A xAI anunciou o Grok Voice Think Fast 2.0, um modelo de voz de próxima geração que converte fala em fala, projetado para melhorar a inteligência, a precisão da transcrição e as capacidades de conversação. A atualização se baseia em seu antecessor, introduzindo ganhos significativos no raciocínio com fala, na habilidade de conversação e na confiabilidade do uso de ferramentas.
- Supera modelos dedicados de transcrição como Deepgram Nova 3 e ElevenLabs Scribe v2 com uma melhoria de precisão de 1,5–2,0× em 24 idiomas.
- Alcança desempenho aproximadamente 10× superior ao dos concorrentes em ambientes ruidosos, como aqueles com ruído de fundo ou compressão telefônica.
- Raciocina sobre as consultas enquanto fala em paralelo, permitindo chamadas de ferramenta mais ágeis que frequentemente são executadas antes do final da primeira frase do agente.
- Utiliza aprendizado por reforço para produzir frases mais curtas e fazer uma pergunta por vez, resultando em interações com o usuário mais simples e fluidas.
- Preços de US$ 0,08 por minuto de áudio, com grok-voice-latest sendo atualizado automaticamente para a versão 2.0 em 5 de agosto de 2026.
Testes A/B na Starlink demonstraram aumentos significativos nas taxas de conversão de vendas e nas taxas de contenção de suporte, indicando desempenho aprimorado em diversos casos de uso sem exigir edições no prompt.