

7月30日,马斯克旗下SpaceXAI推出新一代语音模型Grok Voice Think Fast 2.0,这是该公司迄今能力最强的语音到语音模型。在权威评测中,高推理能力版本在语音到语音指数中以82.9%的得分位列第二,在衡量智能体性能的Tau Voice基准测试中以56.5%的得分排名第一,击败了OpenAI、Google、阿里千问等厂商的语音模型。
该模型平均首音频响应时间仅0.70秒,是榜单前五名中唯一低于1秒的模型,较前代大幅提升。定价方面,每分钟0.08美元,较前代有所上涨,但仅约为GPT - Realtime - 2.1 High的45%。

AI公司Helionova AI的CEO Nick White实测后称,在旗下产品上完成面向grok - voice - think - fast - 2.0的全栈语音实时升级是“绝对的飞跃式进步”。在其实测音频中,模型能根据对话持续推进情节并实时反馈。
另一位开发者将其集成进终端工具展示对话速度,模型对测试者的指令快速响应并完成操作,全程对答如流。SpaceXAI软件工程师也称赞模型的智能水平、准确性和能力,认为其向着“开箱即用”目标迈进一大步。

在模型能力上,Think Fast 2.0综合得分相比上一代提升7.2个百分点,在多个语音测试中表现出色。在响应速度方面,它是排行榜前五中最快的,平均首次语音响应时间仅0.70秒。
语音识别上,在覆盖24种语言、数千条短语的测试中,整体转写准确率相比Think Fast 1.0提升约1.4倍,在真实场景下识别误差可降低约10倍。推理效率上,进一步优化推理Token利用效率,中位数推理Token消耗仅为上一代约40%,还调整了对话方式,让交流更自然。

过去一年,各大厂商竞争重点从语音识别、合成转向复杂任务处理等能力。SpaceXAI的Think Fast 2.0延续这一方向,提升语音推理等能力,希望让语音智能体承担真实业务场景。目前它已在语音智能体能力上取得第一,随着8月5日默认模型完成升级,实际表现将接受更多验证。
编辑观点:SpaceXAI的Grok Voice Think Fast 2.0在性能上表现亮眼,价格也有竞争力。随着竞争进入“智能体时代”,该模型有望在市场中占据一席之地,推动语音模型在真实业务场景的应用。
228



被折叠的 条评论
为什么被折叠?



