xAI presentó el 29 de julio Grok Voice Think Fast 2.0, la segunda generación de su modelo de voz a voz, y desde el 5 de agosto la corre por defecto: el alias de la API que hasta entonces apuntaba a la primera versión, "grok-voice-latest", ahora apunta a esta. Quien quiera seguir en la versión anterior tiene que pedirla de forma explícita como "grok-voice-think-fast-1.0".
Razona mientras habla, no antes
La familia Think Fast se distingue de otros modelos de habla a habla en un detalle de diseño: razona en paralelo a la generación del audio, en lugar de completar el razonamiento primero y recién después producir la voz. Según xAI, ese orden es lo que le permite ganar inteligencia sin pagar el costo de latencia que normalmente exige pensar más.
Los números que reporta la empresa
xAI evaluó el modelo sobre miles de frases cortas en 24 idiomas y lo comparó contra dos motores de transcripción de uso extendido:
| Comparación | Mejora reportada |
|---|---|
| Think Fast 2.0 vs. Deepgram Nova 3 y ElevenLabs Scribe v2 | 1,5 a 2,0 veces más preciso |
| Think Fast 2.0 vs. Think Fast 1.0 (xAI) | 1,4 veces más preciso |
En entornos ruidosos la distancia frente a los modelos dedicados de voz a texto crece hasta unas 10 veces, según la misma evaluación.
xAI no detalló el tamaño del modelo ni publicó la lista completa de frases que usó para medirlo: la comparación es una evaluación interna, sin auditoría de un tercero independiente.
La latencia bajó, el precio subió
El tiempo hasta el primer audio de respuesta pasó de 1,25 segundos en la primera versión a 0,70 segundos en esta.
Ese recorte de latencia no vino gratis. El minuto de audio en modo habla a habla pasa de 0,05 a 0,08 dólares, y cada entrada de texto cuesta 0,004 dólares adicionales.
Más voces, más idiomas
xAI también sumó 21 voces nuevas a la biblioteca de Grok, disponibles en iOS, Android y la web, pensadas para casos de uso puntuales y con cobertura nativa de más de 25 idiomas.
Queda sin confirmar cómo se sostiene la ventaja de precisión que reporta xAI fuera del set de frases cortas que la empresa eligió para su propia evaluación, el único que hizo público hasta ahora.
