ニュース

「Grok Voice Think Fast 2.0」発表。文字起こし精度が最大2倍

  • 稲津 定晃

2026年7月30日 14:19

Grok Voice Think Fast 2.0と競合モデルのベンチマーク結果

　米xAIは7月29日(現地時間)、次世代音声AIモデル「Grok Voice Think Fast 2.0」を発表した。料金は1分あたり0.08ドル(約12円)である。

　Grok Voice Think Fast 2.0は、音声推論や会話能力、ツール使用時の信頼性を大幅に高めた新モデル。GPT-Realtime-2.1やGemini 3.1 Flashなど競合モデルとのベンチマーク比較では、全体的な品質で82.9%と最高スコアを記録し、スピーチの推論やエージェント性能でも他モデルを上回った。

　文字起こしの精度についても24言語で評価が行なわれ、Deepgram Nova 3やElevenLabs Scribe v2と比べて1.5～2.0倍の精度向上を確認している。特にバックグラウンドノイズのある環境での性能強化が図られた。

　速度面では、最初の応答までの時間が0.7秒と高速化された。推論効率やツール呼び出しの速度も前モデルより向上している。既存のプロンプトのままプログラム変更なしで、ほぼすべてのユースケースでパフォーマンスが改善されるという。

　「grok-voice-latest」は8月5日から新モデルへと自動的に切り替わる。旧モデルの「Grok Voice Think Fast 1.0」を継続利用したい場合は、8月5日までに「ピン留め」などの対応が必要となる。