AI 资讯速递 (2026/7/31)： xAI 发布 Grok Voice Think Fast 2.0，端到端语音模型响应仅 0.70 秒
导读摘要：
xAI（SpaceXAI）近日发布新一代语音模型 Grok Voice Think Fast 2.0，采用端到端语音到语音架构，直接理解并生成语音回应，无需经过语音识别、大语言模型推理、语音合成等多阶段流程。据 xAI 官方发布，该模型首次音频响应时间降至 0.70 秒，相比上一代的 1.25 秒大幅降低。模型的具体参数规模与完整语言列表尚未公布。
产品概述
xAI（SpaceXAI）近日发布新一代语音模型 Grok Voice Think Fast 2.0，采用端到端语音到语音架构，直接理解并生成语音回应，无需经过语音识别、大语言模型推理、语音合成等多阶段流程。据 xAI 官方发布，该模型首次音频响应时间降至 0.70 秒，相比上一代的 1.25 秒大幅降低。模型的具体参数规模与完整语言列表尚未公布。
核心功能与性能指标
Grok Voice Think Fast 2.0 在多项基准测试中表现领先。据 Artificial Analysis 语音到语音综合评测，该模型质量指数达 82.9%，超越 OpenAI 的 GPT-Realtime-2.1 High（79.1%）与 Google 的 Gemini 3.1 Flash High（69.5%）。据 xAI 内部测试，智能代理测试得分 56.5%，同样领先 GPT-Realtime-2.1 High 的 45.7%。
转录能力方面，据 xAI 官方测试，模型覆盖 24 种语言，语音识别准确率比专业转写模型 Deepgram Nova 3 和 ElevenLabs Scribe v2 提升约 1.5 至 2 倍。模型支持全双工对话模式，可在用户说话过程中同步进行推理，无需等待完整输入。
定价与使用方式
Grok Voice Think Fast 2.0 采用统一计费模式，每分钟音频定价 $0.08，涵盖输入与输出。据 xAI 透露，该模型已在星链客服场景实测，销售转化率与自动解决率均有提升。详细使用方式请参阅官方发布页。
资料来源与项目地址
- 官方发布页：https://x.ai/news/grok-voice-think-fast-2
- xAI 官网：https://x.ai/
