马斯克发Grok新模型 语音交互大跃进

马斯克发Grok新模型 语音交互大跃进。马斯克旗下的SpaceXAI近日推出了新一代语音模型Grok Voice Think Fast 2.0，这是该公司迄今为止能力最强的语音到语音模型。马斯克在推特上宣布了这一消息，并邀请网友尝试新的Grok Voice。

根据权威评测机构Artificial Analysis的报告，在语音到语音指数中，Grok Voice Think Fast 2.0高推理能力版本以82.9%的得分位列第二，仅次于千问Qwen Audio 3.0 Realtime Plus（84.1%）。在衡量智能体性能的Tau Voice基准测试中，该模型以56.5%的得分排名第一，击败了OpenAI、Google和阿里千问等厂商的语音模型。此外，该模型平均首音频响应时间仅0.70秒，是榜单前五名中唯一低于1秒的模型，较前代Grok Voice Think Fast 1.0的1.25秒大幅提升。

定价方面，Grok Voice Think Fast 2.0每分钟0.08美元（约合每小时输入音频4.80美元），比前代3.00美元有所上涨，但仍比GPT-Realtime-2.1 High（10.75美元/小时）便宜约2.2倍。许多网友对新模型表示期待，有人希望利用它生成多角色有声剧，也有开发者称终于有了新的选择。

AI公司Helionova AI的CEO Nick White分享了他的实测体验，称已在旗下产品Tradecraft上完成了面向grok-voice-think-fast-2.0的全栈语音实时升级，效果显著。在实测音频中，他让Grok Voice扮演一名因维修人员爽约而愤怒投诉的客户，自己则扮演客服接线员，双方进行了多轮实时电话对话。整个过程中，模型几乎没有明显停顿，能够根据对话内容持续推进情节，并针对客服回答实时作出反馈。