SpaceXAIがGrok Voice Think Fast 2.0を60%の価格プレミアムで出荷

Why it matters

SpaceXAI is pairing a higher-priced model with automatic migration and a no-code builder, pushing Grok into revenue-generating support and sales calls.

Elon Musk (@elonmusk)のSpaceXAIは7月29日にGrok Voice Think Fast 2.0をリリースし、顧客サポート、営業、その他のリアルタイム音声エージェントを構築する開発者向けに、より高速かつ高精度な音声対音声モデルを打ち出しました。

SpaceXAIは、Xでのスレッドおよびより詳細な製品発表によれば、このリリースをAPIとVoice Agent Builderを通じて提供しています。モデルの料金は音声1分あたり$0.08で、Think Fast 1.0の$0.05から60%の値上げとなります。テキスト入力はリクエストごとに$0.004が追加されます。

Muskは2023年3月にxAIの運営を開始し、SpaceXが2026年2月2日にxAIを買収するまで率いていました。6月のSpaceXの目論見書は、MuskをSpaceXのCEO、最高技術責任者（chief technical officer）および会長として記載しています。また、Zip2やPayPalでの経歴や、University of Pennsylvaniaでの物理学とビジネスの学位を辿っています。Grokは現在、AIモデル、コンシューマおよびエンタープライズ向けソフトウェア、Xプラットフォーム、計算インフラストラクチャを組み合わせたSpaceXの部門内に位置しています。

このタイミングは、SpaceXAIがGrok Voiceを商用の通話処理に向けて前進させていることを示しています。SpaceXAIは7月1日にVoice Agent Builderをベータで開始し、開発者やオペレーターに電話番号、ナレッジ検索、ツール、ガードレール、録音と文字起こしを用いてエージェントを設定するためのビジュアルインターフェースを提供しました。顧客は既存の番号をSIP経由で接続するか、WebSocketsを使用してエージェントを自分たちのアプリケーションに組み込むことができます。

アップグレードと移行の締め切り

SpaceXAIは、Think Fast 2.0は音声を生成しながら推論を行い、リクエストを処理している最中に回答を開始できると述べています。SpaceXAIはまた、このモデルが中央値でThink Fast 1.0の40%の推論トークンしか使用しないため、応答中にツール呼び出しがより早く実行されるはずだとも述べています。

このリリースは既存顧客に移行の判断を迫るものでもあります。8月5日には、grok-voice-latest エイリアスが自動的にThink Fast 1.0からThink Fast 2.0に移動します。より安価なモデルを維持したい開発者は、その切り替え前に grok-voice-think-fast-1.0 を固定（pin）する必要があります。

そのデフォルト移行により、SpaceXAIは既存の使用をより高価格のモデルへ移す直接的なルートを得ます。継続的に大量利用した場合、その差は無視できません：音声1時間あたりの料金はテキスト入力料を除いて$3から$4.80に上がります。SpaceXAIは、より良いタスク完了率、文字起こし、会話のタイミングを対価として顧客にその増額を受け入れるよう求めています。

SpaceXAIはThink Fast 2.0がArtificial Analysis Speech-to-Speech Indexで82.9%のスコアを達成したと主張しており、Think Fast 1.0の75.7%やOpenAIのGPT-Realtime-2.1 Highの79.1%を上回っています。最初の音声出力までの時間は1.25秒から0.70秒に短縮され、カスタマーサービス重視のtau-voiceベンチマークのスコアは52.1%から56.5%に上昇しました。

Artificial Analysisのリーダーボードはこれらの数値を裏付ける一方で、より広い分野における位置付けも示しています。Alibaba CloudのQwen Audio 3.0 Realtime Plusが全体指数で84.1%と首位に立ち、Grokの82.9%を上回っています。同じリーダーボードによれば、Deepslate OpalやGoogleのGemini 2.5 Flash Native Audio Dialogも初期音声の生成がより速いと示されています。Grokの最も強い結果はエージェント性能であり、56.5%のtau-voiceスコアはArtificial Analysisが掲載するモデルの中でトップです。

SpaceXAIは別に、24言語にわたる数千の短いフレーズに対する社内評価で、Think Fast 2.0がDeepgram Nova 3およびElevenLabs Scribe v2に比べて文字起こし誤りを1.5倍から2倍改善したと主張しています。背景雑音や電話圧縮がある状況では、その優位性はおおむね10倍に拡大したとしています。これらの文字起こしの数値は独立したリーダーボードではなく、SpaceXAI自身の評価に基づくものです。

フルスタック音声製品

SpaceXAIは、別々の音声認識、言語、音声生成サービスを組み合わせるのではなく、統合された音声対音声のパスを販売しています。Voice Agent Builderは、電話応答、社内文書検索、外部ツール呼び出し、通話の転送、完了した会話のレビューに必要なインフラストラクチャとともにそのモデルをラップしています。

これにより、SpaceXAIはOpenAIのリアルタイムモデルやElevenLabs Agents、さらにGoogleやDeepgramの音声インフラと直接競合することになります。選定基準は、エージェントが説得力のあるデモ会話を実行できるかどうかを超えて移動しています。コールセンターにエージェントを展開する開発者は、レイテンシ、割り込み処理、低品質音声での文字起こし、ツールの成功率、そして1分ごとのコストを測定する必要があります。

SpaceXAIにはMuskの他事業内に実証の場が既に用意されています。SpaceXAIはThink Fast 2.0をStarlinkのカスタマー電話回線でテストし、より高い販売転換とサポートの抑止（support containment）を記録したと述べています。今回のリリースはその社内展開を開発者向け製品に転換し、SpaceXの流通および計算資源と、実運用の通話量を想定した価格設定のモデルを組み合わせるものです。