xAI ha anunciado Grok Voice Think Fast 2.0, un modelo de voz de próxima generación de voz a voz diseñado para mejorar la inteligencia, la precisión de la transcripción y las capacidades conversacionales. La actualización se basa en su predecesor introduciendo mejoras significativas en el razonamiento del habla, la capacidad conversacional y la fiabilidad del uso de herramientas.
- Supera a modelos de transcripción dedicados como Deepgram Nova 3 y ElevenLabs Scribe v2 con una mejora de precisión de 1.5–2.0× en 24 idiomas.
- Logra un rendimiento aproximadamente 10× mejor que los competidores en entornos ruidosos, como aquellos con ruido de fondo o compresión telefónica.
- Razona sobre las consultas mientras habla en paralelo, lo que permite llamadas a herramientas más rápidas que a menudo se ejecutan antes del final de la primera frase del agente.
- Utiliza aprendizaje por refuerzo para producir frases más cortas y hacer una pregunta a la vez, lo que resulta en interacciones de usuario más simples y fluidas.
- Precio de $0.08 por minuto de audio, con grok-voice-latest actualizándose automáticamente a la versión 2.0 el 5 de agosto de 2026.
Las pruebas A/B en Starlink demostraron aumentos significativos en las tasas de conversión de ventas y de contención del soporte, lo que indica un mejor rendimiento en los casos de uso sin requerir ediciones de prompt.