एलन मस्क के xAI ने अभी आवाज़ AI में शीर्ष स्थान हासिल किया है। Grok Voice Think Fast 2.0 ने Artificial Analysis Speech-to-Speech Index पर पहला स्थान प्राप्त किया है, जो AI मॉडल्स की वास्तविक समय में आवाज़ की बातचीत को अंत तक संभालने की क्षमता का मूल्यांकन करता है।
29 जुलाई, 2026 को लॉन्च किए गए मॉडल ने सूचकांक पर 79.0% स्कोर प्राप्त किया। अधिक आकर्षक घटक मापदंड हैं: भाषण तर्क के लिए 97% और कार्य सफलता दर में 94.7%।
संख्याएँ वास्तव में क्या दर्शाती हैं
Grok Voice Think Fast 2.0 0.70 सेकंड का समय-टू-फर्स्ट-ऑडियो पोस्ट करता है।
सबसे उल्लेखनीय संख्या 56.5% का एजेंटिक प्रदर्शन स्कोर हो सकती है। एजेंटिक प्रदर्शन मापता है कि एक आवाज मॉडल कितनी अच्छी तरह से एक बातचीत के दौरान बहु-चरणीय कार्यों को संभाल सकता है, जैसे कि उपलब्धता के बारे में अनुसरण प्रश्नों के उत्तर देते हुए एक आरक्षण बुक करना।
मॉडल अपने पिछले संस्करण की तुलना में लगभग 60% कम तर्क टोकन्स का उपयोग करता है।
मूल्य श्रेणी के संदर्भ में, xAI प्रति मिनट ऑडियो के लिए $0.08 शुल्क लेता है। संदर्भ के लिए, यह 10 मिनट के ग्राहक सेवा कॉल को AI लागत में $0.80 पर लाता है।
तीन महीने के भीतर 1.0 से 2.0 तक
थिंक फास्ट 1.0 का लॉन्च अप्रैल 2026 में लगभग हुआ। इसका उत्तराधिकारी कम से कम तीन महीने बाद आया।
2.0 संस्करण 25 से अधिक भाषाओं का समर्थन करता है और शोर वाले परिवेशों और विभिन्न उच्चारणों के साथ सुधारी हुई व्यवस्था करता है।
xAI ने grok-voice-latest API एंडपॉइंट का उपयोग करने वाले डेवलपर्स के लिए एक स्वचालित अपग्रेड पथ स्थापित किया है, जिसकी स्थानांतरण 5 अगस्त, 2026 को शुरू हुआ।
मॉडल वॉइस एआई क्षेत्र में क्वेन और अन्य प्रमुख खिलाड़ियों के प्रस्तावों के खिलाफ प्रतिस्पर्धा करता है। हालाँकि ग्रोक वॉइस थिंक फास्ट 2.0 कुछ व्यक्तिगत मापदंडों में थोड़ा पीछे रहता है, लेकिन सभी मूल्यांकित क्षमताओं के पूरे सेट में इसका शीर्ष स्थान पर सूचकांक स्थिति यह सुझाती है कि यह सबसे अच्छा संतुलन प्राप्त करता है।