马斯克发Grok新模型，登智能体测评榜首，比OpenAI家便宜一半

智东西7月30日报道，马斯克旗下SpaceXAI今天扔出了一颗重磅冲击波——正式发布新一代语音模型

，号称是该公司迄今能力最强的语音到语音（speech-to-speech）模型。

消息一出，马斯克本人连发两条推文。第一条直接甩出结论：“Grok Voice现在在智能体性能方面排名第一”；第二条则更干脆，招呼网友“试试新的Grok Voice”。

马斯克发文

权威评测机构Artificial Analysis的语音到语音指数（Speech to Speech Index）中，Grok Voice Think Fast 2.0高推理能力版本以82.9%的得分位列第二，

；而在衡量智能体性能的Tau Voice基准测试中，该模型以56.5%的得分直接登顶，把OpenAI、Google、阿里千问等厂商的语音模型甩在了身后。

更值得关注的是响应速度——

，相比前代Grok Voice Think Fast 1.0的1.25秒，提升幅度相当可观。

定价方面，Grok Voice Think Fast 2.0

（约合每小时输入音频4.80美元），虽然比前代的3.00美元涨了一些，但价格仅为GPT-Realtime-2.1 High的45%左右，性价比依然突出。

在评论区，不少网友已经按捺不住。有人期待用它生成多角色有声剧，也有开发者表示“之前一直用Gemini，现在终于有新的选择了”。

01.多位开发者实测后给出好评：响应飞快，对话更自然

AI公司Helionova AI的CEO Nick White在X上分享了他的实测体验。他在旗下产品Tradecraft上完成了面向grok-voice-think-fast-2.0的全栈语音实时升级，直言“

”。

Nick White放出的实测音频中，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，双方围绕预约迟到展开了一段多轮实时电话对话。整个过程几乎没有明显停顿，模型能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。

另一位开发者则把Think Fast 2.0集成进终端工具GrokTerm，展示其对话速度。视频中，测试者先让模型介绍新版本亮点，模型以极快速度回应。随后测试者连续发出“将应用主题切换为赛博朋克风格”“切回原主题”“切到另一边屏幕”“再切回赛博朋克”等指令，

。

SpaceXAI软件工程师Parker Conrad也发文感叹：“整个语音团队为此倾注了大量的努力、思考和热爱。模型的智能水平、准确性和能力几乎让人感觉不真实。语音领域仍然充满摩擦，Think Fast 2.0向着‘

’的目标迈进了一大步——这本就是语音模型应有的样子。”

02.响应仅0.7秒，推理更快、识别更准

Grok Think Fast 2.0定位为下一代语音模型，升级重点集中在

三方面。

Artificial Analysis数据显示，

，相比上一代75.7%提升7.2个百分点。其中，Big Bench Audio语音推理测试得分97.2%；衡量多人实时语音交互体验的Full Duplex Bench达到95.1%，相比上一代77.8%提升明显；Tau Voice语音智能体测试则达到56.5%，成为目前该榜单第一。

平均首次语音响应时间仅0.70秒，明显快于GPT-Realtime-2 High（1.14秒）、GPT-Realtime-2.1 High（1.21秒）以及Think Fast 1.0（1.25秒）。

在覆盖24种语言、数千条短语的测试中，Think Fast 2.0整体转写准确率相比Think Fast 1.0

，相比Deepgram Nova 3和ElevenLabs Scribe v2提升约1.5至2倍。而在背景噪声较大、电话压缩等真实场景下，这一优势进一步扩大，。

不同于许多语音模型需要先完成推理再生成语音，

，因此能够在保持低延迟的同时处理复杂任务。，中位数推理Token消耗仅为上一代约40%，这意味着工具调用通常能够在模型第一句话结束前便开始执行，从而进一步缩短整体响应时间。

。研发团队利用大量强化学习数据，让模型更接近真实的人类交流方式。相比此前版本，新模型会更多使用短句表达，一次只提出一个问题，并尽量避免冗长、重复的表达。从用户角度来看，整个交流过程会更加自然，即使模型背后正在完成复杂流程规划，用户也不会明显感受到等待。

03.结语：语音模型竞争，进入“智能体时代”

过去一年，OpenAI、Google与阿里千问等厂商持续升级实时语音模型，竞争重点也逐渐从语音识别、语音合成，转向复杂任务处理、多轮对话以及工具调用能力。

从此次发布来看，SpaceXAI延续了这一方向。一方面，Think Fast 2.0进一步提升了语音推理、实时交互和语音识别能力；另一方面，通过“边说边推理”、更低的推理Token消耗以及更快的工具调用速度，其希望让语音智能体能够真正承担客服、电话助手、销售等真实业务场景。

从Artificial Analysis最新榜单来看，Think Fast 2.0已经在语音智能体能力（Tau Voice）上取得第一，并跻身Speech-to-Speech综合榜单前列。随着8月5日默认模型完成升级，其实际表现也将在更多开发者和企业应用中接受进一步验证。