摘要
智东西7月30日报道，今日，马斯克旗下SpaceXAI宣布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（speech-to-speech）模型。 马斯克连发两条推文，第一条宣布“Grok Voice现在在智能体性能方面排名第一”，第二条则直接喊话网友“试试新的Grok Voice”。 马斯克发文 在权威评测机构Artificial Analysis的语音到语音指数（Speech to Speech Index）中，Grok Voice Think Fast 2.0高推理能力版本以82.9%的得分位列第二，仅次于千问Qwen Audio 3.0 Realtime Plus（84.1%）；在衡量智能体性能的Tau Voice基准测试中，该模型以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。 更值得关注的是，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Grok Voice Think Fast 1.0的1.25秒大幅提升。 定价方面，Grok Voice Think Fast 2.0每分钟0.08美元（约合每小时输入音频4.80美元），较前代3.00美元有所上涨，但价格仅约为GPT-Realtime-2.1 High的45%。 在评论区中，不少网友对新模型表现出较高期待。 有网友称，希望利用Grok Voice生成多角色有声剧。 还有开发者称，此前一直主要使用Gemini，如今终于有了新的选择。 01.多位开发者实测后给出好评：响应飞快，对话更自然 AI公司Helionova AI的CEO Nick White在X上分享了他的实测体验。 他称，已在旗下产品Tradecraft上完成了面向grok-voice-think-fast-2.0的全栈语音实时升级，“绝对是一次飞跃式的进步”。 在Nick White放出的实测音频中，他让Grok Voice扮演一名因维修人员爽约而愤怒投诉的客户，自己则扮演客服接线员，双方围绕预约迟到展开了一段多轮实时电话对话。 整个过程中，模型几乎没有明显停顿，能够根据对话内容持续推进情节，并针对客服回答实时作出反馈。