Grok Voice Think Fast 2.0: продуктивність вища, ціна за хвилину теж

29 липня 2026 року SpaceXAI представила Grok Voice Think Fast 2.0 — speech-to-speech модель, доступну через API та Voice Agent Builder. За даними незалежного індексу Artificial Analysis, варіант High набирає 82,9% і посідає друге місце після Qwen Audio 3.0 Realtime Plus від Alibaba Cloud, яка очолює індекс із 84,1% (99% speech reasoning, 98,4% conversational dynamics). Натомість в агентній частині Think Fast 2.0 показує 56,5% проти 54,6% у Qwen. Час до першого аудіо знижується до 0,70 секунди проти 1,25 у попередній версії — покращення, якого, втім, не досить, щоб обійти за швидкістю конкурентів на кшталт Deepslate Opal.

Виробник заявляє про архітектуру, у якій модель "reasons in parallel with speech", що скорочує медіанну витрату токенів міркування приблизно на 60%. Твердження про частоту помилок транскрипції, яка у 1,5–2 рази краща, ніж у Deepgram Nova 3 та ElevenLabs Scribe v2, для 24 мов — з найбільшим відривом у шумних телефонних умовах — а також результати A/B-тестів на телефонній службі Starlink лишаються оцінками постачальника: без абсолютних цифр і без незалежної перевірки.

З економічного боку новий прайс — 0,08 долара за хвилину проти 0,05 долара за хвилину, які фахові видання приписують версії 1.0. Це подорожчання на 60%, але перевірити його за доступним офіційним прайс-листом неможливо. Від 5 серпня 2026 року аліас `grok-voice-latest` автоматично вказує на 2.0: той, хто ним користується, змінює і модель, і цінову категорію, не змінивши жодного рядка коду. Чи залишиться після цієї дати явне закріплення на версії 1.0, ніде не задокументовано, і для наявних інтеграцій це управлінська невизначеність.

У прямому порівнянні з конкурентами, яких назвала сама SpaceXAI, — GPT-Realtime-2.1 від OpenAI та Gemini 3.1 Flash від Google — нова модель показує вищі бали і за загальною якістю, і за агентною продуктивністю. Але той, хто шукає найвищий бал індексу, не знайде його ні в SpaceXAI, ні у двох обраних виробником точках відліку.

— Olya