IT之家 7 月 30 日消息，埃隆 · 马斯克（Elon Musk）旗下 SpaceXAI 公司昨日（7 月 29 日）发布 Grok Voice Think Fast 2.0，是其功能最强大、最智能的语音对语音（speech-to-speech） AI 模型。

定价方面，该模型的每分钟音频费用为 0.08 美元（IT之家注：现汇率约合 0.54 元人民币），官方计划将于 8 月 5 日升级 grok-voice-latest 模型，从 grok-voice-think-fast-1.0 升级到 grok-voice-think-fast-2.0。

该模型侧重提升语音推理、转录准确性、对话能力与工具调用可靠性。根据 Artificial Analysis 公布的语音到语音基准测试数据，新模型的 AA Speech-to-Speech Quality Index为 82.9%，较 Grok Voice Think Fast 1.0 的 75.7% 提高 7.2 个百分点。

SpaceXAI 称，模型可在说话时同步完成推理，无需以额外延迟换取推理能力。该公司还称，新版本减少了每次回复所需的推理 Token；在生产环境中，工具调用通常会在智能体说完第 1 句话前完成。

xAI 在覆盖数千条短语、24 种语言的内部评估中称，Grok Voice Think Fast 2.0 的转录表现较 Deepgram Nova 3 和 ElevenLabs Scribe v2 提升 1.5~2.0 倍，较 1.0 版提升 1.4 倍。在存在明显背景噪声和电话压缩的场景中，xAI 称其与专用语音转文字模型的差距可扩大至约 10 倍。