xAI:s Grok Voice Transcribe 2.0 behåller priset och hävdar bättre noggrannhet

xAI släppte Grok Voice Transcribe 2.0 den 18 september 2026, en tal-till-text-modell som företaget säger ungefär fördubblar noggrannheten hos sin föregångare till oförändrad prissättning: $0.10 per timme ljud för batch-transkription och $0.20 per timme för streaming. Diarization, tidsstämplar och key-term biasing ingår fortfarande utan extra kostnad.

Vad xAI hävdar

Företaget rapporterar en ordfelprocent på 6,8 % på korta fraser, ner från 20,6 % för version 1.0, och säger att den nya modellen rankas först i noggrannhet bland 32 streamingmodeller på Artificial Analysis leaderboard. Loom nämns som designpartner för lanseringen. Inga av dessa siffror har verifierats oberoende; de kommer från xAI:s egen annonsering och från en enda tredjeparts-leaderboard som xAI valt att hänvisa till.

Varför det fasta priset är den mer användbara signalen

Prissättningen för tal-till-text har sjunkit hos flera leverantörer under månaderna, så att xAI matchar sitt eget tidigare pris samtidigt som de hävdar ett stort noggrannhetssprång är en mer kontrollerbar uppgift än noggrannhetssiffran i sig: API-signaturen och kostnadsmodellen är oförändrade, vilket sänker kostnaden för att byta för team som redan är integrerade med version 1.0.

Vad man bör göra innan man ändrar standarden

Samma /v1/stt-endpoint accepterar antingen grok-voice-transcribe-1.0 eller grok-voice-transcribe-2.0, och xAI har meddelat att 2.0 kommer att bli API-standard medan 1.0 fasas ut inom de närmaste veckorna. Team med befintliga integrationer bör låsa versionen explicit, köra sin egen mätning av ordfelprocent mot representativt ljud och först därefter avgöra om de ska lämna 1.0 – istället för att acceptera den nya standarden enbart på leverantörens noggrannhetsanspråk.

Källor: x.ai — Grok Voice Transcribe 2.0, MarkTechPost — coverage of the release.