xAI发布Grok Voice 2.0：语音AI零点七秒开口，智能体性能登顶

马斯克旗下人工智能公司xAI于7月29日正式发布Grok Voice Think Fast 2.0语音模型，将语音AI的首音频响应延迟压缩至0.70秒，较上一代降低44%，刷新了行业纪录。这一性能指标意味着用户在与AI对话时几乎感受不到等待时间，交互体验接近真人对话。

智能体性能登顶

在第三方评测平台Tau Bench的智能体性能测试中，Grok Voice以56.5%的任务完成率排名第一，超越了OpenAI和Anthropic的同类语音模型。在语音到语音的质量指数评测中，Grok Voice得分82.9%，在自然度、准确性和上下文理解三个维度均处于领先位置。

定价策略激进

xAI将Grok Voice的API定价设为每分钟0.08美元，显著低于市场同类产品。这一定价策略与此前Grok 4.5文本模型以三分之一定价搅动市场的做法一脉相承，显示出xAI通过低价快速抢占开发者生态的战略意图。Grok Voice目前已接入SpaceX的Starlink卫星客服系统，为全球用户提供语音技术支持服务。

语音AI竞争加剧

语音交互正在成为AI大模型竞争的新战场。OpenAI的Realtime API、谷歌的Gemini Live和Anthropic的语音功能均在加速迭代。Grok Voice 2.0的发布进一步压缩了各厂商在延迟和成本上的差距空间，语音AI的实用化门槛正在快速降低。