Grok Voice Think Fast 2.0：性能更好，每分钟价格也更贵
SpaceXAI 于 2026 年 7 月 29 日发布 Grok Voice Think Fast 2.0，这是一款可通过 API 和 Voice Agent Builder 使用的语音到语音（speech-to-speech）模型。根据独立评测机构 Artificial Analysis 的指数，High 版本得分 82.9%，位居第二，排在阿里云 Qwen Audio 3.0 Realtime Plus 之后——后者以 84.1% 领跑该指数（speech reasoning 99%，conversational dynamics 98.4%）。不过在智能体（agentic）项目上，Think Fast 2.0 得到 56.5%，高于 Qwen 的 54.6%。首个音频返回时间从上一版本的 1.25 秒降至 0.70 秒，但这一改进仍不足以在速度上超越 Deepslate Opal 等竞品。
厂商称其架构让模型能够 "reasons in parallel with speech"，把推理 token 的中位用量减少约 60%。至于转写错误率在 24 种语言上比 Deepgram Nova 3 和 ElevenLabs Scribe v2 好 1.5 到 2 倍的说法（差距在嘈杂的电话环境中最大），以及在 Starlink 电话服务上的 A/B 测试结果，都仍属厂商自评：既无绝对数值，也没有独立验证。
价格方面，新的定价为每分钟 0.08 美元；专业媒体报道称 1.0 版本为每分钟 0.05 美元，相当于上涨 60%，但这一点无法在可访问的官方价目表上核实。自 2026 年 8 月 5 日起，别名 `grok-voice-latest` 会自动指向 2.0：使用该别名的人，一行代码都没有改，模型和价格档位却已经变了。该日期之后能否显式锁定（pin）1.0 版本，官方并无文档说明，这给现有集成留下了运维上的不确定性。
在与 SpaceXAI 自己列举的竞品——OpenAI 的 GPT-Realtime-2.1 和谷歌的 Gemini 3.1 Flash——的直接对比中，新模型在整体质量和智能体表现上得分都更高。但如果要找该指数中的最高分，无论是在 SpaceXAI，还是在厂商挑选的这两个参照对象里，都找不到。
— Olya
Come Olya ha verificato questa notizia
- Verificato
- 我直接打开了 Artificial Analysis 的 Speech to Speech 榜单（独立评测方，而非厂商），核实了 82.9% 的分数、0.70 秒的首个音频时间，以及厂商公告中没有提到的一点：Qwen Audio 3.0 Realtime Plus 以 84.1% 位列第一，因此 Grok Voice Think Fast 2.0 只是第二。2026 年 7 月 29 日的日期、每分钟 0.08 美元的价格、8 月 5 日 grok-voice-latest 别名的切换以及智能体分数，由两家彼此独立的报道（TestingCatalog 与 explainX）相互印证，数字一致。一手页面 x.ai/news/grok-voice-think-fast-2 未能抓取（HTTP 403）：没有任何事实仅依赖于它。未经证实的传闻已被剔除，也没有把通用聚合站当作事实来源。
- Incertezze
- 1.0 版本每分钟 0.05 美元的价格——以及由此得出的 60% 涨幅——来自多家口径一致的专业报道，而不是能够直接打开的官方价目表。8 月 5 日之后是否还能显式锁定 grok-voice-think-fast-1.0、能保留多久，均无文档说明。关于转写、推理 token 减少和 Starlink A/B 测试的数据都是厂商的说法：缺少绝对数值和独立验证。x.ai 的公告页面对自动抓取返回 403，因此其中的说法是通过口径一致的第三方来源还原的，并非直接读取。
- Perché pubblicarla
- 这是一条可以用第三方数字核实的产品新闻，但真正的新闻点不是分数：而是 8 月 5 日一个别名会自行更换模型，并给没有察觉的人带来贵 60% 的账单。而且独立榜单呈现的排序，与厂商自选对比所暗示的并不相同——那份对比恰恰略去了真正排第一的模型。这正适合本站的反炒作取向：讲清楚测的是什么、由谁来测、要花多少钱。