xAI, 29 Temmuz'da Grok Voice Think Fast 2.0'yi piyasaya sürerek bunu bugüne kadarki en yetenekli sesle konuşma (speech-to-speech) ses modeli olarak konumlandırdı. Model, Yapay Analiz'in genel sesle konuşma kalite indeksinde %82,9 puan alarak GPT-Realtime-2.1 High'u (%79,1) ve Gemini 3.1 Flash High'u (%69,5) geride bıraktı.
Temel iyileştirmeler arasında sadece 0,70 saniye olan ilk ses yanıtı süresi (1.0 sürümündeki 1,25 saniyeden düştü), konuşma dinamiklerinde %95,1 puan (önceki %77,8'den arttı) ve %56,5lik ajans performansı (GPT-Realtime'ın %45,7'sine kıyasla) yer alıyor. Yazım doğruluğunda xAI, Deepgram Nova 3 ve ElevenLabs Scribe v2'ye kıyasla 1,5–2 kat iyileşme iddia ediyor; gürültülü ortamlarda bu fark yaklaşık 10 kata ulaşıyor.
Model, konuşurken sorgular üzerinde düşünerek benzersiz bir yaklaşım kullanıyor; bu sayede araç çağrıları ilk cümle bitmeden çalıştırılabiliyor. Starlink müşteri hizmetlerinde (+1 888 GO STARLINK) yapılan A/B testleri, hem satış dönüşüm oranı hem de destek contained oranında önemli artışlar gösterdi.
Grok Voice Think Fast 2.0, dakika başına 0,08 ABD doları fiyatla sunuluyor ve 5 Ağustos'ta grok-voice-latest takma adı 1.0'dan 2.0'ye yükseldiğinde varsayılan ses modeli olacak.
