Grok Voice Think Fast 2.0: 성능은 향상, 분당 가격도 인상

SpaceXAI는 2026년 7월 29일, API와 Voice Agent Builder로 이용할 수 있는 speech-to-speech 모델 Grok Voice Think Fast 2.0을 발표했다. 독립 평가 기관 Artificial Analysis의 지수에 따르면 High 변형은 82.9%를 기록해, 84.1%(speech reasoning 99%, conversational dynamics 98.4%)로 1위를 지키는 알리바바 클라우드의 Qwen Audio 3.0 Realtime Plus에 이어 2위에 올랐다. 다만 에이전트 항목에서는 Think Fast 2.0이 56.5%로 Qwen의 54.6%를 앞선다. 첫 오디오까지 걸리는 시간은 이전 버전의 1.25초에서 0.70초로 줄었지만, 그럼에도 Deepslate Opal 같은 경쟁 모델의 속도를 넘어서지는 못한다.

제조사는 모델이 "reasons in parallel with speech"하는 아키텍처라고 설명하며, 추론 토큰 사용량의 중앙값을 약 60% 줄였다고 밝혔다. 24개 언어에서 Deepgram Nova 3와 ElevenLabs Scribe v2보다 전사 오류율이 1.5~2배 우수하다는 주장(격차가 가장 큰 것은 잡음이 많은 전화 환경)과 Starlink 전화 서비스의 A/B 테스트 결과는 모두 공급사 측의 평가일 뿐, 절대 수치도 독립적인 검증도 없다.

비용 측면에서 새 가격은 분당 0.08달러다. 전문 매체가 1.0 버전에 매기는 분당 0.05달러와 비교하면 60% 인상이지만, 접근 가능한 공식 가격표에서는 확인할 수 없다. 2026년 8월 5일부터 별칭 `grok-voice-latest`는 자동으로 2.0을 가리킨다. 이를 사용하는 개발자는 코드 한 줄 바꾸지 않고도 모델과 요금 구간이 함께 바뀌는 셈이다. 그 이후에도 1.0 버전을 명시적으로 고정(pin)할 수 있는지는 문서화돼 있지 않아, 기존 연동에는 운영상의 불확실성이 남는다.

SpaceXAI가 직접 언급한 경쟁 모델, 즉 OpenAI의 GPT-Realtime-2.1과 구글의 Gemini 3.1 Flash와의 직접 비교에서는 새 모델이 종합 품질과 에이전트 성능 모두에서 더 높은 점수를 보인다. 그러나 지수에서 가장 높은 점수를 찾는다면, SpaceXAI에서도, 제조사가 고른 두 비교 대상에서도 찾을 수 없다.

— Olya