Grok Voice Transcribe 2.0 de la xAI păstrează prețul, pretinde o acuratețe mai bună

xAI a lansat Grok Voice Transcribe 2.0 pe 18 septembrie 2026, un model speech-to-text despre care compania spune că dublează aproximativ acuratețea predecesorului său la prețuri neschimbate: 0,10 USD pe oră de audio pentru transcriere batch și 0,20 USD pe oră pentru streaming. Diarizarea, marcajele temporale și biasarea termenilor-cheie rămân incluse fără costuri suplimentare.

Ce pretinde xAI

Compania raportează o rată de eroare pe cuvânt de 6,8% pe fraze scurte, în scădere de la 20,6% pentru versiunea 1.0, și spune că noul model se clasează pe primul loc la acuratețe dintre 32 de modele de streaming din clasamentul Artificial Analysis. Loom este numit partener de design pentru această lansare. Niciuna dintre aceste cifre nu a fost reprodusă independent; ele provin din anunțul propriu al xAI și dintr-un singur clasament terț pe care xAI a ales să îl citeze.

De ce prețul neschimbat este semnalul mai util

Prețurile pentru speech-to-text au scăzut la toți furnizorii de luni de zile, așa că faptul că xAI își egalează propriul preț anterior în timp ce pretinde un salt mare de acuratețe este un punct de date mai verificabil decât cifra de acuratețe în sine: semnătura apelului API și modelul de cost sunt neschimbate, ceea ce reduce costul de tranziție pentru echipele deja integrate cu versiunea 1.0.

Ce să faci înainte de a schimba implicitul

Același endpoint /v1/stt acceptă fie grok-voice-transcribe-1.0, fie grok-voice-transcribe-2.0, iar xAI a spus că 2.0 va deveni implicit în API, versiunea 1.0 urmând să fie retrasă în săptămânile următoare. Echipele cu integrări existente ar trebui să fixeze explicit versiunea, să își re-măsoare propria rată de eroare pe cuvânt pe audio reprezentativ și abia apoi să decidă dacă renunță la 1.0 — în loc să accepte noul implicit doar pe baza afirmației de acuratețe a furnizorului.

Surse: x.ai — Grok Voice Transcribe 2.0, MarkTechPost — acoperirea lansării.