xAI 推出 Grok Voice Think Fast 2.0 语音模型

xAI 于 2026 年 7 月 29 日发布 Grok Voice Think Fast 2.0，官方称其为“最强大的语音到语音模型”，强调在智能、转录准确性和对话能力上的提升。该模型是 Grok Voice Think Fast 1.0 的继任者，并计划于 2026 年 8 月 5 日自动成为 grok-voice-latest 的默认版本，用户无需手动升级。

官方宣称，新模型在语音推理、对话能力和工具使用可靠性上均有“有意义的提升”，但未提供具体细节。这些表述属于官方声明，缺乏独立验证。

根据 Artificial Analysis 的基准测试，Grok Voice Think Fast 2.0 的整体语音质量指数为 82.9%，高于前代 75.7% 和 GPT-Realtime-2.1 的 79.1%，但低于 Gemini 3.1 Flash 的 95.7%（注：该数据为对话动态子项，整体指数未列出）。在语音推理（Big Bench Audio）上，新模型得分 97.2%，与前代 97.1% 几乎持平；在代理性能（τ-voice Bench）上为 56.5%，显著高于前代 52.1% 和 GPT-Realtime-2.1 的 45.7%。

在转录准确率方面，xAI 官方评估显示，在 24 种语言的数千个短语测试中，新模型相比 Deepgram Nova 3 和 ElevenLabs Scribe v2 有 1.5–2.0 倍的改进，相比前代有 1.4 倍改进。在噪声环境下，差距扩大至约 10 倍。然而，这些数据来自 xAI 自身评估，未提供具体 WER 数值，且缺乏第三方复现。

推理效率方面，官方称新模型在并行推理时相对 token 数仅为前代的 0.4 倍（P50），工具调用通常在首句结束前执行。这一数据同样来自官方，未提供独立验证。

xAI 表示，通过强化学习，新模型在对话中倾向于使用更短句子、每次只问一个问题，并避免冗余，从而提升用户体验。官方称模型能在后台引导复杂工作流并提前思考多步，但这一描述属于产品特性说明，缺乏客观衡量。

在商业验证上，xAI 在 Starlink 客服场景进行了 A/B 测试，称销售转化率和支持解决率有“显著提升”，但未提供具体数据或统计显著性。该测试由 xAI 内部进行，结果可能受多种因素影响，需谨慎解读。

Grok Voice Think Fast 2.0 定价为每分钟音频 $0.08，官方强调定价“可预测且透明”。现有用户无需任何操作即可在 8 月 5 日自动升级，若需保留旧版，需在此之前固定 grok-voice-think-fast-1.0。

官方称新模型在几乎所有用例中无需修改提示词即可提升性能，但这一声明基于内部测试，未提供外部验证。