Grok Voice Think Fast 2.0：xAI 最快、最昂貴的語音代理，詳解

xAI 發布了Grok Voice Think Fast 2.0，於 2026 年 7 月 29 日問世——這是 xAI 自稱「最強大的語音轉語音語音模型」，也是其語音代理產品線的新旗艦。它的回應速度比前五大競品都快（0.70 秒內輸出首段音訊），在代理型語音基準測試中居冠，且轉錄準確度優於前一代。不過，它每分鐘的價格比所取代的模型貴 60%，採用每分鐘計費、會悄悄墊高你的帳單，而且一週後會自動進行版本別名切換。本指南將說明 Think Fast 2.0 究竟是什麼、xAI 在底層做了哪些改動、基準測試成績如何拆分為獨立評分與廠商自述、實際成本（連計算都幫你做好），以及如何呼叫它——另外還有在將生產環境通話流程導向它之前，你最好先閱讀的注意事項。

準確性說明：發布細節、定價，以及標題所述的準確性與商業主張均來自 xAI 的公告與文件（2026-07-29）。Artificial Analysis 的綜合評分由第三方獨立測量。xAI 所報告的主張——Starlink A/B 測試結果、轉錄倍數、「推理 token 減少 60%」以及「速度快近 5 倍」的說法——尚未公布底層數據；請將其視為廠商的方向性數據，並自行進行評估。規格、價格與別名行為可能變更；開發前請先驗證。

TL;DR。Grok Voice Think Fast 2.0 是 xAI 專為語音代理打造的端對端語音轉語音模型：音訊輸入、透過 WebSocket 輸出音訊，沒有獨立的 ASR→LLM→TTS 管線。它確實很快（首次音訊輸出時間 0.70 秒，是前五名中唯一低於一秒的模型），在代理式語音工作上表現也確實出色，在 Artificial Analysis 的 τ-Voice 代理基準測試中排名第一（56.5%），同時在語音轉語音品質指數中總體排名第二（82.9%），僅次於 Qwen Audio 3.0 Realtime Plus（84.1%）。它邊說邊推理——將中位數推理 token 使用量降至舊模型的約 40%——且每分鐘費用為 $0.08，較先前的 $0.05 上漲。問題出在計費方式：語音按實際音訊的牆鐘時間每分鐘計費，因此一個伺服成本更低的模型漲價 60%，漲幅會直接反映在你的帳單上。此外，8 月 5 日起，grok-voice-latest 別名將自動路由至 2.0，因此仍在使用舊版本的團隊必須在此之前主動鎖定版本。

關鍵要點

• 原生語音到語音：從麥克風到揚聲器只需一個模型，沒有 ASR→LLM→TTS 鏈——這就是首個音頻在 0.70 秒內輸出的原因。

• Agentic 領先者：在 Artificial Analysis 的 τ-Voice 智能體基準測試中排名第一（56.5%），大幅領先 GPT-Realtime-2.1（45.7%）和 Gemini 3.1 Flash（37.7%）。

• 並非整體領先者：在語音轉語音品質指數中排名第 2（82.9%），落後於 Qwen Audio 3.0 Realtime Plus（84.1%）；OpenAI 在對話動態方面仍勝出（95.7% 對 95.1%）。

• 貴了 60%：每分鐘 $0.08（約每小時 $4.80），對比 Think Fast 1.0 的每分鐘 $0.05——儘管據報導該模型使用的推理 token 減少了約 60%。

• 8 月 5 日別名切換：grok-voice-latest 會自動路由到 2.0；在此之前釘選 grok-voice-think-fast-1.0，即可繼續使用較便宜的版本。

為每一項說法標示來源：Artificial Analysis 的分數為獨立取得；Starlink A/B、轉錄倍數及速度框架則為 xAI 所報告且未經發表。

Grok Voice Think Fast 2.0 是什麼

Grok Voice 是 xAI 的即時語音對語音（speech-to-speech）模型系列。「Think Fast」是快速回應系列，最初於 2026 年 4 月與 Voice Agent Builder 一同推出；Think Fast 2.0 是該系列的第二代，於 2026 年 7 月 29 日發布。此模型是端到端（end-to-end）的：它直接接收原始音訊、進行推理並直接輸出音訊，而非執行「語音辨識模型 → 文字 LLM → 文字轉語音模型」的管線流程。這種架構選擇是其延遲優勢的根本所在——沒有序列跳躍，也沒有中間文字，因此模型可以在仍在聆聽時就開始回應。

xAI將其明確定位於語音AI代理：客服專線、電話銷售、接待、電話通訊，以及其他系統需即時與真人對話並實際完成任務的應用場景——預約通話、資格審核潛在客戶、更新紀錄、搜尋網路——而非僅止於聊天。本次發布所瞄準的戰場，在於代理式（agentic）能力的強調，而非單純的語音轉錄或合成。

與 Think Fast 1.0 相比有哪些新功能？

從 1.0 的升級不僅僅是版本號的跳升；xAI 描述了三個結構性的改變：

• 並行語音推理。模型在說話的同時對查詢進行推理，而不是先思考再說話。實務上，工具呼叫可以在代理（agent）講完第一句話之前就觸發——這對延遲敏感的語音流程來說意義重大。

• 推理 token 大幅減少。xAI 報告指出，中位數推理 token 使用量降至前代的約 0.4 倍（約減少 60%），這也是它表示儘管價格上漲、該模型服務成本反而更低的原因之一。

• 強化學習塑造的對話風格。RL重塑了它的說話方式：句子更短、一次只問一個問題、沒有廢話——一種更精簡、更「人性化」的通話風格，適合電話工作，因為在電話上囉嗦會耗掉分鐘數（而且在按分鐘計費時，也等於在燒錢）。

在可量測的速度方面，首次音訊輸出時間從 1.0 版的 1.25 秒降至 2.0 版的 0.70 秒。在轉錄方面，xAI 報告在 24 種語言中提升了約 1.4 倍（廠商通報數據，詳見下文）。

這些基準測試，一項一項地

這次發布以 Artificial Analysis 為基礎，這是一家獨立的第三方基準測試機構。這點很重要：與公告中大多數其他數字不同，這些數字由中立方測得，才是值得同類相比的數據。整體圖景勝過單一標題。

語音轉語音品質指數：82.9%（第二名）。這是整體語音轉語音的綜合分數，高於 Think Fast 1.0 的 75.7%。它超越了 GPT-Realtime-2.1（79.1%）和 Gemini 3.1 Flash（69.5%）——但並非第一名。Qwen Audio 3.0 Realtime Plus 以 84.1% 領先。因此，「最佳整體語音模型」是數據無法支持的誇大說法；「頂級層級中最快的代理型語音模型」才是準確的。

τ-Voice 智能體語音基準：56.5%（第一名）。 這是 xAI 最在意的指標，而且排名是真實的：56.5% 擊敗 Think Fast 1.0（52.1%）、GPT-Realtime-2.1（45.7%）和 Gemini 3.1 Flash（37.7%）。τ-Voice 衡量智能體語音表現——模型透過語音管道完成任務的能力，包括對話中途使用工具。在狹義的「能否完成任務」維度上，Grok 領先。馬斯克宣傳的正是這個排名。

Big Bench Audio：97.2%。這是一項語音推理基準；表現強勁，不過 Qwen 創下了 99.2% 的紀錄。

Full Duplex Bench：95.1%。 對話動態——插話處理、輪流發言、即時打斷。相較於 1.0 的 77.8% 是大幅躍進，但 OpenAI 仍以 95.7% 略勝一籌，Qwen 則以 98.4% 領先。

首次音訊輸出時間：0.70s。對真正語音產品而言，這是最關鍵的數字。它已從1.25s下降，且是前五名模型中唯一低於一秒的數據；獨立測試普遍佐證了亞秒級回應。串流TTS的首個token延遲約為285ms。對於電話與即時使用場景，延遲是用戶每一輪都會感受到的指標，而這正是2.0版明顯最佳之處。

橫向看各行，這個特徵很明確：說話最快、最擅長完成任務、整體第二、對話技巧第三。那是優秀的語音代理模型，但作為「最佳聊天機器人語音」的主張則平平。為第一行所對應的工作選擇它。

轉錄準確性

除了對話之外，xAI 聲稱其轉錄效果有顯著提升。其內部評估涵蓋 24 種語言和數千個短語，據報導顯示，其準確率約為 Think Fast 1.0 的 1.4 倍，以及 Deepgram Nova 3 和 ElevenLabs Scribe v2 等專用轉錄模型的 1.5 至 2 倍。在嘈雜的真實環境中——包括背景噪音、電話壓縮、低頻寬通話——據報導，與專用 STT 模型相比，其準確度差距會擴大到大約 10 倍。

這些正是需要謹慎看待的說法。它們是由 xAI 自行報告的；其評測框架、詞組集和噪聲設定並未公開。針對 2.0 在嘈雜電話語音轉錄上，與 Deepgram 或 ElevenLabs 進行獨立測試會很有價值，但截至本文撰寫時，這類測試尚未發布。就方向而言，端到端模型在訓練中吸收更多電話語音資料，是一項合理的真實改進——但「10x」應經過驗證，而非當作事實一再轉述。

定價：每分鐘 $0.08 以及 60% 的問題

這裡就是發布變得有爭議的地方。Think Fast 2.0 的音頻費用為每分鐘 0.08 美元——約每小時 4.80 美元——另加每條文字輸入訊息 0.004 美元。Think Fast 1.0 為每分鐘 0.05 美元（每小時 3.00 美元）。這是一個 60% 的漲幅，而且它與 OpenAI 將 GPT-5.6 Luna 降價 80% 和 Terra 降價 20% 發生在同一個月，OpenAI 引用了與 xAI 對這款模型所聲稱的相同的伺服器成本下降。

計費方式才是關鍵。文字模型按 token 計費，因此當模型變得更有效率時，客戶的帳單會自動縮減。語音模型按真實時間音訊的每分鐘計費，而對話的長短由說話者決定，而非模型。在按分鐘計費的產品中，效率提升的利益歸供應商所有，而非購買者。這就是為什麼據報導使用約 60% 更少推理 token 的模型——因此對 xAI 來說服務成本更低——租用費用卻反而貴 60% 的原因。

在真實的通話流程上算一筆帳。一通 4 分鐘的電話，在 1.0 上要花 $0.20；同一通電話在 2.0 上要花 $0.32。每個月一萬通這樣的電話，就是 40,000 分鐘：1.0 每月 $2,000，相較之下 2.0 每月 $3,200——每月多出 $1,200，也就是大約每年 $14,400 的差距，而這個差距單單來自路由調整，並非通話量。就算把速度優勢想得很寬鬆，也很難抵銷：每通電話省下整整 10 秒，大約只省 $0.013，但價格上漲卻多了 $0.12——你只能回收大約九分之一的上漲。任何把 2.0 說成更便宜方案的商業論點，都是把「更快」和「更便宜」搞混了。

作為參考，2.0 仍比 GPT-Realtime-2.1 High 便宜約 2.2 倍，約為每小時 10.75 美元。因此，以絕對價格而言它並不昂貴——它的昂貴是相對於其前代產品，以及相對於那個月其他所有模型供應商所走的定價方向。

八月五日的遷移陷阱

此事項附有截止日期。2026年8月5日，grok-voice-latest 別名將自動開始路由至 Think Fast 2.0。如果您透過該別名使用 Think Fast 1.0，「什麼都不做」將在該日期自動將您——以及您的帳單——升級至新版本。若要繼續使用 1.0，您必須在8月5日前明確釘選 grok-voice-think-fast-1.0 模型 ID。

兩個站得住腳的立場都要求在截止期限前採取行動：要嘛刻意釘住 1.0，因為你的腳本化流程在每小時 3.00 美元的成本下運作良好；要嘛刻意升級到 2.0，並以品質而非節省成本為由重新預測，價格為每小時 4.80 美元。真正站不住腳的是在九月的發票中才發現這個變更。一個好的原則：將任何以「latest」結尾的別名視為一項持續性的指示，接受廠商接下來出貨的任何內容——包括其價格。

如何存取及使用它

Think Fast 2.0 可透過 xAI 的 Speech-to-Speech API 使用，模型 ID 為 grok-voice-think-fast-2.0，並以 grok-voice-latest 作為滾動別名。它是一個透過 WebSocket 運作的即時全雙工模型：wss://api.x.ai/v1/realtime?model=grok-voice-think-fast-2.0，在交握時使用 Authorization: Bearer 標頭進行驗證。對於瀏覽器應用程式，請透過即時工作階段端點在伺服器端鑄造短期權杖，以免父層 API 金鑰暴露給用戶端。

此 API 與 OpenAI Realtime 相容，因此現有的即時語音程式碼通常只需更換 base URL 與金鑰。工作階段設定透過 session.update 事件進行：挑選預設語音（eve、ara、rex、sal、leo），設定輸入與輸出的音訊格式（預設為 24kHz 的 PCM16；電話應用則用 μ-law），啟用伺服器端的語音活動偵測，並註冊工具——包括內建的網路搜尋工具——讓代理程式能在對話中途採取行動。事件流程遵循標準模式：用戶端附加音訊緩衝幀，伺服器串流傳輸回應音訊增量，當模型決定採取行動時觸發工具呼叫引數事件，並將結果以函式呼叫輸出的形式推回。此模型支援超過 25 種語言，並可從約一分鐘的語音進行自訂語音克隆。

請注意它不是什麼：它是一個語音轉語音（speech-to-speech）的代理模型，而不是通用的轉錄或翻譯服務。如果你的產品核心工作是低成本地將音訊轉換為文字，那麼專門的 STT 模型是另一種工具——而且按每分鐘計費，你支付的是整個對話的費用，因此純轉錄的工作負載很快就會變得昂貴。

它如何融入語音代理技術棧

Think Fast 2.0 是專門的即時語音模型，透過 xAI 的專用 API 存取，而非由模型路由器託管的一般用途 LLM。語音通道直接運行在 xAI 的 WebSocket 上——次秒級延遲正是在這裡實現，且無法在中介跳點後存續。

語音產品周邊的一切其他部分——非即時性的自然語言邏輯、對話偏離腳本時的備援推理、摘要、分析、以及代理程式在通話後觸發的電子郵件跟進——都屬於通用文字與多模態工作。就這部分而言，像 OrcaRouter 這類與廠商無關的端點，能透過單一 OpenAI 相容 API 串接多種 LLM，讓你在不需要即時語音通道的堆疊部分不會被單一廠商綁定。明確的分工是：串流語音本身使用 xAI 的專用 API，而圍繞語音的文字與多模態推理則交給 OrcaRouter（或類似服務）。

競賽：智能體速度 vs 原始智能

Think Fast 2.0 正好落在目前 AI 領域競爭最激烈的戰場——即時語音代理市場——而基準測試表將其中取捨展露無遺。

Qwen Audio 3.0 Realtime Plus是智慧領導者：在語音對語音品質指數上獲得 84.1%（第一名）、Big Bench Audio 創紀錄的 99.2%，以及全雙工 98.4%。但其平均首次音訊時間約為 4.02 秒——比 Grok 的 0.70 秒慢約 5.7 倍。對於車載、穿戴裝置和手機通話來說，這個差異不是「快與慢」的問題，而是「可用與不可用」的問題。Qwen 也分為 Plus 等級（品質）和 Flash 等級（約 300 毫秒首個封包）以因應不同場景，這是對相同張力的一種深思熟慮的解答。

GPT-Realtime-2.1在多數指標上居中（品質 79.1%、代理能力 45.7%），並在對話動態上勝出（95.7%）。其 High 等級的每小時價格約為 Grok 的 2.2 倍。對於已深入 OpenAI 生態系的團隊而言，它仍是摩擦最低的預設選擇。

Gemini 3.1 Flash在品質與代理型綜合評分（69.5%、37.7%）上落後，但屬於更廣泛的 Gemini 語音技術棧與 Google 生態系的一部分，許多團隊基於其他原因偏好此方案。

實際評估重點：依工作負載來選。若你的語音代理必須即時回應，且必須可靠完成工具型任務（客服支援、資格審核、預約訂位），Think Fast 2.0 是目前量測到最強的選項。若你最重視的是深度推理，且能容忍數秒延遲，Qwen Plus 勝出。若對話流暢度與生態系整合最關鍵，GPT-Realtime-2.1 仍是被挑戰的現任王者。

三個適用的情境

1. 電話支援與電話技術

最關鍵的組合：亞秒級的首段音訊、強大的噪音電話轉錄能力（據供應商回報），以及全雙工打斷處理。一條讓客服專員幾乎能立即開口、並能在對話中途調出帳戶資訊的支援專線，正是 2.0 調校的目標。其更簡短、一次只問一個問題的強化學習（RL）說話風格，也非常適合電話通訊——無論在哪家供應商的計費標準下，通話分鐘數都是計費單位。

2. 潛在客戶資格確認與通話後跟進

代理語音是 2.0 真正領先的領域，而潛在客戶資格審核正是代理語音的典型任務：趁意圖仍新鮮時，完成資格判定、路由分派，並觸發後續跟進。其工具呼叫可以在第一句話結束前就觸發，因此代理可以在仍與潛在客戶交談的同時建立 CRM 紀錄。請規劃會話層級歸因與嚴格的工具權限——語音代理可能即時出錯，而善後清理得由你來處理。

3. 正在積極開發中的語音代理產品

對於自行推出語音代理的開發者——xAI 所引用的 Tradecraft 和 GrokTerm 整合正是這種形式——2.0 的速度和 OpenAI 相容的 API 使其成為 GPT-Realtime 程式碼的低摩擦即插即用方案。鎖定版本，進行一個範圍狹窄的試點，並設定明確的成功條件（例如：「篩選並引導定價頁面的訪客」），並衡量每次完成結果的成本，而不是每分鐘的成本。

限制與注意事項

撰寫本文時，Think Fast 2.0 才推出五天，這點在上述注意事項中顯而易見。Starlink 的 A/B 測試結果（更高的轉換率和支援案件收斂）僅由 xAI 自行宣稱，並未公布任何數據；轉錄倍數和「快近 5 倍」的說法同樣是廠商宣稱，而非獨立基準測試結果。你會看到那篇指控「效能衰退與捏造測試報告」的文章，所指的正是這種無法驗證的問題——xAI 發布的數字尚未被獨立重現，而對可靠性高度敏感的聲音社群，自然對未公開的廠商指標抱持懷疑。基準測試也無法衡量你最糟的情況：如果代理程式自信地把潛在客戶轉給錯誤的團隊，那麼 0.70 秒的回應時間也毫無價值。語音服務按分鐘計費，且漲價已內建於價格中，因此成本風險是真實存在的。此外，與任何全新即時模型一樣，請預期 API 會不斷變動。請自行用你的音訊驗證準確性宣稱、在生產環境鎖定版本，並在第一次上線通話前部署好升級流程和錄音機制。

常見問題

什麼是 Grok Voice Think Fast 2.0？

xAI 專為語音代理打造的旗艦級語音對語音模型，於 2026 年 7 月 29 日發布：透過 WebSocket 實現原生端對端音訊對音訊，首次音訊時間僅 0.70 秒，並在 τ-Voice 代理基準測試中奪得第一名。

Grok Voice Think Fast 2.0 多少錢？

每分鐘音頻 $0.08（約每小時 $4.80），另加每則文字輸入訊息 $0.004——比 Think Fast 1.0 的每分鐘 $0.05 上漲了 60%。

Think Fast 2.0 是最好的語音模型嗎？

它在代理式任務方面最快且表現最佳（τ-Voice 56.5%，居首），在語音對語音品質指數上整體排名第二（82.9%），僅次於 Qwen Audio 3.0 Realtime Plus（84.1%）。「最佳」取決於工作負載。

相較於 Think Fast 1.0，有什麼改變？

平行語音推理（邊想邊說），推理 token 數減少約 60%，RL 調校的簡短對話風格，轉錄改善 1.4 倍（廠商報告），首次音訊延遲從 1.25 秒縮短至 0.70 秒。

我的 Think Fast 1.0 流量會自動切換嗎？

是的，在2026年8月5日，如果您使用grok-voice-latest別名。在那之前，請固定grok-voice-think-fast-1.0以留在1.0版，或刻意採用2.0並重新預估成本。

我該如何呼叫 Grok Voice Think Fast 2.0？

透過 xAI 的 Speech-to-Speech API —— 一個與 OpenAI Realtime API 相容的即時 WebSocket（wss://api.x.ai/v1/realtime?model=grok-voice-think-fast-2.0），具備預設語音、伺服器端 VAD 與工具呼叫功能。

它與哪些語音模型競爭？

{{1}}Qwen Audio 3.0 Realtime Plus（更智慧，但首段音訊需 4.02 秒，明顯較慢），{{2}}GPT-Realtime-2.1（對話互動更自然，High 等級價格約貴 2.2 倍），{{3}}以及 Gemini 3.1 Flash。{{KEEP}}{{/KEEP}}

基準測試聲稱的結果可靠嗎？

Artificial Analysis 的分數是獨立且可靠的。Starlink A/B 結果、轉錄倍率和速度框架均為 xAI 自行報告，並無已發布的數據——請將其視為方向性參考，並在您自己的音訊上加以驗證。

Grok Voice 適合用於轉錄嗎？

它在對話中進行轉錄，而 xAI 聲稱在噪音環境下比專用 STT 模型有顯著提升——但它是按對話分鐘計費的，因此專用轉錄工作負載更適合由專用 STT 模型來處理。

底線

Grok Voice Think Fast 2.0 是迄今為止量測到最強大的代理式語音模型，也是頂級層級中速度最快、領先幅度極大的模型——0.70 秒的首段音訊是貨真價實、獨立驗證、面向使用者的勝利，而在 τ-Voice 奪冠也是真實的排名。誠實的總結很具體：它是即時、工具型語音代理這類別中最好的工具，但並非每一項指標都是最好的語音模型——Qwen 在智慧方面領先，OpenAI 在對話流暢度上勝出。爭議不在於速度，而在於計價方式：xAI 號稱更便宜的模型卻漲價 60%、帶有硬性截止期限的自動別名遷移，以及建立在未公開廠商數據上的頭條宣稱。用它來獲得代理式速度、鎖定你的版本、標示廠商宣稱，並在你自己的通話中驗證準確性——同時將語音產品周邊的通用文字與推理功能保留在像 OrcaRouter 這樣的中立廠商端點上。