Precios de Grok Voice 3.0: lo que realmente cuesta una llamada de soporte

Por qué "$0,08 el minuto" es el número equivocado para presupuestar

Escribo y hago SEO en eesel, así que buena parte de mi trabajo es la distancia entre lo que la gente escribe y lo que realmente quiere decir. Nadie que busca "precios de Grok Voice 3.0" quiere solo la tarifa de lista, que es una sola línea. Quiere saber cuánto costará la línea telefónica por llamada y por mes cuando esté en marcha, que es otro número, y es el de este artículo. También es el número que toda tarifa de lista omite, incluida la página de precios de xAI.

La tarifa de lista en sí es corta. Directamente de la página de precios de xAI, actualizada por última vez el 10 de octubre de 2026:

Hay dos cosas que subrayaría de esta tabla. Primero, la tarifa por minuto es la misma haga lo que haga el modelo dentro de ese minuto. xAI muestra una sola tarifa para grok-voice-3.0, no hay una línea más barata para reasoning.effort en none ni un recargo por pensar mucho. Segundo, el precio no cambió con la actualización. La publicación de lanzamiento de Grok Voice 3.0 lo dice claro: mismo precio que la 2.0, y quien usaba el alias grok-voice-latest pasó automáticamente. Cuando cubrí los precios de Grok Voice 2.0 en agosto, la historia fue una subida del 60 % respecto a la 1.0. Esta vez es lo contrario: obtienes el mejor modelo por el mismo dinero.

Lo que la tabla no tiene es una línea telefónica, y ahí empieza la factura real.

Lo que realmente cuesta una llamada de soporte

Voy a construir una llamada desde cero. La forma que uso es común en líneas de soporte: cuatro minutos de conversación, el agente busca tres veces en tus documentos de ayuda, y tu app inyecta un mensaje de texto (digamos, el historial de pedidos del cliente) al inicio.

Son $0,086 por minuto hablado, o cerca de un 8 % por encima del precio de lista.

Los minutos de Grok son el 93 % de la llamada. Todo lo que la gente llama "cargo oculto" está en el último 7 %. Eso no significa que los extras sean gratis. Significa que no son donde un presupuesto se descontrola, pero los repaso uno por uno igualmente, porque un par de ellos tienen trampa.

La operadora: traes la tuya

Grok Voice 3.0 recibe llamadas telefónicas por SIP, y la guía SIP es clara: registras un número que ya tienes con origin: "byo_trunk". No se admite aprovisionar números de teléfono de SpaceXSI a través de la API, así que una cuenta con una operadora es un requisito, no una opción. La guía tiene pasos de configuración para Twilio y Telnyx y funciona con cualquier proveedor SIP.

La operadora te factura directamente en su propia factura. Esto es lo que cobran las dos operadoras que menciona la documentación por llamadas en EE. UU., según sus propias páginas de precios:

La elección que importa aquí es local frente a gratuito, no Twilio frente a Telnyx. Un número gratuito en Twilio SIP cuesta casi 4 veces más por minuto entrante que uno local, lo que lleva la llamada de 4 minutos de $0,345 a unos $0,384. Para la mayoría de las líneas de soporte sigue siendo poco, pero si manejas una gran línea 800 gratuita, es el detalle de operadora que vale la pena modelar bien. Twilio también cobra $0,0025 por minuto por grabar la llamada si la activas, y las llamadas de emergencia son una cuota mensual por número en ambas ($0,75 en Twilio, $1,5 en Telnyx). Si tu equipo ya trabaja con el contact center de Twilio, mi artículo sobre los precios de Twilio Flex cubre la parte de licencias de esa factura.

Una cosa más para quien compra un contact center. Si los clientes te llaman desde un widget web o tu propia app en lugar de un número de teléfono, no hay operadora, porque Grok también admite sesiones WebSocket y WebRTC. El formato de transmisión es compatible con la OpenAI Realtime API, así que mi explicación de Realtime API vs WebRTC también aplica a esta elección.

Las herramientas: baratas por llamada, con precio por millar

Las herramientas son lo que hace que un agente de voz deje de solo hablar y empiece a hacer algo, y quien haya construido con llamadas a herramientas en tiempo real sabe que son el corazón de un agente de soporte. xAI factura sus herramientas del lado del servidor por invocación:

De esta tabla me quedaron un par de cosas. file_search a $2,50 por 1.000 cuesta la mitad que web_search, así que un agente que responde desde tus propios documentos subidos es más barato por consulta que uno que navega tu sitio público. En las herramientas MCP remotas, xAI dice que no se cobra la invocación, solo los tokens usados. Tus propias herramientas function no tienen ninguna tarifa de xAI, su coste vive en tus propios servidores.

El único coste de almacenamiento al que prestar atención son las colecciones, a $0,10 por GiB al día. Un centro de ayuda rara vez es un gigabyte de texto, así que para la mayoría de los equipos son centavos al mes, pero es un contador diario y corre suene o no el teléfono.

Entradas de texto: cuatro décimas de centavo cada una

Cada mensaje de texto que tu app mete en una sesión en vivo cuesta $0,004. Es el precio de inyectar contexto a mitad de llamada: el estado de la cuenta del cliente, el resultado de una consulta al CRM, una marca de "este cliente es VIP". Una por llamada no es nada. Un patrón en el que tu app envía una actualización de texto cada pocos segundos es donde esta línea empieza a notarse, así que agruparía el contexto en un solo mensaje al inicio de la llamada.

Cuánto cuesta por mes con volúmenes de soporte

Escala la misma forma de llamada (4 minutos, Twilio local, tres consultas, una entrada de texto, 30 días) a tres tamaños de equipo habituales:

Esa es la versión limpia. La versión desordenada tiene silencio, y en mi opinión es la línea que la mayoría de los presupuestos pasa por alto. Una llamada de soporte no termina en el momento en que se resuelve el problema. Está el "¿algo más?", el cliente que se va a buscar un recibo, los cinco segundos de silencio antes de que alguien cuelgue. xAI factura la sesión por minuto y su documentación no excluye el silencio, así que presupuestaría como si cada minuto abierto se facturara.

Haz las cuentas con 500 llamadas al día: 20 segundos de silencio por llamada suman unos $400 al mes, más que la operadora, las herramientas y las entradas de texto juntas ($376,50). El modelo tiene un ajuste justo para esto: idle_timeout_ms vuelve a hablarle a un cliente callado tras una pausa fijada, y la guía SIP documenta una llamada hangup que tu app puede lanzar cuando la conversación termina. Configurar ambos es la optimización de costes más barata de todo el artículo.

Pon tus propios números. Este estimador es distinto del de la reseña de Grok Voice 3.0 de mi colega, que dimensiona tu nivel de concurrencia: este calcula el precio de la llamada completa, desglosa cada partida y también da el coste por llamada que la IA realmente resuelve.

El último número, el coste por llamada resuelta por la IA, es el que pondría delante de un equipo de finanzas. Con una tasa de resolución del 50 %, el caso por defecto sale en unos $0,75 por llamada resuelta, porque también pagas las llamadas que terminan en traspaso. xAI dice que los call centers de Starlink resuelven cerca del 70 % de 20.000 llamadas diarias sin humano, pero es una empresa hermana informando sobre sí misma, así que empezaría mi propia previsión más baja y la subiría con datos reales. Mi desglose del coste por resolución explica por qué esta métrica sobrevive a una revisión de presupuesto, y la comparación del coste de un agente de IA frente a uno humano la pone junto a un salario.

Niveles de concurrencia: un prepago, no una cuota

El único coste de Grok Voice 3.0 que parece un cargo oculto no lo es. Las sesiones concurrentes, el número de llamadas que puedes tener a la vez, escalan con tu gasto acumulado en la API de xAI desde el 1 de enero de 2026, según la página de límites de tasa:

Los niveles cuentan las compras de crédito prepagado y las facturas pagadas, y nunca bajan. Así que el dinero que desbloquea un nivel es dinero que gastarías en llamadas de todos modos, es más una cuestión de flujo de caja que un coste extra. Con 500 llamadas al día superas los $5.000 en tu primer mes y el techo deja de importar.

Donde sí muerde es en el piloto. Una cuenta nueva que quiere probar 50 llamadas simultáneas tiene que meter primero $250 de crédito. Es poco, pero he visto en nuestras propias llamadas de ventas lo rápido que corre el uso de prueba: un comprador con quien hablé consumió 200 interacciones en un solo día de pruebas y empezó a preocuparse por el coste por interacción a escala antes de terminar el piloto. El precio por uso hace que probar parezca caro aunque no lo sea, así que fija un presupuesto de pruebas desde el principio y trátalo como el coste de aprender.

Cómo se compara el precio de Grok con otras APIs de voz

Aquí es donde creo que la cobertura del lanzamiento hace mal la comparación, y en ambas direcciones. Todos los números de abajo vienen de la página de precios del propio proveedor:

La cifra de Gemini necesita una línea de explicación. Google cobra por separado el audio de entrada y el de salida, así que un minuto en el que el cliente transmite audio todo el tiempo y el agente también habla todo el tiempo costaría como máximo $0,023. En una llamada real el agente habla quizá la mitad del tiempo, lo que acerca el coste a $0,014 por minuto, antes de los tokens de thinking. Solo por precio de lista, eso es una fracción de Grok.

¿Es entonces caro Grok? No cuando estás valorando el mismo trabajo. Los $0,05 de GPT-Live-1 compran solo la capa de voz, y tú eliges y pagas el modelo que hay detrás, algo que repasa mi artículo sobre los precios de GPT-Live-1. ElevenLabs tiene la misma forma, $0,08 más un LLM, y mi desglose de los precios de ElevenLabs tiene los detalles de los planes. El nivel Standard de Deepgram es el paquete más comparable, 0,5 centavos más barato por minuto.

Artificial Analysis, que evalúa estos modelos con las mismas tareas, midió el coste total de ejecutar cada uno y encontró que la diferencia es mucho menor de lo que sugieren los precios de lista:

"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

Esa es la lectura honesta. Una vez contado el razonamiento, Grok queda en medio del grupo de vanguardia en coste, ni arriba ni abajo, y la propia publicación de lanzamiento de xAI presenta su ventaja como coste por tarea en ese benchmark, no como coste por minuto. Ten en cuenta también que Artificial Analysis dice que su cifra de coste no incluye las llamadas a herramientas, así que suma la sección de herramientas de arriba a cualquiera de estos números.

Si prefieres comprar una plataforma entera en lugar de una API, el modelo de precios vuelve a cambiar. Los precios de Retell AI y Vapi añaden su propia cuota de plataforma por minuto sobre el modelo, y el Voice Agent Builder de xAI es la vía sin código con la misma voz.

Si vives dentro de un helpdesk, mira primero qué trae de forma nativa, los agentes de voz con IA de Zendesk son un ejemplo. Mi repaso de los mejores agentes de voz con IA compara las opciones empaquetadas.

Cuatro formas de bajar una factura de Grok Voice

Como el 93 % de la factura son minutos, casi todo ahorro también va de minutos. Estas son las que haría yo, por orden de esfuerzo:

1. Deja de pagar el silencio. Configura idle_timeout_ms y lanza el endpoint hangup cuando el cliente termine. En la línea de 500 llamadas al día, esto solo vale más que todos los demás extras juntos.
2. Inyecta el contexto una vez. Envía los datos de la cuenta del cliente como una sola entrada de texto al inicio, no como un flujo de actualizaciones. Cada mensaje cuesta $0,004.
3. Responde desde tus propios documentos. file_search a $2,50 por 1.000 cuesta la mitad que web_search, y un agente que lee tus propias políticas es también el que da la respuesta correcta. Mantén ligera la colección subida, porque el almacenamiento es un contador diario.
4. Usa números locales donde puedas. El entrante gratuito en Twilio SIP es unas 4 veces la tarifa local. Para una línea de soporte nacional es una decisión de marca, pero conviene saber su precio.

Lo que no haría es perseguir un modelo más barato por minuto solo para ahorrar un centavo. Un modelo que falla más llamadas las alarga y manda más de ellas a una persona, lo que cuesta mucho más que la diferencia de tarifa. El traspaso del agente de IA en una llamada fallida es donde está el dinero de verdad.

¿Vale la pena Grok Voice 3.0 por su precio?

Para un equipo que pone una IA al teléfono, creo que sí, y las cuentas del ROI de un call center suelen coincidir. Obtienes el mejor modelo del índice de voz de Artificial Analysis, una tarifa plana que incluye razonamiento y ninguna cuota de plataforma, lo que facilita la previsión. El coste total de una llamada de 4 minutos es de unos 35 centavos, y los extras de los que te advirtieron son un error de redondeo frente al tiempo de conversación.

Encaja peor si necesitas el precio de lista más bajo posible para llamadas cortas y simples (Gemini 3.8 Live y GPT-Live-1 listan menos y te dejan elegir un modelo más ligero), o si quieres una plataforma sin código con analítica encima. Para esos casos, mi lista de alternativas a Grok Voice 2.0 y el artículo más amplio de alternativas a xAI siguen mapeando el terreno, y ¿puede la IA atender llamadas de soporte? es una buena comprobación de intuición antes de todo esto.

Lo que ningún precio de voz incluye es conocimiento. Cada número de arriba paga a un modelo por mantener una conversación, y ninguno le dice al modelo tu plazo de reembolso ni qué clientes reciben el crédito de cortesía. Una voz barata y rápida leyendo la política equivocada sigue siendo la política equivocada, y es el fallo más común que veo en los despliegues de soporte por voz. Para líneas de ecommerce en concreto, mi guía de soporte telefónico con IA explica qué llamadas entregar primero.

Grok pone precio al minuto. eesel se ocupa de lo que se dice.

Si tu línea telefónica está delante de una cola de tickets, el modelo de voz es la mitad del sistema. eesel es la otra mitad: un compañero de helpdesk con IA que se une a Zendesk, Freshdesk o Gorgias y aprende de tus tickets anteriores y tu centro de ayuda. Trabaja la cola de correo y chat a la que acaba desbordándose toda llamada telefónica. Antes de ponerlo en marcha puedes ejecutarlo contra tus propios tickets históricos y ver cómo se comparan sus respuestas con lo que tu equipo realmente envió, que es como querría probar cualquier cosa que hable con clientes.

Para quienes construyen, ambos pueden encontrarse a medio camino. La herramienta mcp de Grok acepta una URL de servidor y encabezados, y cada workspace de eesel es también un servidor MCP: el comando eesel mcp token de la CLI de eesel imprime lo que un cliente MCP necesita para conectarse. La misma CLI te permite automatizar el agente desde una terminal o dárselo a un agente de código como Claude Code. No he probado esa combinación en una línea telefónica real, así que tómala como una construcción prometedora, y recuerda que las llamadas MCP remotas en xAI no tienen cargo por invocación.

El precio también tiene otra forma que el de una API de voz: eesel es un plan mensual fijo de créditos, $299 al mes por 500 créditos, donde un ticket o chat cuenta como un crédito, con 100 créditos gratis para probar. Pagas por ticket atendido, no por minuto de conversación. Prueba eesel con una parte de tu cola antes de tu próximo piloto de voz, para que el agente al teléfono tenga algo que valga la pena decir.