مدل صوتی جدید شرکت xAI (متعلق به ایلان ماسک) با نام Grok Voice Think Fast 2.0 توانسته است با ارائه عملکردی خیرهکننده، توجه کارشناسان حوزه هوش مصنوعی را به خود جلب کند.
این مدل پیشرفته در ارزیابیهای پلتفرم معتبر Artificial Analysis (شاخص ارزیابی صوتی صبحتبهصحبت) با ثبت امتیاز کلی ۸۲.۹ درصد (و امتیازات درخشانی همچون ۹۷.۲ درصد در استدلال صوتی و ۹۵.۱ درصد در پویایی مکالمه)، جایگاه بسیار قدرتمندی را در میان رقبا ثبت کرده و توانسته است رقابت تنگاتنگی با مدلهای پیشرفته شرکتهای رقیب مانند اوپنایآی و گوگل ایجاد کند.
ویژگیهای کلیدی این نسخه که آن را از دستیارهای صوتی سنتی متمایز میکند، عبارتند از:
-
پردازش و استدلال موازی (Speech-to-Speech بومی): این مدل برخلاف سیستمهای قدیمی که ابتدا صدای کاربر را به متن تبدیل کرده و سپس پاسخ تولید میکنند، همزمان با شنیدن صدا، روی درخواست کاربر استدلال میکند و پاسخ میدهد.
-
کاهش چشمگیر تاخیر (Latency): زمان رسیدن به نخستین خروجی صوتی در این نسخه به حدود ۰.۷۰ ثانیه کاهش یافته است که مکالمه را به گفتوگوی واقعی انسانها بسیار نزدیکتر میکند.
-
عملکرد عاملمحور (Agentic Performance): مدل قادر است در سناریوهای واقعی و پشتیبانی مشتریان، بهطور همزمان از ابزارهای نرمافزاری مختلف برای حل مشکلات کاربران بهره ببرد.
این پیشرفت سریع نشان میدهد که ایلان ماسک و تیمش در xAI علاوه بر مدلهای متنی، تمرکز ویژهای روی تسلط بر بازار دستیارهای صوتی هوشمند و کاربردهای تجاری و سازمانی آن گذاشتهاند.