xAI推出Grok Voice 2.0语音模型性能赶超GPT、Gemini同类产品

AI创作导航管理员 LV4 资深连续登录30天萌新

2 个月前

风向

1302

人工智能企业xAI于2026年7月31日正式推出新一代语音模型Grok Voice Think Fast 2.0，全面向开发者开放。该模型在权威机构Artificial Analysis的语音基准测试中综合得分达82.9%，超过GPT-Realtime-2.1、Gemini 3.1 Flash等同赛道产品，定价为每分钟0.08美元，在响应速度、转录精度、工具调用效率上均实现显著提升。

近两年来，随着AI Agent、智能硬件、实时翻译等场景的需求爆发，低延迟、高可靠性的语音交互模型已经成为大厂竞逐的核心赛道。此前OpenAI推出的GPT-Realtime系列、谷歌旗下的Gemini Flash系列语音模型，长期占据商用语音模型市场的主要份额，行业玩家普遍面临性能瓶颈，尤其是在多语言转录、工具调用准确率、响应速度三个核心指标上，难以同时满足商用要求。

本次xAI发布的新模型直接瞄准行业痛点交出了答卷。在权威测试中，该模型82.9%的综合得分不仅超越前代产品，也比GPT-Realtime-2.1、Gemini 3.1 Flash的得分高出2-3个百分点，专门衡量语音Agent执行能力的智能体评分更是达到56.5%，位列当前公开模型第一。

交互体验层面，新模型将首次音频播放时间压缩至0.7秒，几乎消除了用户对话的等待感，完全适配实时对话场景需求。语音转录能力上，多语言环境下的转录准确率达到上一代产品的1.4倍，对口音、背景噪音的容错能力也有明显提升。

商用落地层面，xAI直接给出了每分钟0.08美元的定价，同时宣布全面向所有开发者开放调用接口，无需申请等待即可接入，大幅降低了中小开发者使用顶尖语音模型的门槛。

业内人士认为，本次xAI新模型的发布，将打破此前OpenAI、谷歌在实时语音模型领域的双寡头格局，倒逼全行业加速性能迭代和定价下探。随着语音模型的可靠性、响应速度持续提升，未来车载语音助手、随身AI设备、多语言实时同传、智能呼叫中心等场景的落地速度将明显加快，普通用户接触到自然流畅AI语音交互的场景也会越来越多。

大语言模型 2.0 人工智能 Think xAI Grok Voice Fast 语音Agent

本文基于公开信息分析整理，仅供参考。更多AI工具动态与行业解读，请持续关注本站更新。