Grok Voice Think Fast 2.0: xAI:s snabbaste, dyraste röstagent, förklarad

xAI släppte Grok Voice Think Fast 2.0 den 29 juli 2026 – enligt egen beskrivning "den mest kapabla tal-till-tal-röstmodellen" och det nya flaggskeppet i företagets röstagentlinje. Den svarar snabbare än någon konkurrent bland de fem främsta (0,70 s till första ljudet), toppar benchmarken för agentiska röstmodeller och transkriberar mer exakt än föregående generation. Den är också 60 % dyrare per minut än modellen den ersätter, levereras med en per-minut-mätare som tyst höjer din faktura och kommer med en versionsaliasväxling som sker automatiskt om en vecka. Den här guiden förklarar vad Think Fast 2.0 faktiskt är, vad xAI ändrade under huven, hur benchmarkhistorien delas upp i oberoende poäng och leverantörsrapporterade påståenden, vad den verkligen kostar med alla siffror uträknade, och hur du anropar den – plus de varningar du bör läsa innan du dirigerar ett produktionssamtalsflöde genom den.

Noggrannhetsnot: lanseringsdetaljerna, prissättningen, rubrikens träffsäkerhet och affärspåståendena kommer från xAI:s tillkännagivande och dokumentation (2026-07-29). Artificial Analysis sammanvägda poäng är oberoende och uppmätta av tredje part. xAI-rapporterade påståenden — Starlink A/B-resultaten, transkriberingsmultiplikatorerna, "60 % färre resonemangstoken" och formuleringen "nästan 5x snabbare" — har inte publicerat underliggande data; behandla dem som vägledande leverantörssiffror och kör egna utvärderingar. Specifikationer, priser och aliasbeteendet kan ändras; verifiera innan du bygger.

TL;DR. Grok Voice Think Fast 2.0 är xAI:s end-to-end-modell för tal-till-tal för röstagenter: ljud in, ljud ut via en WebSocket, ingen separat ASR→LLM→TTS-pipeline. Den är genuint snabb (0,70 sekunder till första ljud, den enda topp-fem-modellen under en sekund) och genuint stark på agentiskt röstarbete, rankas först på τ-Voice-agentbenchmarket från Artificial Analysis (56,5 %) samtidigt som den ligger tvåa totalt på tal-till-tal-kvalitetsindexet (82,9 %), efter Qwen Audio 3.0 Realtime Plus (84,1 %). Den resonerar medan den talar — vilket minskar mediananvändningen av resonemangstokens till cirka 40 % av den gamla modellen — och den kostar 0,08 USD per minut, upp från 0,05 USD. Haken är mätningen: röst debiteras per minut av faktisk ljudtid, så en 60-procentig prishöjning på en modell som är billigare att driva hamnar direkt på din faktura. Och den 5 augusti börjar aliaset grok-voice-latest automatiskt dirigera till 2.0, så team som använder den gamla versionen måste låsa fast den medvetet innan dess.

Viktiga slutsatser

• Native tal-till-tal: en modell från mikrofon till högtalare, ingen ASR→LLM→TTS-kedja — det är därför första ljudet kommer fram på 0,70 s.

• Agentisk ledare: #1 på Artificial Analysis τ-Voice agent benchmark (56,5%), väl före GPT-Realtime-2.1 (45,7%) och Gemini 3.1 Flash (37,7%).

• Inte den totala ledaren: #2 på indexet för tal-till-tal-kvalitet (82,9 %), bakom Qwen Audio 3.0 Realtime Plus (84,1 %); OpenAI vinner fortfarande på samtalsdynamik (95,7 % mot 95,1 %).

• 60 % dyrare: 0,08 $/min (~4,80 $/timme) jämfört med 0,05 $/min för Think Fast 1.0 — trots att modellen enligt uppgift använder ~60 % färre resonemangstokens.

• Aliasbyte den 5 augusti: grok-voice-latest dirigeras automatiskt till 2.0; lås fast grok-voice-think-fast-1.0 innan dess för att stanna kvar på den billigare versionen.

Märk varje påstående: Artificial Analysis-poängen är oberoende; Starlink A/B, transkriptionsmultiplikatorerna och hastighetsframställningen är xAI-rapporterade och opublicerade.

Vad Grok Voice Think Fast 2.0 är

Grok Voice är xAI:s familj av realtidsmodeller för tal-till-tal. "Think Fast" är den snabbresponsiva linjen, som ursprungligen lanserades med Voice Agent Builder i april 2026; Think Fast 2.0 är den andra generationen av den linjen, släppt den 29 juli 2026. Modellen är end-to-end: den konsumerar rå ljuddata, resonerar och avger ljud direkt, snarare än att köra en pipeline med en taligenkänningsmodell som matar en text-LLM som matar en text-till-tal-modell. Det arkitekturvalet är roten till dess latensfördel — det finns inga seriella hopp och ingen mellanliggande text, så modellen kan påbörja ett svar medan den fortfarande lyssnar.

xAI positionerar det uttryckligen för röstbaserade AI-agenter: kundsupportlinjer, telefonförsäljning, reception, telefoni och andra applikationer där ett system pratar med en person i realtid och faktiskt behöver få saker gjorda – boka ett samtal, kvalificera en lead, uppdatera en post, söka på webben – snarare än bara chatta. Den agentiska betoningen, inte rå transkription eller syntes, är slagfältet som lanseringen riktar in sig på.

Vad är nytt jämfört med Think Fast 1.0

Uppgraderingen från 1.0 är mer än en sifferändring; xAI beskriver tre strukturella förändringar:

• Parallellt talresonemang. Modellen resonerar igenom en fråga medan den talar, snarare än att tänka först och tala efteråt. Praktiskt sett kan verktygsanrop avfyras innan agenten har avslutat sin första mening — en stor sak för latens-känsliga röstflöden.

• Betydligt färre resonemangstoken. xAI rapporterar att mediananvändningen av resonemangstoken sjönk till cirka 0,4 gånger föregångaren (ungefär 60 % färre), vilket är en del av anledningen till att de säger att modellen är billigare att driva trots att priset höjdes.

• Förstärkningsinlärd konversationsstil. RL omformade hur den pratar: kortare meningar, en fråga i taget, ingen utfyllnad — en stramare, mer "mänsklig" samtalsstil som passar telefonarbete där svammel bränner minuter (och, på en per-minut-taxa, pengar).

Gällande mätbar hastighet minskade tiden till första ljud från 1,25 s i 1.0 till 0,70 s i 2.0. För transkribering rapporterar xAI en förbättring på cirka 1,4x över 24 språk (leverantörsrapporterat, nedan).

Benchmarkarna, benchmark för benchmark

Lanseringen är förankrad i Artificial Analysis, ett oberoende tredjepartsföretag för benchmark. Det spelar roll: till skillnad från de flesta andra siffrorna i tillkännagivandet är dessa mätta av en neutral part, och de är de som är värda att jämföra rakt av. Helhetsbilden är bättre än en enda rubriksiffra.

Tal-till-tal-kvalitetsindex: 82,9 % (andra plats). Detta är den sammansatta tal-till-tal-poängen, upp från 75,7 % för Think Fast 1.0. Den slår GPT-Realtime-2.1 (79,1 %) och Gemini 3.1 Flash (69,5 %) – men den är inte först. Qwen Audio 3.0 Realtime Plus leder med 84,1 %. Så "bästa övergripande röstmodellen" är en överdrift som datan inte stöder; "snabbaste agentiska röstmodellen i toppskiktet" är korrekt.

τ-Voice agent benchmark: 56,5 % (första plats).Detta är det mått som xAI bryr sig mest om, och rankningen är verklig: 56,5 % slår Think Fast 1.0 (52,1 %), GPT-Realtime-2.1 (45,7 %) och Gemini 3.1 Flash (37,7 %). τ-Voice mäter agentisk röstprestanda – hur väl en modell utför uppgifter över en röstkanal, inklusive verktygsanvändning mitt i samtalet. På den snäva axeln "kan den göra jobbet" leder Grok. Musk lyfte fram just denna rankning.

Big Bench Audio: 97,2%. Ett benchmark för talresonemang; starkt, även om Qwen noterade ett rekord på 99,2%.

Full Duplex Bench: 95,1 %. Konversationsdynamik – avbrottshantering, turväxling, barge-in. Det är ett stort kliv från 1.0:s 77,8 %, men OpenAI ligger fortfarande strax före med 95,7 %, och Qwen leder med 98,4 %.

Tid till första ljud: 0,70 s. Den mest avgörande siffran för riktiga röstprodukter. Den har minskat från 1,25 s och är den enda siffran under en sekund bland de fem högst rankade modellerna; oberoende tester bekräftar i stort sett ett svar under en sekund. Latensen för första token i Streaming TTS är cirka 285 ms. För telefon- och realtidsanvändning är latensen det mått som användare känner av vid varje tur, och det är här som 2.0 är avgjort bäst.

Läser man tvärs över raderna är profilen specifik: snabbast att tala, bäst på att slutföra uppgifter, näst bäst totalt, trea på samtalsfiness. Det är en utmärkt röstagentmodell och ett mediokert påstående om att vara "bästa chatbotröst". Välj den för de jobb som den översta raden matchar.

Transkriptionsnoggrannhet

Utöver konversationer hävdar xAI avsevärt bättre transkribering. Deras interna utvärdering över 24 språk och tusentals fraser visar enligt uppgift cirka 1,4 gånger noggrannheten hos Think Fast 1.0, och 1,5–2 gånger noggrannheten hos dedikerade transkriberingsmodeller som Deepgram Nova 3 och ElevenLabs Scribe v2. I bullriga, verkliga förhållanden — bakgrundsljud, telekomprimering, lågbandbreddssamtal — rapporteras noggrannhetsgapet jämfört med dedikerade STT-modeller vidgas till ungefär 10 gånger.

Detta är exakt de påståenden som bör behandlas med försiktighet. De rapporteras av xAI; utvärderingsramverket, frasuppsättningarna och brusprofilerna är inte publicerade. Ett oberoende test av 2.0:s transkribering av brusiga telefonsamtal mot Deepgram eller ElevenLabs skulle vara värdefullt och har, i skrivande stund, inte publicerats. Riktningsmässigt är det en rimlig verklig förbättring att end-to-end-modeller tar in mer telefontrafik i träningen — men "10x" bör verifieras, inte upprepas som faktum.

Prissättning: 0,08 USD per minut och 60-procentsfrågan.

Det är här som lanseringen blir kontroversiell. Think Fast 2.0 kostar 0,08 USD per ljudminut — cirka 4,80 USD per timme — plus 0,004 USD per inmatat textmeddelande. Think Fast 1.0 var 0,05 USD per minut (3,00 USD/timme). Det är en 60-procentig ökning, och den kom samma månad som OpenAI sänkte priserna på GPT-5.6 Luna med 80 % och Terra med 20 %, med hänvisning till samma sjunkande serveringskostnader som xAI hävdar för den här modellen.

The meter is the whole story. Text models bill per token, so when a model gets more efficient, the customer's bill automatically shrinks. Voice models bill per minute of wall-clock audio, and the length of a conversation is set by the person speaking, not by the model. Efficiency gains in a per-minute product accrue to the vendor, not the buyer. That is why a model that reportedly uses ~60% fewer reasoning tokens — and is therefore cheaper for xAI to serve — costs 60% more to rent.

Gör aritmetiken på ett verkligt samtalsflöde. Ett 4-minuterssamtal på 1.0 kostar $0,20; samma samtal på 2.0 kostar $0,32. Tiotusen sådana samtal i månaden är 40 000 minuter: $2 000/månad på 1.0 jämfört med $3 200/månad på 2.0 — en skillnad på $1 200/månad, eller ungefär $14 400/år, som kommer enbart från en ruttändring, inte från samtalsvolym. Även en generös hastighetsvinst knappt påverkar det: att spara hela 10 sekunder på varje samtal sparar ungefär $0,013 medan prisökningen tillför $0,12 — du återvinner ungefär en niondel av ökningen. Ett affärsfall som säljer 2.0 som den billigare modellen har blandat ihop ”snabbare” med ”billigare”.

Som kontext: 2.0 är fortfarande ungefär 2,2 gånger billigare än GPT-Realtime-2.1 High på cirka 10,75 USD/timme. Så det är inte dyrt i absoluta termer — det är dyrt i förhållande till sin egen föregångare och till den riktning som alla andra modellleverantörer rörde sig i den månaden.

Migrationsfällan den 5 augusti

Det finns en deadline kopplad till detta. Den 5 augusti 2026 kommer aliaset grok-voice-latest automatiskt att börja dirigera till Think Fast 2.0. Om du är live på Think Fast 1.0 via det aliaset innebär "att inte göra någonting" att du — och din faktura — uppgraderas till den nya versionen det datumet. För att stanna kvar på 1.0 måste du explicit fästa modell-id:t grok-voice-think-fast-1.0 före den 5 augusti.

De två försvarbara ståndpunkterna kräver båda åtgärder före deadline: antingen att medvetet låsa fast 1.0 eftersom dina skriptade flöden fungerade bra till $3.00/hour, eller att medvetet gå över till 2.0 och räkna om prognosen till $4.80/hour, motiverat av kvalitet snarare än besparingar. Det som är oförsvarbart är att upptäcka ändringen i en septemberfaktura. En bra regel: behandla varje alias som slutar på "latest" som en stående instruktion att acceptera vad leverantören än levererar härnäst – inklusive dess pris.

Hur du kommer åt och använder det

Think Fast 2.0 är tillgängligt via xAI:s Speech-to-Speech API under modell-ID:t grok-voice-think-fast-2.0, med grok-voice-latest som rullande alias. Det är en realtidsmodell med full duplex över en WebSocket: wss://api.x.ai/v1/realtime?model=grok-voice-think-fast-2.0, autentiserad med en Authorization: Bearer-header vid handslaget. För webbläsarappar skapar du kortlivade tokens på serversidan via slutpunkten för realtidssessioner så att den överordnade API-nyckeln aldrig når klienten.

API:et är kompatibelt med OpenAI Realtime, så befintlig realtidsröstkod behöver i allmänhet bara ett byte av bas-URL och nyckel. Sessionskonfiguration sker via en session.update-händelse: välj en förinställd röst (eve, ara, rex, sal, leo), ställ in ljudformat för in- och utdata (PCM16 vid 24 kHz som standard; μ-law för telefoni), aktivera röstaktivitetsdetektering på serversidan och registrera verktyg – inklusive ett inbyggt webbsökningsverktyg – så att agenten kan agera mitt under konversationen. Händelseflödet följer standardmönstret: klienten lägger till ljudbuffer tramar, servern strömmar ljuddeltor som svar, och argumenthändelser för verktygsanrop utlöses när modellen beslutar att agera, med resultaten tillbakaskickade som funktionsanropsutdata. Modellen stöder 25+ språk och anpassad röstkloning från ungefär en minuts tal.

Observera vad det inte är: det är en tal-till-tal-agentmodell, inte en allmän transkriberings- eller översättningstjänst. Om din produkts huvuduppgift är att omvandla ljud till text billigt, är en dedikerad STT-modell ett annat verktyg — och med per-minutdebitering betalar du för hela konversationen, så enbart transkriberingsjobb blir snabbt dyra.

Hur det passar in i en röstagentstack

Think Fast 2.0 är en specialiserad realtidsröstmodell som nås via xAI:s dedikerade API, inte en allmän LLM som en modellrouter är värd för. Röstkanalen körs direkt över xAI:s WebSocket — det är där latensen under en sekund finns, och den överlever inte ett mellanliggande hopp.

Allt annat kring en röstprodukt — den naturliga språklogik som inte är tidskritisk, reservresonemanget när en konversation spårar ur, sammanfattningen, analysen, e-postuppföljningen som agenten utlöser efter ett samtal — är generellt text- och multimodalt arbete. För den delen ger en leverantörsoberoende slutpunkt som OrcaRouter dig ett OpenAI-kompatibelt API över många LLM:er, så du är inte låst till en enda leverantör för de delar av stacken som inte behöver den realtidsbaserade röstkanalen. Den tydliga uppdelningen: xAI:s dedikerade API för själva strömmande rösten, OrcaRouter (eller liknande) för text- och multimodalt resonemang runt omkring.

Tävlingen: agentisk hastighet vs rå intelligens

Think Fast 2.0 hamnar mitt i den mest konkurrensutsatta marknaden inom AI just nu — realtidsröstagenter — och benchmark-tabellen gör avvägningarna ovanligt synliga.

Qwen Audio 3.0 Realtime Plus är intelligensledaren: 84,1 % på tal-till-tal-kvalitetsindexet (först), rekordhöga 99,2 % på Big Bench Audio och 98,4 % på full duplex. Men dess genomsnittliga tid till första ljud är ungefär 4,02 sekunder – cirka 5,7 gånger långsammare än Groks 0,70 s. För bil, wearables och telefonsamtal är den skillnaden inte "snabb vs långsam", utan användbar vs oanvändbar. Qwen delas också upp i en Plus-nivå (kvalitet) och en Flash-nivå (första paketet på cirka 300 ms) för olika scenarier, vilket är ett genomtänkt svar på samma spänning.

GPT-Realtime-2.1 ligger i mitten på de flesta raderna (79,1 % kvalitet, 45,7 % agentisk) och vinner på konversationsdynamik (95,7 %). Dess High-nivå är ungefär 2,2 gånger Groks timpris. För team som redan är djupt inne i OpenAI-ekosystemet förblir det standardvalet med lägst friktion.

Gemini 3.1 Flashhamnar efter när det gäller kvalitet och agentiska sammansättningar (69,5 %, 37,7 %) men ingår i en bredare Gemini-röststack och Google-ekosystem som många team föredrar av andra skäl.

Den praktiska tolkningen: välj efter arbetsbelastning. Om din röstagent måste kännas omedelbar och pålitligt slutföra verktygsstödda uppgifter (support, kvalificering, bokning) är Think Fast 2.0 det starkaste uppmätta alternativet idag. Om din prioritet är det djupaste resonemanget och du kan tolerera flera sekunders latens, vinner Qwen Plus. Om konversationsmässig elegans och ekosystempassning betyder mest, förblir GPT-Realtime-2.1 den nuvarande ledaren att slå.

Tre scenarier där det passar

1. Telefonsupport och telefoni

Den viktigaste kombinationen: under sekundens första ljud, robust transkribering av brusiga telefonsamtal (enligt leverantören) och full-duplex avbrottshantering. En supportlinje där agenten börjar prata nästan omedelbart och kan gräva fram kontoinformation mitt i en tur är precis vad 2.0 var tränad för. Dess kortare, en-fråga-i-taget RL-talstil passar också väl för telefoni, där minuter är den fakturerbara enheten – oavsett vilken leverantörs mätare som används.

2. Leadkvalificering och uppföljning efter samtal

Agentic röst är där 2.0 verkligen är först, och leadkvalificering är den kanoniska agentiska röstuppgiften: kvalificera, dirigera och utlös uppföljning medan avsikten fortfarande är färsk. Dess verktygsanrop kan avfyras innan den första meningen är slut, så en agent kan skapa en CRM-post medan den fortfarande pratar med prospektet. Planera för sessionsbaserad attribuering och strikta verktygsbehörigheter – en röstagent kan göra fel i realtid, och städningen ligger på dig.

3. Röstagentprodukter under aktiv utveckling

För utvecklare som levererar egna röstagenter — de Tradecraft- och GrokTerm-integrationer som xAI citerar är precis av den här typen — gör 2.0:s hastighet och OpenAI-kompatibla API att det blir en smidig ersättning för GPT-Realtime-kod. Lås versionen, kör en begränsad pilot med ett tydligt framgångskriterium (t.ex. "kvalificera och dirigera besökare på prissidan"), och mät kostnad per slutfört resultat, inte kostnad per minut.

Begränsningar och förbehåll

Think Fast 2.0 är fem dagar gammal när detta skrivs, och det syns i förbehållen. Starlink A/B-resultaten (högre konvertering och supportbegränsning) är xAI-rapporterade utan publicerade siffror; transkriptionsmultiplikatorerna och formuleringen "nästan 5x snabbare" är likaså leverantörspåståenden, inte oberoende riktmärken. Den enda artikel du kommer se som påstår "prestandaregression och fabricerade testrapporter" syftar på samma overifierbarhet — de siffror som xAI publicerat har inte oberoende reproducerats, och den tillförlitlighetskänsliga röstcommunityn är med rätta misstänksam mot opublicerade leverantörsmått. Riktmärken kan inte heller mäta ditt värsta samtal: ett svar på 0,70 sekunder är värdelöst om agenten självsäkert dirigerar en lead till fel team. Röstfakturering sker per minut med en prishöjning som redan är inbakad, så kostnadsexponeringen är reell. Och som med alla helt nya realtidsmodeller, förvänta dig API-förändringar. Verifiera träffsäkerhetspåståendena på ditt eget ljud, lås fast versionerna i produktion och sätt upp eskalering och inspelning innan det första live-samtalet.

FAQ

Vad är Grok Voice Think Fast 2.0?

xAI:s flaggskeppsmodell för tal-till-tal för röstagenter, släppt den 29 juli 2026: nativ end-to-end-ljud-till-ljud över en WebSocket, med en tid till första ljud på 0,70 s och förstaplats på τ-Voice agentic-benchmarken.

Hur mycket kostar Grok Voice Think Fast 2.0?

$0.08 per minut ljud (cirka $4.80/timme) plus $0.004 per textinmatningsmeddelande — en ökning med 60 % jämfört med Think Fast 1.0:s $0.05/minut.

Är Think Fast 2.0 den bästa röstmodellen?

Det är snabbast och bäst på agentiska uppgifter (56,5 % τ-Voice, första plats) och tvåa totalt på kvalitetsindexet för tal-till-tal (82,9 %), bakom Qwen Audio 3.0 Realtime Plus (84,1 %). "Bäst" beror på arbetsbelastningen.

Vad har ändrats från Think Fast 1.0?

Parallellt talresonemang (det tänker medan det pratar), cirka 60 % färre resonemangstokens, RL-justerad kortare konversationsstil, en 1,4x transkriptionsförbättring (leverantörsrapporterat), och tiden till första ljud minskad från 1,25s till 0,70s.

Kommer min Think Fast 1.0-trafikswitch att växla automatiskt?

Ja, den 5 augusti 2026, om du använder aliaset grok-voice-latest. Lås grok-voice-think-fast-1.0 före dess för att stanna kvar på 1.0, eller välj 2.0 medvetet och räkna om kostnaden.

Hur anropar jag Grok Voice Think Fast 2.0?

Genom xAI:s Speech-to-Speech API – en realtids-WebSocket (wss://api.x.ai/v1/realtime?model=grok-voice-think-fast-2.0) som är kompatibel med OpenAI Realtime API, med förinställda röster, server-VAD och verktygsanrop.

Vilka röstmodeller konkurrerar den med?

Qwen Audio 3.0 Realtime Plus (mer intelligent, betydligt långsammare med 4,02 sekunder till första ljudet), GPT-Realtime-2.1 (bättre samtalsdynamik, ~2,2 gånger dyrare på High-nivån), och Gemini 3.1 Flash.

Är benchmark-påståendena tillförlitliga?

Artificial Analysis-resultaten är oberoende och tillförlitliga. Starlinks A/B-resultat, transkriptionsmultiplikatorer och hastighetspresentationen är rapporterade av xAI utan publicerad data — behandla dem som vägledande och verifiera med ditt eget ljud.

Är Grok Voice bra för transkribering?

Den transkriberar inom en konversation, och xAI hävdar stora förbättringar jämfört med dedikerade STT-modeller i brus — men den faktureras per konversationsminut, så dedikerade transkriberingsuppgifter betjänas bättre av en dedikerad STT-modell.

Slutsats

Grok Voice Think Fast 2.0 är den starkaste agentiska röstmodellen som uppmätts hittills, och den snabbaste i toppskiktet med bred marginal — 0,70 s till första ljudet är en genuin, oberoende vinst för användarna, och första plats på τ-Voice är en riktig rankning. Den ärliga sammanfattningen är specifik: det är det bästa verktyget i sin klass för realtidsbaserade, verktygsstödda röstagenter, inte den bästa röstmodellen på varje rad — Qwen leder på intelligens och OpenAI på konversationsfiness. Kontroverserna handlar inte om hastigheten. De handlar om mätaren: en prishöjning på 60 % för en modell som xAI säger är billigare att driva, en automatisk alias-migrering med en hård deadline och rubrikpåståenden som vilar på opublicerade leverantörssiffror. Använd den för den agentiska hastigheten, lås din version, märk leverantörspåståendena och verifiera träffsäkerheten på dina egna samtal — och håll den generella text- och resonemangsdelen runt din röstprodukt på en leverantörsneutral slutpunkt som OrcaRouter.