xAI Elona Muska wypuściło Groka 4.3 — nową wersję swojego dużego modelu językowego wraz z pakietem narzędzi głosowych z zaawansowanym klonowaniem głosu. Choć pod względem „czystej mocy” Grok 4.3 nie króluje w benchmarkach, to w jednym obszarze uderza mocno: w agresywnie niskich cenach. To ruch w stylu Muska — niekoniecznie najbardziej dopieszczony, ale nastawiony na konkretne zastosowania i skierowany nie tylko do wielkich korporacji, ale też startupów i twórców aplikacji, jak pisze Spider's Web.
Nowy model ma „always-on reasoning”, co oznacza, że zawsze uruchamia rozumowanie przed odpowiedzią — nie ma przełącznika między trybami szybkim a głębokim. Grok 4.3 obsługuje także okno kontekstu na poziomie miliona tokenów, czyli kilku grubych książek lub całego kodu średniej wielkości aplikacji.
Kluczowe wnioski
- Grok 4.3 kosztuje 1,25 dol. za milion tokenów wejściowych i 2,50 dol. wyjściowych — to około 40–60% taniej niż poprzednia wersja
- Model ma „always-on reasoning” — zawsze myśli przed odpowiedzią i obsługuje milion tokenów kontekstu
- Custom Voices klonuje głos na podstawie 120-sekundowej próbki, dostępne tylko w USA (oprócz Illinois)
- Voice Agent API kosztuje 3 dolary za godzinę interakcji głos-głos, co plasuje go w dolnej-średniej części stawki rynkowej
- Model jest zoptymalizowany pod agentów AI — potrafi tworzyć arkusze Excel, PDF-y, prezentacje PowerPoint i korzystać z narzędzi
Grok jako cyfrowy pracownik z dostępem do internetu
xAI buduje wokół Groka 4.3 cały ekosystem narzędzi, które model może samodzielnie wywoływać. Grok ma dostęp do wyszukiwarki internetowej i X (dawnego Twittera), może przeglądać sieć i posty, aby omijać swój knowledge cutoff ustawiony na grudzień 2025. Posiada także środowisko do wykonywania kodu w Pythonie i system RAG do przeszukiwania dokumentów użytkownika.
Model jest wyraźnie optymalizowany pod scenariusze agentów AI — nie tylko odpowiada na pytania, ale wykonuje zadania. Potrafi wygenerować złożony arkusz Excela z wieloma zakładkami i formułami, tworzyć sformatowane 12-stronicowe raporty PDF o produktach SpaceX z logotypami i grafikami, oraz projektować 9-slajdowe prezentacje PowerPoint z macierzami decyzyjnymi.
Klonowanie głosu za 120 sekund nagrania
Drugi filar ogłoszenia to Custom Voices — system klonowania głosu dostępny tylko w Stanach Zjednoczonych (z wyłączeniem Illinois ze względu na regulacje dotyczące danych biometrycznych). Model klonuje głos na podstawie próbki trwającej około 120 sekund — użytkownik czyta kilka losowych fragmentów w webowym kreatorze i otrzymuje sztuczną wersję swojego głosu.
xAI podkreśla, że system nie kopiuje tylko barwy, ale też styl mówienia. Voice Agent API (model grok-voice-think-fast-1.0) kosztuje 3 dolary za godzinę interakcji głos-głos, czyli około 0,05 dol. za minutę. Dla porównania, ElevenLabs może kosztować kilkanaście dolarów za godzinę, a OpenAI TTS HD około 1,8 dol. za godzinę.
xAI wprowadza też klasyczne TTS z pięcioma gotowymi głosami za 4,20 dol. za milion znaków oraz transkrypcję STT — 0,20 dol. za godzinę w trybie streamingu i 0,10 dol. w trybie batch.
Grok 4.3 pozycjonuje się jako „cyfrowy pracownik w wersji value” — może nie najinteligentniejszy w każdej dziedzinie, ale bardzo tani w utrzymaniu i praktyczny w zastosowaniach biznesowych.
