xAI 官方宣布推出 Grok Voice Think Fast 2.0，这是其下一代语音模型，具备更高的智能、转录准确性及对话能力。
Grok Voice Think Fast 2.0 的智能提升
根据官方资料，Grok Voice Think Fast 2.0 是目前最智能的语音模型，较其前身在语音推理、对话能力及工具使用可靠性方面都有显著提升。官方指出，这款模型在多项语音对语音的基准测试中表现优异，整体的语音质量指数达到 82.9%，相比 Grok Voice Think Fast 1.0 的 75.7% 有明显进步。
“Grok Voice Think Fast 2.0 是我们最智能的语音模型，建立在前一版本的基础上，并在语音推理和对话能力上取得了重要进展。”
xAI
转录准确性显著提高
Grok Voice Think Fast 2.0 在转录准确性方面超越了专用的顶尖转录模型。根据评估，该模型在 24 种不同语言的短语转录中，准确性较 Deepgram Nova 3 和 ElevenLabs Scribe v2 分别提高了 1.5 至 2.0 倍，并且在嘈杂环境中的表现差距扩大至约 10 倍。
对话能力的优化
Grok Voice Think Fast 2.0 通过大量的强化学习训练，提升了其对话能力。该模型在与用户的对话中，能够使用更短的句子、一次只提出一个问题，并避免冗长的表达，使得整体对话过程更加流畅。
“我们发现，Grok Voice Think Fast 2.0 的对话模式更接近真实人类的交流，能够在复杂的工作流程中引导对话。”
xAI
升级与定价信息
Grok Voice Think Fast 2.0 预计将在几乎所有使用案例中提升性能，并不需要对现有提示进行编辑。官方表示，该模型的定价为每分钟音频 0.08 美元（约 0.62 港元），并于 2026 年 8 月 5 日自动升级至新版本。
资料来源：xAI 官方公告