | 0,004 $ / Nachricht |
| Text-zu-Sprache | 15,00 $ / 1 Mio. Zeichen |
| Sprache-zu-Text | 0,10 $ / Std. (REST), 0,20 $ / Std. (Streaming) |
| Websuche | 5 $ / 1.000 Aufrufe |
| X-Suche | 5 $ / 1.000 Aufrufe |
| Dokumenten-/Collections-Suche (RAG) | 2,50 $ / 1.000 Aufrufe |
| Dateianhang-Suche | 10 $ / 1.000 Aufrufe |
| Dateispeicher | 0,025 $ / GiB / Tag |
| Collection-Speicher | 0,10 $ / GiB / Tag |
| Batch API | 20-50 % Rabatt auf Standard-Tokenpreise (nur Text-/Sprachmodelle) |
| Priority Processing | 2-facher Aufpreis auf Standardtarife |
Zwei Dinge fallen auf, sobald man die ganze Tabelle sieht. Erstens sind der Sprachtarif und der Telefonietarif die einzigen zwei Kosten, die sich mit voller Sicherheit einplanen lassen, alles andere skaliert damit, wie sich der Agent im Anruf tatsächlich verhält. Zweitens gibt es keine Zeile für eine monatliche Plattformgebühr oder Sitzplatzlizenz, Groks Abrechnung ist reiner Verbrauch, was für einen Voice-Agent-Builder ungewöhnlich ist und erwähnenswert, wenn du Preise von Abo-Konkurrenten kalkuliert hast.
Was ein echter Anruf tatsächlich kostet
Die Preistabelle sagt dir nur den Preis pro Einheit. Was du eigentlich wissen willst, ist, was ein Anruf kostet, also habe ich es Zeile für Zeile für einen realistischen 5-Minuten-Support-Anruf über eine bereitgestellte Nummer durchgerechnet, einer, der ein paar Tool-Calls auslöst, um etwas nachzuschlagen.
- Sprache: 5 Min. × 0,05 $ = 0,25 $
- Telefonnummer: 5 Min. × 0,01 $ = 0,05 $
- Zwei Websuchen: 2 × 0,005 $ = 0,01 $
- Eine Dokumenten-/Collections-Suche: 1 × 0,0025 $ = 0,0025 $
Das sind ~0,31 $ für einen 5-Minuten-Anruf, bei dem tatsächlich etwas nachgeschlagen wird, gegenüber ~0,30 $ allein für Sprache und Telefonie. Mit anderen Worten: Der Tool-Call-Haken, vor dem xAI im Kleingedruckten warnt, ist real, aber bei einem einzelnen Anruf sind es ein paar Cent, kein Vielfaches. Das zugrunde liegende Grok-Modell rechnet außerdem seinen eigenen Tokenverbrauch für das Denken hinter diesen Tool-Calls ab (1,25-2,50 $ pro 1 Million Token je nach Modell), was normalerweise ein Rundungsfehler neben den Minutenkosten ist, außer der Agent denkt ungewöhnlich lange über etwas nach.
Wo sich das aufsummiert, ist beim Volumen, nicht bei einem einzelnen Anruf.
Was es kostet, wenn du es wirklich im Einsatz hast
Die Rechnung für einen einzelnen Anruf ist beruhigend. Ein Monat an Anrufen ist der Punkt, an dem die Zahl für ein Budgetgespräch relevant wird.
Bei einer durchschnittlichen Anrufdauer von 4 Minuten über eine bereitgestellte Nummer (0,06 $/Min. für Sprache plus Telefonie), vor jeglichen Tool-Call-Kosten:
| Monatliches Anrufvolumen | Nur Sprache + Telefonie |
|---|---|
| 200 Anrufe/Monat | ~48 $ |
| 1.000 Anrufe/Monat | ~240 $ |
| 5.000 Anrufe/Monat | ~1.200 $ |
Kommt eine leichte Schicht an Tool-Calls hinzu (ein paar Lookups pro Anruf, gemäß dem durchgerechneten Beispiel oben), steigt jede Zahl um etwa 5-6 %, sodass die 5.000-Anrufe-Stufe eher bei 1.270 $/Monat landet statt bei 1.200 $. Auf der Preisseite ist bei keiner dieser Stufen ein Mengenrabatt veröffentlicht, der Minutenpreis bleibt gleich, egal ob du 200 oder 50.000 Anrufe machst. Das ist ein fairer Tausch für Planbarkeit, bedeutet aber auch, dass Skalierung dir nicht den besseren Tarif einbringt, den manche Enterprise-Konkurrenten inoffiziell anbieten.
Wie sich der Preis mit OpenAI und ElevenLabs vergleicht
Der Grund, warum xAI mit „0,05 $/Min., branchenführend" wirbt, ist, dass die meisten konkurrierenden Sprach-Stacks keine vergleichbar klare Zahl veröffentlichen.
| Anbieter | Abrechnungseinheit | Effektiver Tarif |
|---|---|---|
| Grok Voice Agent | Pro Minute (pauschal) | 0,05 $/Min. |
| ElevenLabs Agents | Pro Minute (Abo-Stufen) | ~0,08 $/Min., konsistent vom 6-$-Starter-Plan (75 Min.) bis zum 990-$-Business-Plan (12.375 Min.) |
| ElevenLabs API (Pay-per-Use) | Pro Minute | 0,08 $/Min. Speech-Engine-Tarif |
| OpenAI gpt-realtime-2 | Pro Token | 32 $/1 Mio. Input, 64 $/1 Mio. Output Audio-Token, kein veröffentlichter Mischpreis pro Minute |
ElevenLabs ist der nähere der beiden Vergleiche, weil es ebenfalls eine echte Minutenpreiszahl veröffentlicht, und jede seiner Abo-Stufen, vom 6-$-Starter-Plan mit 75 Minuten bis zum 990-$-Business-Plan mit 12.375 Minuten, kommt auf fast genau 0,08 $ pro Minute. Grok unterbietet das allein beim Grund-Sprachtarif um 37,5 %.
OpenAI ist der schwerer greifbare Fall. Die aktuelle Preisseite rechnet gpt-realtime-2 nach Audio-Token ab, nicht nach Minuten, und veröffentlicht überhaupt keine gemischte Minutenschätzung für das Modell, nur zwei engere Modelle (gpt-realtime-translate mit 0,034 $/Min. und gpt-realtime-whisper mit 0,017 $/Min.) haben eine Minutenzahl. Genau deshalb stützt sich xAIs eigener Vergleich auf eine Schätzung statt auf ein Zitat: xAI erklärt, dass „0,10 $/Min. eine sehr konservative gemischte Schätzung ist. In der Praxis liegt der Preis typischerweise über 0,10 $/Min." Das ist xAIs Zahl über einen Konkurrenten, nicht OpenAIs eigener veröffentlichter Tarif, also mit Vorsicht zu genießen, aber die Tatsache, dass OpenAI überhaupt keine vergleichbare Minutenzahl veröffentlicht, ist an sich schon aufschlussreich.
Entwickler, die den Vergleich tatsächlich durchgeführt haben, sprechen nicht nur über Latenz. Eine der überlegteren Stimmen aus der Community, nachdem Grok das Big Bench Audio-Leaderboard anführte, war eine Erinnerung daran, dass Preis und Geschwindigkeit noch bewegliche Ziele sind:
"Good job on getting it to #1 in the benchmark but cost and speed needs work. Though I expect xAI to deliver on cost and speed soon enough."
Die Fallstricke, die man einplanen sollte
Drei Dinge, die der Listenpreis nicht verrät, sehenswert, bevor du dafür eine Budgetposition einplanst:
- Keine kostenlose Stufe. xAIs Preisseite listet nur kostenpflichtige Tarife. Du bekommst eine kostenlose Telefonnummer zum Testen und browserbasiertes Testen, aber kein Nutzungskontingent, um zu prototypisieren, bevor abgerechnet wird.
- Kein veröffentlichter Mengenrabatt. Der Minutenpreis ist bei 200 Anrufen und bei 50.000 Anrufen pro Monat identisch, laut der oben durchgerechneten Tabelle. Wenn du über Enterprise-Volumen verhandelst, findet dieses Gespräch abseits der öffentlichen Seite statt.
- Tool-Calls skalieren mit dem Agentenverhalten, nicht mit der Anrufanzahl. Ein Agent, der bei jedem Turn aggressiv sucht, summiert 5-10 $ pro 1.000 Aufrufe an Tool-Gebühren an, unabhängig davon, wie kurz die Anrufe sind, der eigentliche Hebel für deine Rechnung ist also, wie der Agent promptet und konfiguriert ist, nicht nur, wie viele Minuten er spricht.
Wenn dein Rückstand aus Text besteht, nicht aus Telefonanrufen
Alles oben Genannte dreht sich um Telefon- und Sprachminuten, was eine ganz andere Budgetposition ist als die, die die meisten Support-Teams eigentlich verkleinern wollen: der Stapel an E-Mail- und Chat-Tickets in Zendesk oder Freshdesk. Das ist die Warteschlange, für die ich bei eesel beruflich Automatisierung baue, und der Preisvergleich dort ist überhaupt nicht pro Minute, sondern pro gelöstem Ticket.
eesels Preise liegen bei 0,40 $ pro gelöstem Gespräch, keine Gebühr pro Sitzplatz, kein Plattformminimum, mit den ersten 50 $ Nutzung kostenlos zum Testen an deinen eigenen Tickets. Es lässt sich in Minuten in dein bestehendes Helpdesk integrieren, lernt aus bereits gelösten Tickets und führt eine Simulation anhand deiner Ticket-Historie durch, bevor es je einem echten Kunden antwortet, dasselbe „nicht auf Verdacht handeln"-Problem, an dem Voice-Agent-Builder wie der von Grok noch arbeiten. Smava betreibt einen vollautomatisierten Agenten für über 100.000 Tickets im Monat zu diesem Tarif, und Gridwise löste 73 % der Tier-1-Anfragen im ersten Monat.
Passe die Ausgaben an den Kanal an: Grok Voice für eine Telefonleitung, ein KI-Helpdesk-Agent für die Ticket-Warteschlange. Du kannst eesel kostenlos testen, bevor du dich für eine Seite entscheidest.
