SpaceXAI 推出 Grok Voice Transcribe 2.0，错误率更低，价格维持原有水平
新模型支持批处理和流式语音识别；SpaceXAI 表示，在涵盖 19 种语言的短语测试中，错误率从 20.6% 降至 6.8%。概览中列出了 API 定价和基准测试结果，但这些结果尚未经过独立验证。
SpaceXAI 发布了什么
Grok Voice Transcribe 2.0 是一款语音识别模型，可通过 Speech to Text API 使用。它支持批量和流式处理；模型标识符为 grok-voice-transcribe-2.0。
- API 今日可用。
- 尚未公布开放权重，因此无法自行运行该模型。
- 该模型只能通过 API 使用。
选择取决于集成方式：该模型适合通过 API 进行批量或流式处理，但不适合自行运行。
准确度方面有哪些信息
开发团队称，Grok Voice Transcribe 2.0 的准确度是 1.0 版本的两倍，价格不变。
SpaceXAI 称，该模型在 Artificial Analysis 公布的排名中位列 32 款流式模型之首。AA-WER Streaming 测试使用约 8 小时的音频：AA-AgentTalk 占 50% 权重，VoxPopuli 占 25%，Earnings22 占 25%。
在一组涵盖 19 种语言的内部短句测试中，WER 从 20.6% 降至 6.8%。公司估算，词级错误减少了约 67%，并称四组内部测试的结果均有所改善。
SpaceXAI 的内部测试结果尚未经过独立复现。因此，关于准确度的说法应与公开排名的结果分开看待。
转录费用是多少
Grok Voice Transcribe 2.0 沿用了 Grok Voice Transcribe 1.0 的价格。费用取决于音频处理模式。
| 模式 | 每小时音频价格 |
|---|---|
| 批量转录 | ¥0.72 |
| 流式转录 | ¥1.44 |
说话人分离、时间戳和关键词均包含在价格中。比较不同模式时，不仅要考虑价格，还要考虑是否需要流式处理。
支持哪些语言和格式
Grok Voice Transcribe 2.0 可转录数十种语言，自动识别语言，并能处理录音中途切换语言的情况。
- 批量 API 接受最大 500 MB 的文件。
- 批量处理支持 12 种音频格式。
- 流式传输通过 WebSocket 实现，地址为
wss://api.x.ai/v1/stt。
选择时应考虑语言需求和音频传输方式：批量 API 或 WebSocket 流。
该模型已在哪里使用
Atlassian Loom 使用 Grok Voice Transcribe 2.0 转录每个视频。Atlassian 称，该模型比其此前使用的方案更准确。
这个案例证实该模型已在 Loom 中使用，但无法据此评估它与其他系统的表现。
常问问题
相关材料
所有材料
交互式 XR 开发中的编码智能体评测：GenXR-Bench 结果
GenXR-Bench 已发布，这是一个包含 112 项专家级任务的基准测试套件，用于端到端评估 coding agent 在交互式 XR 开发中的表现：从功能完善和缺陷修复，到创建可在消费级设备上进行行为验证的应用。在受测的十个模型中，最佳 Pass@1 成绩为 50.9%；反复出现的失败包括处理传感器异步事件、将对象锚定到真实空间，以及理解物理情境中的交互。
5 十一月 2026
从标量奖励到帕累托前沿：基于多目标强化学习的 LLM RTL 综合
提出了一种训练语言模型的方法，使其生成一组 RTL 候选方案，在面积、延迟和功耗之间实现不同的权衡；奖励根据各方案对帕累托前沿超体积的贡献构建。在 RTLLM v2 上，相对超体积较未进行 PPA 优化的基线版本提高了 13.3 个百分点，较单目标强化学习提高了 14.4 个百分点。
5 十一月 2026
医疗 LLM 能获知指南更新，却常常仍按旧规则回答
ChronoEvo 对 1709 项临床指南变更的研究显示：在基础模型中，90.8% 的回答记录了新变化，但只有 58.5% 完整应用了这些变化；这一差距达 32.3 个百分点，并且在 14 个模型中均存在。即使提高更新内容的显著性，也未能显著提升将新规则完整纳入临床指南的比例。
4 十一月 2026