Preços do Grok Voice 3.0: quanto uma chamada de suporte realmente custa

Por que "$0,08 por minuto" é o número errado para orçar

Eu escrevo e faço SEO na eesel, então boa parte do meu trabalho é a distância entre o que as pessoas digitam e o que realmente querem dizer. Ninguém que pesquisa "preços do Grok Voice 3.0" quer só a tabela de tarifas, que é uma única linha. Querem saber quanto a linha telefônica vai custar por chamada e por mês quando estiver no ar, que é outro número, e é o assunto deste post. É também o número que toda tabela de tarifas deixa de fora, inclusive a página de preços da xAI.

A tabela de tarifas em si é curta. Direto da página de preços da xAI, atualizada pela última vez em 10 de outubro de 2026:

Há duas coisas que eu sublinharia nesta tabela. Primeiro, a tarifa por minuto é a mesma, faça o modelo o que fizer dentro do minuto. A xAI lista uma única tarifa para o grok-voice-3.0, não há uma linha mais barata para reasoning.effort em none nem sobretaxa por pensar muito. Segundo, o preço não mudou com a atualização. O post de lançamento do Grok Voice 3.0 diz com clareza: mesmo preço da 2.0, e quem usava o alias grok-voice-latest foi migrado automaticamente. Quando cobri os preços do Grok Voice 2.0 em agosto, a história era um salto de 60% em relação à 1.0. Desta vez é o oposto: você recebe o modelo melhor pelo mesmo dinheiro.

O que a tabela não tem é uma linha telefônica, e é aí que a conta real começa.

Quanto uma chamada de suporte realmente custa

Vou montar uma chamada do zero. O formato que uso é comum em linhas de suporte: quatro minutos de conversa, o agente busca três vezes nos seus documentos de ajuda, e seu app injeta uma mensagem de texto (digamos, o histórico de pedidos do cliente) no início.

São $0,086 por minuto falado, cerca de 8% acima do preço de tabela.

Os minutos do Grok são 93% da chamada. Tudo o que as pessoas chamam de "taxa escondida" está nos últimos 7%. Isso não quer dizer que os extras são de graça. Quer dizer que não é neles que um orçamento dá errado, mas vou passar por cada um mesmo assim, porque alguns têm pegadinha.

A operadora: você traz a sua

O Grok Voice 3.0 atende chamadas telefônicas por SIP, e o guia de SIP é claro: você registra um número que já possui com origin: "byo_trunk". Provisionar números de telefone da SpaceXSI pela API não é suportado, então uma conta de operadora é requisito, não opção. O guia tem passos de configuração para Twilio e Telnyx e funciona com qualquer provedor SIP.

A operadora cobra diretamente na própria fatura. Veja o que as duas operadoras citadas na documentação cobram por chamadas nos EUA, segundo as próprias páginas de preços:

A escolha que importa aqui é local versus gratuito, não Twilio versus Telnyx. Um número gratuito no Twilio SIP custa quase 4 vezes mais por minuto de entrada do que um local, o que leva a chamada de 4 minutos de $0,345 para cerca de $0,384. Para a maioria das linhas de suporte ainda é pouco, mas se você opera uma grande linha 0800 gratuita, é o detalhe de operadora que vale modelar direito. A Twilio também cobra $0,0025 por minuto pela gravação de chamadas, se você ativar, e a chamada de emergência é uma taxa mensal por número em ambas ($0,75 na Twilio, $1,5 na Telnyx). Se sua equipe já usa o contact center da Twilio, meu post sobre os preços do Twilio Flex cobre o lado das licenças dessa conta.

Mais uma coisa para quem compra contact center. Se os clientes chegam por um widget web ou pelo seu próprio app em vez de um número de telefone, não existe operadora, pois o Grok também aceita sessões WebSocket e WebRTC. O formato de transmissão é compatível com a OpenAI Realtime API, então minha explicação sobre Realtime API vs WebRTC também vale para essa escolha.

As ferramentas: baratas por chamada, precificadas por milhar

Ferramentas são o que faz um agente de voz deixar de apenas falar e passar a fazer algo, e quem já construiu com chamadas de ferramentas em tempo real sabe que são o coração de um agente de suporte. A xAI cobra suas ferramentas do lado do servidor por invocação:

Algumas coisas saltaram desta tabela para mim. O file_search a $2,50 por 1.000 custa metade do web_search, então um agente que responde a partir dos seus próprios documentos enviados é mais barato por consulta do que um que navega pelo seu site público. Sobre as ferramentas MCP remotas, a xAI diz que a invocação não é cobrada, só os tokens usados. Suas próprias ferramentas function não têm nenhuma taxa da xAI, o custo delas fica nos seus próprios servidores.

O único custo de armazenamento a acompanhar são as coleções, a $0,10 por GiB por dia. Uma central de ajuda raramente chega a um gigabyte de texto, então para a maioria das equipes são centavos por mês, mas é um medidor diário e roda tocando o telefone ou não.

Entradas de texto: quatro décimos de centavo cada

Cada mensagem de texto que seu app envia para uma sessão ao vivo custa $0,004. É o preço de injetar contexto no meio da chamada: o status da conta do cliente, o resultado de uma consulta ao CRM, um aviso de "este cliente é VIP". Uma por chamada não é nada. Um padrão em que seu app transmite uma atualização de texto a cada poucos segundos é onde essa linha começa a aparecer, então eu agruparia o contexto em uma mensagem no início da chamada.

Quanto custa por mês em volumes de suporte

Escale o mesmo formato de chamada (4 minutos, Twilio local, três consultas, uma entrada de texto, 30 dias) para três tamanhos comuns de equipe:

Essa é a versão limpa. A versão bagunçada tem silêncio, e na minha opinião é a linha que a maioria dos orçamentos deixa passar. Uma chamada de suporte não termina no momento em que o problema é resolvido. Tem o "mais alguma coisa?", o cliente que sai para procurar um recibo, os cinco segundos de silêncio antes de alguém desligar. A xAI cobra a sessão por minuto e a documentação não exclui o silêncio, então eu orçaria como se todo minuto aberto fosse cobrado.

Faça a conta com 500 chamadas por dia: 20 segundos de silêncio por chamada somam cerca de $400 por mês, mais do que operadora, ferramentas e entradas de texto juntas ($376,50). O modelo tem um ajuste justamente para isso: idle_timeout_ms volta a falar com um cliente calado depois de uma pausa definida, e o guia de SIP documenta uma chamada hangup que seu app pode disparar quando a conversa acaba. Configurar os dois é a otimização de custo mais barata de todo o post.

Coloque seus próprios números. Este estimador é diferente do que está na análise do Grok Voice 3.0 do meu colega, que dimensiona seu nível de concorrência: este precifica a chamada inteira, separa cada item e também dá o custo por chamada que a IA realmente resolve.

O último número, o custo por chamada resolvida pela IA, é o que eu colocaria na frente de um time financeiro. Com 50% de taxa de resolução, o caso padrão fica em cerca de $0,75 por chamada resolvida, porque você também paga pelas chamadas que terminam em transferência. A xAI diz que os call centers da Starlink resolvem cerca de 70% de 20.000 chamadas diárias sem humano, mas é uma empresa irmã falando de si mesma, então eu começaria minha própria previsão mais baixa e subiria com dados reais. Meu detalhamento do custo por resolução explica por que essa é a métrica que sobrevive a uma revisão de orçamento, e a comparação de custo de agente de IA vs agente humano a coloca ao lado de um salário.

Níveis de concorrência: um pré-pagamento, não uma taxa

O único custo do Grok Voice 3.0 que parece uma taxa escondida não é uma. As sessões concorrentes, o número de chamadas que você pode rodar ao mesmo tempo, escalam com seu gasto acumulado na API da xAI desde 1º de janeiro de 2026, segundo a página de limites de taxa:

Os níveis contam compras de crédito pré-pago e faturas pagas, e nunca são rebaixados. Então o dinheiro que desbloqueia um nível é dinheiro que você gastaria em chamadas de qualquer forma, é mais uma questão de fluxo de caixa do que um custo extra. Com 500 chamadas por dia você passa de $5.000 no primeiro mês e o teto deixa de importar.

Onde ele pesa é no piloto. Uma conta novinha que quer testar 50 chamadas simultâneas precisa colocar $250 de crédito antes. É pouco, mas vi nas nossas próprias chamadas de vendas como o uso de teste corre rápido: um comprador com quem conversei consumiu 200 interações em um único dia de teste e começou a se preocupar com o custo por interação em escala antes mesmo de o piloto terminar. O preço por uso faz testar parecer caro mesmo quando não é, então defina um orçamento de testes logo de início e trate-o como o custo de aprender.

Como o preço do Grok se compara a outras APIs de voz

É aqui que acho que a cobertura do lançamento erra na comparação, e nos dois sentidos. Todo número abaixo vem da página de preços do próprio fornecedor:

O número do Gemini precisa de uma linha de explicação. O Google cobra áudio de entrada e de saída separadamente, então um minuto em que o cliente transmite áudio o tempo todo e o agente também fala o tempo todo custaria no máximo $0,023. Numa chamada real o agente fala talvez metade do tempo, o que aproxima de $0,014 por minuto, antes dos tokens de thinking. Só pelo preço de tabela, é uma fração do Grok.

Então o Grok é caro? Não quando se precifica o mesmo trabalho. Os $0,05 do GPT-Live-1 compram só a camada de voz, e você escolhe e paga o modelo por trás, o que meu post sobre os preços do GPT-Live-1 detalha. A ElevenLabs tem o mesmo formato, $0,08 mais um LLM, e meu detalhamento dos preços da ElevenLabs traz os detalhes dos planos. O nível Standard da Deepgram é o pacote mais comparável, 0,5 centavo mais barato por minuto.

A Artificial Analysis, que avalia esses modelos nas mesmas tarefas, mediu o custo total de rodar cada um e encontrou uma diferença bem menor do que os preços de tabela sugerem:

"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

Essa é a leitura honesta. Contando o raciocínio, o Grok fica no meio do pelotão de ponta em custo, nem no topo nem no fundo, e o próprio post de lançamento da xAI apresenta sua vantagem como custo por tarefa nesse benchmark, não custo por minuto. Note também que a Artificial Analysis diz que sua cifra de custo não inclui chamadas de ferramentas, então some a seção de ferramentas acima a qualquer um desses números.

Se você prefere comprar uma plataforma inteira em vez de uma API, o modelo de preços muda de novo. Os preços da Retell AI e o Vapi colocam sua própria taxa de plataforma por minuto sobre o modelo, e o Voice Agent Builder da própria xAI é o caminho sem código com a mesma voz.

Se você vive dentro de um helpdesk, veja o que ele entrega nativamente antes de tudo isso, os agentes de voz com IA da Zendesk são um exemplo. Meu panorama dos melhores agentes de voz com IA compara as opções prontas.

Quatro formas de reduzir a conta do Grok Voice

Como 93% da conta são minutos, quase toda economia também é sobre minutos. Estas são as que eu realmente faria, em ordem de esforço:

1. Pare de pagar pelo silêncio. Defina idle_timeout_ms e dispare o endpoint hangup assim que o cliente terminar. Na linha de 500 chamadas por dia, isso sozinho vale mais do que todos os outros extras juntos.
2. Injete o contexto uma vez. Envie os dados da conta do cliente como uma entrada de texto no início, não como um fluxo de atualizações. Cada mensagem custa $0,004.
3. Responda a partir dos seus próprios documentos. O file_search a $2,50 por 1.000 custa metade do web_search, e um agente que lê suas próprias políticas é também o que dá a resposta certa. Mantenha a coleção enviada enxuta, pois o armazenamento é um medidor diário.
4. Use números locais sempre que puder. A entrada gratuita no Twilio SIP custa cerca de 4 vezes a tarifa local. Para uma linha de suporte nacional isso é uma decisão de marca, mas vale conhecer o preço.

O que eu não faria é perseguir um modelo mais barato por minuto só para economizar um centavo. Um modelo que falha em mais chamadas as alonga e empurra mais delas para um humano, o que custa bem mais do que a diferença de tarifa. A transferência do agente de IA numa chamada que falhou é onde está o dinheiro de verdade.

O Grok Voice 3.0 vale o preço?

Para uma equipe que vai colocar uma IA no telefone, acho que sim, e as contas de ROI de call center costumam concordar. Você recebe o melhor modelo no índice de fala da Artificial Analysis, uma tarifa fixa que inclui raciocínio e nenhuma taxa de plataforma, o que facilita a previsão. O custo total de uma chamada de 4 minutos é de cerca de 35 centavos, e os extras sobre os quais você foi alertado são um erro de arredondamento perto do tempo de conversa.

Serve menos se você precisa do menor preço de tabela possível para chamadas curtas e simples (Gemini 3.8 Live e GPT-Live-1 listam menos e deixam você escolher um modelo mais leve) ou se quer uma plataforma sem código com análises por cima. Para esses casos, minha lista de alternativas ao Grok Voice 2.0 e o artigo mais amplo sobre alternativas à xAI ainda mapeiam o terreno, e a IA pode atender chamadas de suporte? é uma boa checagem de intuição antes de tudo isso.

O que nenhum preço de voz inclui é conhecimento. Cada número acima paga para um modelo manter uma conversa, e nenhum diz ao modelo qual é o seu prazo de reembolso ou quais clientes recebem o crédito de cortesia. Uma voz barata e rápida lendo a política errada continua sendo a política errada, e é a falha mais comum que vejo em implantações de suporte por voz. Para linhas de ecommerce especificamente, meu guia de suporte telefônico com IA trata de quais chamadas entregar primeiro.

O Grok precifica o minuto. A eesel cuida do que é dito.

Se sua linha telefônica fica na frente de uma fila de tickets, o modelo de voz é metade do sistema. A eesel é a outra metade: um colega de helpdesk com IA que entra no Zendesk, Freshdesk ou Gorgias e aprende com seus tickets anteriores e sua central de ajuda. Ele trabalha a fila de e-mail e chat para a qual toda chamada telefônica acaba transbordando. Antes de entrar no ar, você pode rodá-lo contra seus próprios tickets históricos e ver como suas respostas se comparam ao que sua equipe realmente enviou, que é como eu gostaria de testar qualquer coisa que fale com clientes.

Para quem constrói, os dois podem se encontrar no meio do caminho. A ferramenta mcp do Grok recebe uma URL de servidor e cabeçalhos, e todo workspace da eesel também é um servidor MCP: o comando eesel mcp token da CLI da eesel imprime o que um cliente MCP precisa para se conectar. A mesma CLI permite automatizar o agente a partir de um terminal ou entregá-lo a um agente de código como o Claude Code. Não rodei essa combinação numa linha telefônica real, então trate-a como uma construção promissora, e lembre-se de que chamadas MCP remotas na xAI não têm taxa de invocação.

O preço também tem um formato diferente do de uma API de voz: a eesel é um plano mensal fixo de créditos, $299 por mês por 500 créditos, em que um ticket ou chat conta como um crédito, com 100 créditos grátis para testar. Você paga por ticket atendido, não por minuto de conversa. Experimente a eesel em uma fatia da sua fila antes do próximo piloto de voz, para que o agente no telefone tenha algo que valha a pena dizer.