xAI a annoncé Grok Voice Think Fast 2.0, un modèle vocal de nouvelle génération de parole à parole conçu pour améliorer l'intelligence, la précision de la transcription et les capacités conversationnelles. La mise à jour s'appuie sur son prédécesseur en introduisant des gains significatifs dans le raisonnement vocal, la capacité conversationnelle et la fiabilité de l'utilisation d'outils.
- Surpasse les modèles de transcription dédiés comme Deepgram Nova 3 et ElevenLabs Scribe v2 avec une amélioration de précision de 1,5 à 2,0× sur 24 langues.
- Atteint des performances environ 10× supérieures aux concurrents dans des environnements bruyants, tels que ceux avec du bruit de fond ou une compression téléphonique.
- Raisonne sur les requêtes tout en parlant en parallèle, permettant des appels d'outils plus rapides qui s'exécutent souvent avant la fin de la première phrase de l'agent.
- Utilise l'apprentissage par renforcement pour produire des phrases plus courtes et poser une question à la fois, résultant en des interactions utilisateur plus simples et plus fluides.
- Tarifié à 0,08 $ par minute d'audio, avec grok-voice-latest se mettant automatiquement à niveau vers la version 2.0 le 5 août 2026.
Les tests A/B sur Starlink ont démontré des augmentations significatives des taux de conversion des ventes et des taux de rétention du support, indiquant une performance améliorée dans tous les cas d'usage sans nécessiter de modifications des prompts.