7月30日，SpaceXAI正式发布新一代语音模型Grok Voice Think Fast 2.0。SpaceXAI表示，这是目前其能力最强的端到端语音模型，在语音理解、推理能力、转录准确率以及多轮对话体验方面均实现升级。

Grok Voice Think Fast 2.0采用“语音到语音”架构，不再依赖传统的“语音识别—大语言模型—语音合成”多阶段流程，而是在理解用户语音后直接生成回应，从而降低延迟，并提升自然交互体验。

根据SpaceXAI公布的数据，Grok Voice Think Fast 2.0在Artificial Analysis的语音到语音综合评测中获得82.9%的质量指数，高于上一代Grok Voice Think Fast 1.0的75.7%，同时超过GPT-Realtime-2.1 High的79.1%以及Gemini 3.1 Flash High的69.5%。

在语音推理能力方面，新模型在Speech Reasoning Big Bench Audio测试中达到97.2%的成绩；在全双工对话测试中达到95.1%，相比上一代模型的77.8%大幅提升。此外，其智能代理能力测试成绩达到56.5%，超过GPT-Realtime-2.1 High的45.7%。

速度方面，Grok Voice Think Fast 2.0首次音频响应时间仅为0.70秒，相比上一代模型的1.25秒进一步降低，能够实现更加接近真人交流的即时反馈。

除了对话能力提升，SpaceXAI还重点优化了语音识别准确率。官方表示，在覆盖24种语言、数千条短语的测试中，Grok Voice Think Fast 2.0相比Deepgram Nova 3和ElevenLabs Scribe v2等专业语音转文字模型，准确率提升约1.5至2倍；在噪声环境和电话压缩场景下，优势进一步扩大。

SpaceXAI表示，Grok Voice Think Fast系列的一项重要特点，是模型能够在用户说话过程中同步进行推理，而不会增加额外延迟。相比传统语音AI需要等待完整输入后再思考，新模型可以边交流边完成复杂任务，并更快调用外部工具。

在实际应用方面，SpaceXAI称，新模型已经在星链客服场景中进行了测试，并带来了销售转化率和客服自动解决率的明显提升。

按照计划，默认模型名称grok-voice-latest将在8月5日自动升级至Grok Voice Think Fast 2.0，开发者无需修改现有提示词即可迁移。同时，新模型定价为每分钟音频0.08美元。

此次升级意味着SpaceXAI正在加速推进语音智能体的发展。从此前发布多款Grok Voice语音和智能体工具，到如今推出更低延迟、更强推理能力的语音模型，SpaceXAI希望让AI从文字助手进一步走向能够实时交流、执行任务的智能代理。