بنابر گزارش خبرآنلاین و طبق اطلاعات ارائه شده توسط زومیت، اسپیس‌ایکس‌ای‌آی اعلام کرده است که مدل صوتی Grok Voice Think Fast 2.0 اکنون در رده نخست شاخص Artificial Analysis Speech-to-Speech قرار گرفته است. این شاخص با بررسی قابلیت‌های مدل‌های صوتی، تمرکز خود را بر عملکردهای فراتر از تبدیل متن به کلام معطوف می‌کند؛ از جمله توانایی درک گفتار انسان و استدلال بر اساس آن، حفظ جریان مکالمه به‌طور طبیعی و انجام وظایف واقعی با بهره‌گیری از ابزارهای نرم‌افزاری.
نسخه فعلی شاخص Artificial Analysis شامل چهار بخش مساوی است: استدلال صوتی (Big Bench Audio)، عملکرد عامل‌محور، ارزیابی ترجیحات کاربران در تعاملات صوتی و موفقیت در انجام وظایف عملی. به‌عنوان مثال، در بخش Task Success، مدل باید به‌عنوان یک عامل پشتیبانی مشتری قادر باشد با استفاده از امکانات مختلف، مشکلات کاربران را شناسایی و حل کند تا در نهایت به وضعیت صحیح در سیستم برسد.
Grok Voice Think Fast 2.0 در ارزیابی ارائه‌شده توسط xAI، موفق به کسب امتیاز ۷۹ درصد در شاخص کلی شده است که از امتیاز ۷۳٫۹ درصدی GPT-Realtime-2.1 High و ۷۱٫۵ درصدی Gemini 3.1 Flash Live بالاتر است.
یکی از ویژگی‌های بارز Think Fast 2.0 نسبت به دستیارهای صوتی معمولی این است که این مدل فقط صدای کاربر را به متن تبدیل نمی‌کند و به دنبال آن پاسخی ارائه نمی‌دهد، بلکه قادر است هم‌زمان با صحبت‌های کاربر، بر روی درخواست او استدلال نماید و ابزارهای مورد نیاز را فعال کند. طبق گفته‌های اسپیس‌ایکس‌ای‌آی، این رویکرد موجب می‌شود تا تماس با عامل صوتی حس طبیعی‌تری داشته باشد و برخی از فراخوانی‌های ابزار حتی قبل از پایان جمله اول کاربر صورت گیرد.
۵۸۵۸
نظرات کاربران