xAI推新一代语音识别模型Grok Voice Think Fast2.0：性能全面升级，定价每分钟0.08美元

xAI推出新一代语音识别模型Grok Voice Think Fast2.0，面向开发者开放，在多方面实现升级。其定价明确，性能测试表现出色，还在语音转录等方面有显著优势。

模型升级亮点多

xAI的Grok Voice Think Fast2.0面向构建语音智能体的开发者开放，在智能水平、转录准确率、对话能力和工具调用效率上均有提升。定价为每分钟音频0.08美元，且无需修改现有提示词就能提升多数场景性能。

测试成绩超竞品

在Artificial Analysis测试中，该模型综合得分82.9%，高于前代及GPT-Realtime - 2.1、Gemini3.1Flash。智能体能力评分56.5%也领先。首次音频播放时间从1.25秒降至0.70秒，响应更快。

转录准确率高

语音转录方面，针对24种语言测试显示，相比Deepgram Nova3等，Think Fast2.0准确率提升1.5至2倍，复杂环境下差距扩大至约10倍，相比上一代提升约1.4倍。

技术优化提效率

技术上支持语音并行推理，减少等待时间。推理标记使用量中位数降至0.4次，强化学习优化对话策略，倾向短回答、单问题处理，减少无效信息，支持复杂流程。

应用测试有成效

此次升级旨在提升语音Agent可靠性。Grok Voice已在Starlink电话服务A/B测试，提升销售转化率和客服响应效率。2026年8月5日别名将切换，开发者按需锁定版本。

编辑观点：Grok Voice Think Fast2.0性能升级显著，超竞品且在应用测试有成果，未来有望在语音识别市场占据重要地位，推动语音智能体发展。