xAI của Elon Musk vừa chiếm vị trí số một trong lĩnh vực AI giọng nói. Grok Voice Think Fast 2.0 đã giành vị trí đầu tiên trên Chỉ số Speech-to-Speech của Artificial Analysis, một tiêu chuẩn đánh giá khả năng của các mô hình AI trong việc xử lý các cuộc hội thoại giọng nói theo thời gian thực từ đầu đến cuối.
Mô hình được ra mắt vào ngày 29 tháng 7 năm 2026, đạt 79,0% trên chỉ số. Đáng chú ý hơn là các chỉ số thành phần: 97% cho lý luận giọng nói và 94,7% về tỷ lệ thành công nhiệm vụ.
Số liệu thực sự có nghĩa gì
Grok Voice Think Fast 2.0 có thời gian đến âm thanh đầu tiên là 0,70 giây.
Con số nổi bật có thể là điểm hiệu suất đại lý 56,5%. Hiệu suất đại lý đo lường mức độ một mô hình giọng nói có thể xử lý các tác vụ nhiều bước trong cuộc hội thoại, chẳng hạn như đặt chỗ trong khi trả lời các câu hỏi theo sau về tính khả dụng.
Mô hình này cũng sử dụng ít hơn khoảng 60% số token suy luận so với người tiền nhiệm.
Về mặt giá cả, xAI đang thu $0,08 mỗi phút âm thanh. Để tham khảo, một cuộc gọi dịch vụ khách hàng 10 phút sẽ tốn $0,80 chi phí AI.
Từ 1.0 lên 2.0 trong chưa đầy ba tháng
Think Fast 1.0 được ra mắt vào khoảng tháng 4 năm 2026. Người kế nhiệm của nó xuất hiện ít hơn ba tháng sau đó.
Phiên bản 2.0 hỗ trợ hơn 25 ngôn ngữ và đã cải thiện khả năng xử lý trong môi trường ồn ào cũng như các khẩu ngữ khác nhau.
xAI đã thiết lập đường dẫn nâng cấp tự động cho các nhà phát triển sử dụng điểm cuối API grok-voice-latest, với quá trình di chuyển được khởi động vào ngày 5 tháng 8 năm 2026.
Mô hình cạnh tranh với các sản phẩm từ Qwen và các đối thủ lớn khác trong lĩnh vực AI giọng nói. Mặc dù Grok Voice Think Fast 2.0 đứng hơi sau ở một số chỉ số cá nhân, vị trí chỉ số tổng thể hàng đầu cho thấy nó đạt được sự cân bằng tốt nhất trên toàn bộ phạm vi các khả năng được đánh giá.