xAI telah mengumumkan Grok Voice Think Fast 2.0, model suara generasi berikutnya berbasis speech-to-speech yang dirancang untuk meningkatkan kecerdasan, akurasi transkripsi, dan kemampuan percakapan. Pembaruan ini dibangun dari pendahulunya dengan memperkenalkan peningkatan signifikan dalam penalaran suara, kemampuan percakapan, dan keandalan penggunaan alat.
- Mengungguli model transkripsi khusus seperti Deepgram Nova 3 dan ElevenLabs Scribe v2 dengan peningkatan akurasi sebesar 1,5–2,0× di 24 bahasa.
- Mencapai kinerja sekitar 10× lebih baik daripada pesaing dalam kondisi bising, seperti yang memiliki kebisingan latar belakang atau kompresi telephony.
- Menalar pertanyaan sambil berbicara secara paralel, memungkinkan panggilan alat yang lebih cepat yang sering kali dieksekusi sebelum akhir kalimat pertama agen.
- Memanfaatkan pembelajaran penguatan untuk menghasilkan kalimat yang lebih pendek dan mengajukan satu pertanyaan pada satu waktu, menghasilkan interaksi pengguna yang lebih sederhana dan lancar.
- Dihargai $0,08 per menit audio, dengan grok-voice-latest secara otomatis ditingkatkan ke versi 2.0 pada 5 Agustus 2026.
Pengujian A/B di Starlink menunjukkan peningkatan signifikan dalam tingkat konversi penjualan dan tingkat penahanan dukungan, mengindikasikan kinerja yang lebih baik di berbagai kasus penggunaan tanpa memerlukan pengeditan prompt.