xai正式发布全新语音识别模型 grok voice think fast2.0，专为语音智能体（voice agent）开发者打造，在智能推理能力、语音转录精度、多轮对话理解及工具调用响应效率四大维度全面升级。该模型按音频时长计费，单价为每分钟0.08美元；xai强调，现有提示词（prompt）无需调整，think fast2.0即可在绝大多数业务场景中直接带来性能跃升。
在Artificial Analysis权威语音识别基准评测中，Grok Voice Think Fast2.0综合得分达82.9%，显著高于前代Think Fast1.0的75.7%，同时超越GPT-Realtime-2.1（79.1%）与Gemini3.1Flash（69.5%）。尤为突出的是其智能体核心能力评分——高达56.5%，领先于Think Fast1.0（52.1%）、GPT-Realtime-2.1（45.7%）及Gemini3.1Flash（37.7%）。首音响应延迟亦大幅优化，由1.25秒压缩至0.70秒，实时交互体验进一步增强。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
语音转录方面，xAI覆盖24种语言的大规模实测表明：相较Deepgram Nova3与ElevenLabs Scribe v2，Think Fast2.0平均准确率提升1.5–2倍；相比Think Fast1.0，提升约1.4倍。在高噪声环境、低带宽电话语音等挑战性条件下，优势更为明显，准确率差距可扩大至近10倍。
技术架构上，Think Fast2.0原生支持语音流式并行推理，有效压缩任务等待窗口，显著提升复杂链路处理吞吐量。其推理过程中标记（token）消耗中位数降至0.4次，使得工具调用常可在智能体输出首句前即完成触发。此外，通过强化学习持续优化对话策略，模型更倾向简洁应答、单次聚焦单一问题，并主动过滤冗余信息，从而更好适配高要求的端到端业务流程。
Gemini Notebook网页版是一款基于AI的智能笔记工具，其核心功能是让用户上传个人文档（如PDF、文本等），并以此为基础进行交互。它能针对你的资料进行总结、解答疑问、生成新内容，让信息处理更高效。该版本为在线使用，无需下载安装。
xAI指出，本次迭代聚焦真实商业场景下语音Agent的稳定性与可用性提升。目前，Grok Voice已在Starlink电话服务中开展A/B测试，初步数据显示销售转化率与客服响应时效均有可观增长。
根据版本演进规划，自2026年8月5日起，“grok-voice-latest”别名将自动指向新版grok-voice-think-fast-2.0。如需继续使用Think Fast1.0的开发者，请务必提前锁定1.0版本标识符；其余用户无需任何干预，系统将无缝切换。
随着AI Agent加速落地客服中心、销售外呼、智能办公等核心业务环节，兼具超低延迟、高鲁棒性转录、多工具协同调度能力的语音模型，正日益成为下一代人机自然交互的关键基础设施。
