x.ai 推出 Grok Voice Think Fast 2.0，登上語音對語音評測第一名並支援語音代理

x.ai 推出 Grok Voice Think Fast 2.0，登上語音對語音評測第一名並支援語音代理。 核心發布 @SpaceXAI 在 2026 年 8 月 25 日表示，該模型評估的不只是語音生成，而是能否理解聽到的語音、推理、解決真實客戶問題，並透過 Agent tools 正確完成任務。Grok Voice Think Fast 2.0 已可透過 API 或 Agent Builder 使用，開發者可在 console.x.ai 建立、調整與部署 voice agents。 實際應用 Starlink 使用 Grok Voice 處理客服與銷售來電；官方稱它能診斷硬體問題、寄送替換品，並透過語音通話與聊天功能，每週完成超過 3,000 筆訂單。這些數字是 @SpaceXAI 對實際部署成果的說法。 評測表現 7 月 29 日發布的官方公告引用 Artificial Analysis 資料，列出 Grok Voice Think Fast 2.0 的多項結果： AA Speech-to-Speech Quality Index 為 82.9%，高於 Grok Voice Think Fast 1.0 的 75.7% 與 GPT-Realtime-2.1 (High) 的 79.1%。 Big Bench Audio 語音推理分數為 97.2%，Full Duplex Bench 對話動態分數為 95.1%。 τ-voice Bench 的 Agentic Performance 為 56.5%，Time to First Audio 為 0.70 秒。 Grok Voice Think Fast 2.0 在 Artificial Analysis Speech-to-Speech Index 以 79.0% 的得分位居第一，領先 GPT-Realtime-2.1 High (73.9%) 與 Gemini 3.1 Flash Live (71.5%) 等模型。這組圖表數字與官方公告的 82.9% 來自不同快照或評測口徑，不能直接視為同一組結果。 辨識與推理 x.ai 表示，模型在 24 種語言、數千個短語的測試中，轉錄準確度相較 Deepgram Nova 3 與 ElevenLabs Scribe v2 提升 1.5～2.0 倍，相較 Grok Voice Think Fast 1.0 提升 1.4 倍；在含背景噪音的情境，與專用語音轉文字模型的差距約可擴大至 10 倍。模型還能在說話時同步推理，使用的 reasoning token 約為前代中位數的 0.4 倍，官方稱這不會增加延遲，tool call 通常能在 Agent 說完第一句話前執行。 遷移與價格 官方預期多數使用情境不需修改既有 prompt 就能改善表現，Starlink 的 A/B 測試也觀察到銷售轉換率與客服自助解決率提高。公告表示 grok-voice-latest 於 2026 年 8 月 5 日從 Grok Voice Think Fast 1.0 切換至 2.0；希望維持舊版者，需在期限前固定使用 grok-voice-think-fast-1.0。Grok Voice Think Fast 2.0 的價格為每分鐘音訊 0.08 美元。原文：https://easyvibecoding.app/curated/3125-xai-grok-voice-think-fast-2-0-hits-top-voice-evaluation