Grok语音2.0：边说边推理

Grok Voice Think Fast 2.0 发布，语音模型开始比拼“边说边做”

SpaceXAI 于 7 月 29 日发布 Grok Voice Think Fast 2.0，这是其目前能力最强的语音到语音模型，升级重点不是增加几个声音或情绪选项，而是让模型在保持低延迟的同时完成推理、转录和工具调用。

**语音到语音模型是直接接收语音并生成语音回复的端到端模型。**它与传统“语音转文字—大语言模型—文字转语音”三级流水线最大的差别，是不必在多个模型之间反复传递文本和音频，因此更容易控制延迟、语气和打断体验。

这次最值得注意的数据有三个：AA Speech-to-Speech Quality Index 从 75.7% 升至 82.9%，提高 7.2 个百分点；平均首段音频响应时间从 1.25 秒缩短至 0.70 秒，降幅约 44%；每次回复使用的推理 Token 中位数降至前代的 0.4 倍，相当于减少 60%。

SpaceXAI 还确认，grok-voice-latest 将在 2026 年 8 月 5 日从 grok-voice-think-fast-1.0 自动升级至 grok-voice-think-fast-2.0。希望维持现有行为的开发者，需要在此之前固定使用 grok-voice-think-fast-1.0，否则生产环境会直接切换到新版。

关键参数：质量更高，响应更快，但价格也涨了

**Grok Voice Think Fast 2.0 的定价是每分钟音频 0.08 美元。**按连续使用一小时计算，音频费用为 4.80 美元，约合人民币 32 元至 33 元，实际金额会随汇率变化。

“低价”在这里需要加一个限定：它是相对部分高端实时语音模型更便宜，而不是相对前代降价。公开报道显示，Think Fast 1.0 的折算价格约为每小时 3.00 美元，新版每小时 4.80 美元，涨幅达到 60%。

| 模型 | 音频价格 | 首段音频响应 | 质量或能力指标 | 主要特点 | |---|---:|---:|---:|---| | Grok Voice Think Fast 2.0 | 0.08 美元/分钟，4.80 美元/小时 | 0.70 秒 | AA 语音质量指数 82.9%；Tau Voice 56.5% | 边说边推理、工具调用、噪声环境转录 | | Grok Voice Think Fast 1.0 | 约 3.00 美元/小时 | 1.25 秒 | AA 语音质量指数 75.7% | 面向客服、销售等多步骤工作流 | | GPT-Realtime-2.1 High | 约 10.75 美元/小时 | 未在本次材料中披露 | 未提供同口径分数 | 高质量实时语音交互 | | Qwen Audio 3.0 Realtime Plus | 未在本次材料中披露 | 未在本次材料中披露 | AA 语音质量指数 84.1% | 当前公开榜单质量分数领先 |

Grok Voice Think Fast 2.0 每小时 4.80 美元的价格约为 GPT-Realtime-2.1 High 的 44.7%，低 55.3%；换一种说法，后者的音频小时价格约为 Grok 的 2.24 倍。不过，不同平台对输入音频、输出音频、静音时段和工具调用的计费口径可能不同，表格更适合用于量级判断，不能直接替代完整的生产成本核算。

新版在 AA Speech-to-Speech Quality Index 上取得 82.9%，较前代的 75.7% 提高 7.2 个百分点，相对增幅约为 9.5%。它仍低于 Qwen Audio 3.0 Realtime Plus 的 84.1%，因此“最强语音模型”并不是所有维度都排名第一。

新版真正领先的是智能体任务表现。公开测试结果显示，Think Fast 2.0 在 Tau Voice 基准中获得 56.5%，位列参测模型第一；但这一分数不宜直接与早期报道中 Think Fast 1.0 的 67.3% 横向相减，因为基准版本、任务集和评分设置可能发生变化。

0.70 秒意味着语音交互开始接近正常接话

**首段音频响应时间是从用户结束一段输入，到模型开始播放第一段回复音频所需的时间。**这个数字比生成完整答案的总时长更影响用户体感，因为人对电话中的空白极其敏感。

Think Fast 2.0 将平均首段音频响应从 1.25 秒压缩到 0.70 秒，减少了 0.55 秒。在文字聊天里，半秒差距不算明显；在电话客服、销售外呼或车载助手里，半秒足以决定用户觉得对方是在自然接话，还是系统卡住了。

0.70 秒也不是简单追求“说得快”。语音智能体要先判断用户是否真的说完、理解意图、决定是否调用工具，再组织第一句话；如果只压低语音生成延迟，却把查订单、改预约等动作留到整段话说完之后，用户仍然需要等待第二轮结果。

SpaceXAI 对 Think Fast 2.0 的核心描述是“在说话时同步推理”。模型可以先用一句自然语言确认需求，同时在后台完成查库存、读取账户或修改日程等动作，而不是沉默数秒后一次性给出结果。

“边说边推理”比单纯低延迟更重要

**实时推理是模型在持续接收或输出语音的过程中同步完成判断、规划和工具调用。**它不是把传统推理模型简单调快，而是重新安排模型思考、发声和执行动作的时间关系。

传统语音智能体更像先写完稿再念稿。用户说“帮我把周五下午的会议改到下周一，并通知所有参会人”后，系统通常要完成转录、理解、日历查询、冲突检查、修改和通知，再开始回答。任何一个环节变慢，电话另一端都会出现明显空白。

Think Fast 2.0 的思路更像真人客服边回应边操作。模型可以先说“我来检查下周一的空闲时间”，并在这句话播放期间调用日历工具；如果工具足够快，模型说完第一句时，会议冲突和可用时段已经返回。

SpaceXAI 称，在生产环境中，工具调用通常能在智能体说完第一句话之前完成。这个指标没有给出统一的毫秒数，因为实际耗时还取决于外部工具和网络，但它比单纯公布模型 Token 生成速度更贴近真实业务。

这一能力对电话客服尤其有价值。查订单、取消预约、修改地址、重置账户和生成工单都依赖外部系统，语音模型本身再聪明，如果每次操作都要让用户等待三到五秒，体验依然像传统 IVR 系统套了一层自然语言外壳。

推理 Token 减少 60%，可能比跑分提升更实际

**推理 Token 是模型在生成最终回复前用于内部分析和决策的计算单位。**推理 Token 越多通常意味着计算成本和响应时间越高，但数量多并不自动代表答案更可靠。

SpaceXAI 公布的中位数数据显示，Think Fast 2.0 每次回复所需的相对推理 Token 为 0.4 倍，Think Fast 1.0 则为 1.0 倍。也就是说，新版把典型回复的内部推理消耗减少了约 60%。

这项优化解释了新版为何能同时提升质量和降低响应时间。实时语音无法照搬长链条推理模型的工作方式，因为模型一旦思考十几秒，用户早已挂断电话；它需要在几十到几百毫秒的时间片里判断下一句话说什么、是否调用工具，以及什么时候允许用户打断。

推理效率也会影响高并发服务的单位成本。假设一个客服中心每天处理 10 万次对话，即使音频价格不变，每轮回复减少 60% 的内部推理计算，也能降低排队压力，并把更多算力留给高难度任务。

不过，推理 Token 是厂商提供的内部相对指标，并不等于端到端成本下降 60%。音频编码、语音生成、网络传输和外部工具执行仍会占用资源，开发者更应该关注整通电话的成功率、平均处理时长与转人工率。

转录能力瞄准电话噪声，而不是录音棚样本

**词错误率（Word Error Rate，WER）是衡量语音转录错误比例的指标，数值越低越好。**它综合计算替换、删除和插入的单词数量，是语音识别系统最常见的评价方式之一。

SpaceXAI 在覆盖数千条短语和 24 种语言的内部测试中称，Think Fast 2.0 的转录表现较 Deepgram Nova 3 和 ElevenLabs Scribe v2 提升 1.5 至 2.0 倍，较 Think Fast 1.0 提升 1.4 倍。官方没有在本次摘要材料中披露每种语言的完整 WER 数值，因此这些倍数更适合视为厂商内部结果，而不是独立复现结论。

噪声环境是这次转录升级的重点。SpaceXAI 称，在存在明显背景噪声和电话压缩的场景中，Think Fast 2.0 与专用语音转文字模型之间的表现差距可以扩大到约 10 倍。

电话压缩比普通麦克风录音更难处理。传统电话通常会丢掉一部分高低频信息，再叠加回声、路噪、办公室人声和口音后，姓名、订单号与地址最容易识别错误，而这些恰好是客服流程中最不能出错的信息。

24 种语言的覆盖也不代表 24 种语言能力完全一致。厂商公布的是整体内部评估，开发者仍需按目标市场分别测试口音、数字、专有名词、代码切换和混合语言输入，尤其不能用英语平均成绩替代中文电话场景的验证。

这次升级对开发者意味着什么

Think Fast 2.0 最适合的不是纯陪聊，而是有明确任务结果的实时语音智能体。客服、销售、预约、车载控制、游戏角色和无障碍助手都能从低延迟受益，但价值最大的场景仍是需要调用业务系统的电话流程。

开发者在 8 月 5 日自动升级前应重点检查以下项目：

• **回归测试对话行为。**新版可能改变停顿、抢话、语气和回答长度，原有提示词未必继续产生相同结果。
• **验证工具调用顺序。**模型更早发起工具调用后，幂等性、撤销逻辑和权限确认必须跟上，避免用户还未确认就执行不可逆操作。
• **重新测量打断体验。**低延迟不等于会正确处理插话，模型需要在用户重新开口时及时停播，并保留未完成任务的状态。
• **单独评估中文与电话音质。**普通话、方言、英文缩写、地址和数字串应分别建立测试集，不能只听几段官方演示。
• **锁定关键生产版本。**依赖稳定行为的业务可以先固定 grok-voice-think-fast-1.0，待灰度测试通过后再迁移至 2.0。
• **核算整通会话成本。**每分钟 0.08 美元只是音频维度价格，外部工具、业务系统和人工兜底同样会影响总成本。

模型自动升级尤其值得警惕。grok-voice-latest 使用方便，却会把版本变化直接带进生产环境；对于客服和交易类业务，固定具体模型版本、建立灰度流量和保留快速回滚能力，通常比第一时间追新更重要。

判断：语音模型的竞争中心正在从“会说话”转向“能办事”

Grok Voice Think Fast 2.0 的关键进步不是声音更像真人，而是把推理和工具执行塞进了自然对话的时间窗口。0.70 秒首段响应、60% 推理 Token 降幅和工具调用在第一句话结束前完成，指向的是同一个目标：让模型说话和办事同时发生。

它也并非没有短板。82.9% 的 AA 语音质量指数仍低于 Qwen Audio 3.0 Realtime Plus 的 84.1%，每小时 4.80 美元也比前代贵 60%；转录提升主要来自厂商内部评估，还需要更多独立测试验证中文、方言和极端噪声表现。

价格优势则是真实但有条件的。与每小时约 10.75 美元的 GPT-Realtime-2.1 High 相比，Grok 的音频价格低约 55.3%，足以影响大规模客服和销售系统的选型；但如果任务成功率低几个百分点，节省的模型费用可能很快被转人工和重复来电抵消。

综合来看，Think Fast 2.0 是一次比常规语音升级更有意义的迭代。它没有赢下每一项质量排名，却把响应、推理、转录、工具调用和价格压进了一个更适合生产部署的平衡点，这也是实时语音模型从演示产品走向业务基础设施必须跨过的一步。

参考来源

• IT之家：SpaceXAI 发布 Grok Voice Think Fast 2.0——包含发布时间、每分钟定价、自动升级计划、质量指数及转录测试等信息。