AI 编程实时动态与要闻

SpaceXAI（xAI）正式上线 Grok Voice Transcribe 2.0，宣称在客服通话、口述凭证与短语音指令等真实场景上准确率约为上一代两倍，且价格不变。官方称其在 Artificial Analysis 32 个流式转写模型中准确率排名第一；短指令词错误率从约 20.6% 降至约 6.8%。支持流式/批处理、自动语种检测与中途换语、词级时间戳与置信度、免费说话人分离，批处理约 $0.10/小时、实时流式约 $0.20/小时，既有 Speech-to-Text API 集成可无感升级。

Artificial Analysis（@ArtificialAnlys）更新 Speech to Speech Index：Google Gemini 3.8 Live Extended Thinking（High）以 82.6 分登顶，领先 GPT-Live-1（Astra medium）81.5、Grok Voice Think Fast 2.0 High 81.3；标准版 Gemini 3.8 Live 以 76.0 排第 5。同批还覆盖 Speech Agent Arena、Tau Voice（Extended Thinking 68.6% 登顶）、Big Bench Audio、首音延迟与每小时输入音频成本（标准版 $0.84，Extended Thinking $3.50）。

Artificial Analysis（@ArtificialAnlys）公布 Speech to Speech Index：OpenAI GPT-Live-1 在委托后端为 Astra（medium）时以 81.5 分登顶，Sol（low）为 80.1 排第 3，夹在中间的是 Grok Voice Think Fast 2.0 High（81.3）。GPT-Live-1 为全双工语音模型，可在对话中把推理与工具调用委托给后端文本模型；同批评测还覆盖 Speech Agent Arena、Tau Voice、Big Bench Audio 与成本/首音延迟。

埃隆·马斯克引用用户实测并回复「New feature」，确认 SpaceXAI 语音对话模式已支持屏幕共享：语音模型可看见你在浏览器中的操作，并实时口头指导完成任务。这把 Grok 语音从「听得见」推进到「看得见」，对桌面端编程辅导、调试演示与长程 Agent 协作都有直接价值。

SpaceXAI 宣布可在 LiveKit 中使用 Grok Voice 模型构建语音代理，并支持零数据保留（ZDR）。LiveKit 演示了端到端患者预问诊代理：Grok STT → Grok 4.3 → Grok TTS 在同一 AgentSession 中级联，无需多套 API Key 与账单。开发者可用三条模型字符串拼出语音智能体，适合客服、预问诊与工具调用场景。

SpaceXAI 宣布 Grok Voice Think Fast 2.0 在 Artificial Analysis Speech-to-Speech Index 上排名第一。该榜衡量语音代理能否对听到的内容进行推理、解决真实客户问题，并用工具正确完成任务。模型已可通过 API 和 Agent Builder 使用。SpaceXAI 称 Starlink 每天用 Grok Voice 处理超过 1.5 万通客服与销售来电。