🎤 语音智能体 · 榜单速递
Grok Voice Think Fast 2.0 登顶智能体评测榜首，响应仅 0.7 秒，定价比竞品便宜约 2.2 倍
7 月 30 日，SpaceXAI 发布新一代语音模型 Grok Voice Think Fast 2.0，在 Tau Voice 智能体基准测试中以 56.5% 得分排名第一，击败 OpenAI、Google、阿里千问等厂商的语音模型；同时以 0.70 秒首音频响应时间成为前五名中唯一低于 1 秒的模型，定价每小时仅 4.80 美元，较 GPT-Realtime-2.1 High 便宜约 2.2 倍。
综合公开信息整理•
2025-07-30•
全文约 3 分钟读完
#SpaceXAI
#Grok Voice
#语音智能体
#Tau Voice
#Think Fast 2.0
🥇 第 1 名
Tau Voice 智能体基准 · 多厂商参评
0.70秒
首音频响应时间 · 前五唯一低于 1 秒
4.80美元/时
输入定价 · 比 GPT-Realtime-2.1 High 便宜约 2.2 倍
⚡ 30 秒速览
- 赢了多少：Tau Voice 智能体测试 56.5% 排名第一；Speech-to-Speech 综合 82.9% 位列第二，仅次于千问 Qwen Audio 3.0 Realtime Plus（84.1%）。
- 快多少：首音频响应 0.70 秒，比 GPT-Realtime-2.1 High（1.21 秒）快约 42%，比前代 Think Fast 1.0（1.25 秒）快 44%。
- 便宜多少：每小时 4.80 美元，仅为 GPT-Realtime-2.1 High（10.75 美元/小时）的约 45%，便宜约 2.2 倍。
- 哪里更强：支持"边说边推理"，中位数推理 Token 消耗仅为上一代约 40%；背景噪声下识别误差降低约 10 倍。
- 谁在验证：多位开发者实测给出好评，Helionova AI CEO 称"绝对是一次飞跃式的进步"。
01双榜成绩：智能体第一，综合第二
在权威评测机构 Artificial Analysis 的语音到语音指数（Speech to Speech Index）中，Grok Voice Think Fast 2.0 高推理能力版本以 82.9% 的综合得分位列第二，仅次于千问 Qwen Audio 3.0 Realtime Plus（84.1%）。但在衡量智能体性能的 Tau Voice 基准测试中，该模型以 56.5% 的得分排名第一，击败了 OpenAI、Google、阿里千问等厂商的语音模型。
一个诚实的注脚：
两个榜单考察的能力方向不同——Speech-to-Speech 综合指数评估语音识别、合成、理解等全链路，而 Tau Voice 专门衡量智能体在真实任务中的自主完成能力。Think Fast 2.0 在智能体维度上做到了行业第一。
🥇 Grok Voice Think Fast 2.0SpaceXAI · Tau Voice 智能体
56.5
Qwen Audio 3.0 Realtime Plus阿里千问
84.1*
GPT-Realtime-2.1 HighOpenAI
—
注：Tau Voice 智能体榜单与 Speech-to-Speech 综合榜单为不同评测体系，分数不可直接横向对比。* 为 Speech-to-Speech 综合得分，此处仅作参考。
02Tau Voice：测的是语音智能体能不能干活
Tau Voice 与传统的语音识别评测不同——它不考"听没听清"，而是考"听懂之后能不能把事办成"。这包括多轮对话、工具调用、任务拆解与结果交付。
换句话说，它考的是"语音智能体"而不是"语音识别器"。
传统语音评测
考转写准确率、语音合成自然度，与真实任务交付距离较远。
Tau Voice 智能体基准
考语音智能体能否自主完成复杂任务，包括多轮对话、工具调用、流程执行。
56.5%Tau Voice 得分
97.2%Big Bench Audio
95.1%Full Duplex Bench
0.70s首音频响应
注：Big Bench Audio 衡量语音推理能力，Full Duplex Bench 衡量多人实时语音交互体验。三项指标从不同维度反映模型能力。
Think Fast 2.0 在 Full Duplex Bench 上达到 95.1%，相比上一代 77.8% 提升明显，说明其在多人对话场景下的实时交互能力有了质的飞跃。
03三个维度看懂升级
Think Fast 2.0 的升级集中在三个方向：响应速度、推理效率、语音识别。每一项都有具体数据支撑。
速度方面：平均首次语音响应时间仅 0.70 秒，快于 GPT-Realtime-2 High（1.14 秒）、GPT-Realtime-2.1 High（1.21 秒）以及 Think Fast 1.0（1.25 秒），是前五名中唯一低于 1 秒的模型。
推理效率方面：不同于许多语音模型需要先完成推理再生成语音，Think Fast 系列支持"一边说话一边完成推理"。Think Fast 2.0 进一步优化了推理 Token 利用效率，中位数推理 Token 消耗仅为上一代约 40%，工具调用通常能在模型第一句话结束前便开始执行。
语音识别方面：在覆盖 24 种语言、数千条短语的测试中，Think Fast 2.0 整体转写准确率相比 Think Fast 1.0 提升约 1.4 倍，相比 Deepgram Nova 3 和 ElevenLabs Scribe v2 提升约 1.5 至 2 倍。在背景噪声较大、电话压缩等真实场景下，识别误差可降低约 10 倍。
对话方式也进行了调整：研发团队利用大量强化学习数据，让模型更接近真实的人类交流方式，更多使用短句表达，一次只提一个问题，避免冗长重复。
04开发者实测："飞跃式进步"
多位开发者在社交平台上分享了他们的实测体验，从不同角度验证了 Think Fast 2.0 的能力。
🎯 全栈语音实时升级：Tradecraft 产品集成实测好评
- AI 公司 Helionova AI 的 CEO Nick White 在 X 上分享，已在旗下产品 Tradecraft 上完成面向 grok-voice-think-fast-2.0 的全栈语音实时升级，称"绝对是一次飞跃式的进步"。
- 他让 Grok Voice 扮演一名因维修人员爽约而愤怒投诉的客户，自己则扮演客服接线员，双方围绕预约迟到展开多轮实时电话对话。
- 整个过程中，模型几乎没有明显停顿，能够根据对话内容持续推进情节，并针对客服回答实时作出反馈。
实测结论：多轮对话自然流畅，情节推进与实时反馈能力出色。
🖥️ 终端工具集成：GrokTerm 演示操作指令实时响应
- 另一位开发者将 Think Fast 2.0 集成进终端工具 GrokTerm，展示其对话速度与指令执行能力。
- 测试者连续发出"将应用主题切换为赛博朋克风格""切回原主题""切到另一边屏幕""再切回赛博朋克"等指令，模型均快速响应并完成操作，全程对答如流。
实测结论：指令理解准确，操作执行连贯，几乎无延迟感。
💬 团队内部评价："向着'开箱即用'迈进了一大步"官方视角
- SpaceXAI 软件工程师 Parker Conrad 发文称："整个语音团队为此倾注了大量的努力、思考和热爱。模型的智能水平、准确性和能力几乎让人感觉不真实。"
- 他进一步指出："语音领域仍然充满摩擦，Think Fast 2.0 向着'开箱即用'的目标迈进了一大步——这本就是语音模型应有的样子。"
内部评价：智能水平与准确性"几乎让人感觉不真实"。
05语音模型竞争进入"智能体时代"
过去一年，OpenAI、Google 与阿里千问等厂商持续升级实时语音模型，竞争重点逐渐从语音识别、语音合成，转向复杂任务处理、多轮对话以及工具调用能力。
从此次发布来看，SpaceXAI 延续了这一方向。一方面，Think Fast 2.0 进一步提升了语音推理、实时交互和语音识别能力；另一方面，通过"边说边推理"、更低的推理 Token 消耗以及更快的工具调用速度，其希望让语音智能体能够真正承担客服、电话助手、销售等真实业务场景。
一个值得关注的信号：
从 Artificial Analysis 最新榜单来看，Think Fast 2.0 已经在语音智能体能力（Tau Voice）上取得第一，并跻身 Speech-to-Speech 综合榜单前列。随着 8 月 5 日默认模型完成升级，其实际表现也将在更多开发者和企业应用中接受进一步验证。
语音识别→语音理解→任务拆解→工具调用→结果交付
注：语音智能体的能力链路正在从"听写"向"办事"延伸，Think Fast 2.0 在链路后半段表现突出。
编辑核心判断
语音模型的竞争已经翻篇——不再比谁"听"得更准，而是比谁"办"得更利落。Think Fast 2.0 在智能体维度上的登顶，标志着语音 AI 从工具属性向"数字员工"属性的关键转折。定价仅为竞品一半，意味着这场变革的普惠性可能比想象中来得更快。
▶现在就能用
Grok Voice Think Fast 2.0 已通过 SpaceXAI 平台开放，开发者可接入 API 体验。8 月 5 日默认模型将完成升级，届时能力进一步开放。
体验 Grok Voice Think Fast 2.0 →
定价：每分钟 0.08 美元（约每小时 4.80 美元）