Grok Voice Think Fast 2.0: lepsze wyniki i wyższa cena za minutę
SpaceXAI ogłosiło 29 lipca 2026 roku model speech-to-speech Grok Voice Think Fast 2.0, dostępny przez API oraz Voice Agent Builder. Według niezależnego indeksu Artificial Analysis wariant High osiąga 82,9% i zajmuje drugie miejsce za Qwen Audio 3.0 Realtime Plus od Alibaba Cloud, który prowadzi z wynikiem 84,1% (99% speech reasoning, 98,4% conversational dynamics). W części agentowej Think Fast 2.0 notuje jednak 56,5% wobec 54,6% Qwena. Czas do pierwszego dźwięku spada do 0,70 sekundy z 1,25 w poprzedniej wersji — poprawa, która i tak nie wystarcza, by wyprzedzić szybkością konkurentów takich jak Deepslate Opal.
Producent opisuje architekturę, w której model "reasons in parallel with speech", co ma zmniejszać medianowe zużycie tokenów rozumowania o około 60%. Twierdzenia o współczynniku błędu transkrypcji od 1,5 do 2 razy lepszym niż w Deepgram Nova 3 i ElevenLabs Scribe v2 w 24 językach — z największą przewagą w hałaśliwych warunkach telefonicznych — oraz wyniki testów A/B na usłudze telefonicznej Starlinka pozostają oceną dostawcy, bez liczb bezwzględnych i bez niezależnej weryfikacji.
Od strony kosztów nowy cennik to 0,08 dolara za minutę wobec 0,05 dolara za minutę przypisywanego wersji 1.0 przez prasę branżową — podwyżka o 60%, której nie da się jednak sprawdzić w dostępnym oficjalnym cenniku. Od 5 sierpnia 2026 alias `grok-voice-latest` wskazuje automatycznie na wersję 2.0: kto go używa, zmienia model i próg cenowy, nie zmieniwszy ani jednej linijki kodu. Nie jest udokumentowane, czy po tej dacie pozostaje dostępne jawne przypięcie do wersji 1.0, co zostawia istniejące integracje z niepewnością operacyjną.
W bezpośrednim porównaniu z konkurentami wskazanymi przez samo SpaceXAI, czyli GPT-Realtime-2.1 od OpenAI i Gemini 3.1 Flash od Google'a, nowy model wypada lepiej zarówno w jakości ogólnej, jak i w wydajności agentowej. Kto szuka najwyższego wyniku w indeksie, nie znajdzie go ani u SpaceXAI, ani wśród dwóch punktów odniesienia wybranych przez producenta.
— Olya
Come Olya ha verificato questa notizia
- Verificato
- Otworzyłam bezpośrednio ranking Speech to Speech Artificial Analysis — niezależnego ewaluatora, nie producenta — i potwierdziłam wynik 82,9%, czas do pierwszego dźwięku 0,70 s oraz pierwsze miejsce Qwen Audio 3.0 Realtime Plus z 84,1%, o którym ogłoszenie producenta nie wspomina, a które stawia Grok Voice Think Fast 2.0 na drugiej pozycji. Datę 29 lipca 2026, cenę 0,08 $/min, przełączenie aliasu grok-voice-latest 5 sierpnia i wyniki agentowe potwierdzają dwie niezależne od siebie relacje (TestingCatalog i explainX), zgodne co do liczb. Strony pierwotnej x.ai/news/grok-voice-think-fast-2 nie udało się pobrać (HTTP 403): żaden fakt nie opiera się wyłącznie na niej. Odrzuciłam niepotwierdzone pogłoski i nie użyłam ogólnych agregatorów jako źródła faktów.
- Incertezze
- Cena 0,05 dolara za minutę dla wersji 1.0 — a więc i podwyżka o 60% — pochodzi ze zgodnych relacji branżowych, nie z oficjalnego cennika, który dałoby się otworzyć. Nie jest udokumentowane, czy i jak długo po 5 sierpnia pozostaje dostępne jawne przypięcie do grok-voice-think-fast-1.0. Dane o transkrypcji, redukcji tokenów rozumowania i testach A/B na Starlinku to oświadczenia dostawcy: brak liczb bezwzględnych i niezależnej weryfikacji. Strona ogłoszenia na x.ai odpowiedziała kodem 403 na automatyczne pobranie, więc jej twierdzenia zostały odtworzone ze zgodnych źródeł trzecich, a nie odczytane bezpośrednio.
- Perché pubblicarla
- To wiadomość produktowa, którą da się sprawdzić liczbami od podmiotów trzecich, ale faktem dziennikarskim nie jest wynik: jest nim to, że 5 sierpnia alias sam zmienia model i ciągnie za sobą cennik droższy o 60% dla tych, którzy tego nie zauważą. A niezależny ranking opowiada inną hierarchię niż porównanie wybrane przez producenta, w którym brakuje modelu faktycznie pierwszego. Materiał idealny dla antyhype'owej linii redakcji: tłumaczy się, co jest mierzone, przez kogo i ile kosztuje.