xAI a annoncé le 29 juillet 2026 Grok Voice Think Fast 2.0, la nouvelle génération de son modèle vocal de bout en bout (speech-to-speech) destiné aux agents vocaux. Disponible dès maintenant sur Agent Builder au tarif de 0,08 $ la minute audio, ce modèle doit remplacer automatiquement Think Fast 1.0 le 5 août prochain sur l’alias grok-voice-latest.
Des gains mesurés face à GPT-Realtime et Gemini
Sur le benchmark speech-to-speech d’Artificial Analysis, Think Fast 2.0 obtient un score global de 82,9 %, contre 75,7 % pour la version précédente, devant GPT-Realtime-2.1 (79,1 %) et Gemini 3.1 Flash (69,5 %). Sur le volet agentique, spécifiquement conçu pour évaluer la capacité d’un modèle vocal à utiliser des outils, Think Fast 2.0 atteint 56,5 %, contre 52,1 % pour la version 1.0, 45,7 % pour GPT-Realtime-2.1 et 37,7 % pour Gemini 3.1 Flash. Seul le score conversationnel place le modèle légèrement derrière celui d’OpenAI : 95,1 % contre 95,7 %.
Le temps avant le premier son (time to first audio) tombe de 1,25 seconde à 0,70 seconde, un gain qui se ressent directement dans la fluidité d’une conversation vocale avec un agent.
Transcription et raisonnement en parallèle
xAI a testé la transcription sur des milliers de phrases courtes dans 24 langues et revendique une précision 1,5 à 2 fois supérieure à Deepgram Nova 3 et ElevenLabs Scribe v2, et 1,4 fois supérieure à Think Fast 1.0. L’écart grimperait même à environ 10 fois en présence de bruit de fond important ou de compression téléphonique, selon le taux d’erreur de mots mesuré par l’entreprise.
Autre changement d’architecture : Think Fast 2.0 raisonne en parallèle de la parole plutôt qu’en séquence, ce qui réduit l’usage de tokens de raisonnement à 0,4 fois le niveau de référence de la version 1.0. Concrètement, un appel d’outil peut s’exécuter avant même que l’agent ait fini sa première phrase. L’entraînement par renforcement a aussi été orienté vers des phrases plus courtes et une question à la fois, pour limiter le remplissage inutile dans les échanges complexes.
Un premier test grandeur nature chez Starlink
xAI indique avoir mené un test A/B sur le service téléphonique de Starlink, avec à la clé un taux de conversion des ventes et un taux de résolution du support en hausse par rapport à la version précédente. Aucun chiffre précis n’a toutefois été communiqué pour ce test.
Les développeurs qui souhaitent continuer à utiliser Think Fast 1.0 après le basculement du 5 août devront explicitement épingler l’identifiant de la version 1.0 dans leur intégration ; sans action de leur part, l’alias grok-voice-latest basculera automatiquement vers la 2.0.
Source : annonce officielle xAI.
Qu’est-ce que Grok Voice Think Fast 2.0 ?
C’est la nouvelle génération du modèle vocal de bout en bout de xAI, destinée aux agents vocaux construits sur Agent Builder. Il améliore l’intelligence, la précision de transcription et la gestion des outils par rapport à la version 1.0.
Combien coûte Grok Voice Think Fast 2.0 ?
Le modèle est facturé 0,08 dollar par minute audio via l’API xAI.
Quand Grok Voice Think Fast 2.0 remplace-t-il la version 1.0 ?
L’alias grok-voice-latest basculera automatiquement de la version 1.0 à la 2.0 le 5 août 2026. Les développeurs qui veulent garder l’ancienne version doivent épingler manuellement l’identifiant grok-voice-think-fast-1.0.