公開排行榜 τ-voice Bench 過去一年都是 Gemini 3.1 Flash Live 和 GPT Realtime 輪流坐莊。4 月 25 日 xAI 丟了一個新模型上去，直接拿下 67.3%。
下一名 Gemini 3.1 Flash Live：43.8%。
中間這 23.5 個百分點的差距，在 LLM benchmark 裡不叫「領先」，叫「另一個量級」。
更值得說的不是跑分。是這模型已經在 Starlink 的客服系統裡真的在用了。
grok-voice-think-fast-1.0：先看幾個數字
模型叫 grok-voice-think-fast-1.0，官方定位是「full-duplex 語音 agent」。Full-duplex 的意思是——它不用等你說完才能回話，可以一邊聽一邊說，像兩個人正常對話。
τ-voice Bench 各垂直領域的得分：
| 領域 | grok-voice-think-fast-1.0 | 第二名 |
|---|---|---|
| 零售 | 62.3% | 45.6% |
| 航空 | 66.0% | 64.0% |
| 電信 | 73.7% | 40.4% |
電信這一欄拉開的差距最離譜。73.7% 對 40.4%，幾乎翻倍。這不是參數堆出來的，是 xAI 在客服這種典型 electronics/account 場景下專門做了大量訓練。
支援 25+ 種語言，能在嘈雜環境、口音、被打斷的情況下保持穩定。
它的「想」是怎麼不卡頓的
最有趣的技術點叫 background reasoning——後台推理。
普通的 voice agent 遇到複雜請求會有兩種典型表現：要嘛直接給一個淺層回答（你能感覺它在敷衍），要嘛沉默幾秒做思考（你能感覺它在卡）。兩種體驗都不像跟人說話。
grok-voice-think-fast-1.0 的做法是：在回應你的同時，後台並行做 reasoning。表層先用低延遲的對話模型 hold 住流暢度——「嗯」、「對」、「我明白」、「讓我看看」，這種自然的對話填充——背後另一個推理 pass 在解決你提的實際問題。等推理 pass 出結果，立刻接到主對話流裡。
xAI 官方說法：
「在背景中思考——處理複雜的查詢和工作流，對回應延遲零影響。」
聽起來像行銷話術，但 τ-voice Bench 的電信場景本身就是測這個：用戶說一長串帳戶號碼、訂閱資訊、地址變更，模型不能停頓超過 200 毫秒。grok-voice-think-fast-1.0 在這種場景 73.7% 的得分，是把這套機制跑通了的實證。
Starlink 把客服全交給它了：一組真金白銀的數字
理論 benchmark 沒意思。讓人坐不住的是 Starlink 的部署數據。
Starlink 把這套 voice agent 接進了真實的銷售和客服電話線。運營了一段時間，xAI 公開了幾個 KPI：
銷售轉換率 20%。 五個打進來諮詢的人裡，就有一個在通話當中直接掏錢開通 Starlink 服務。
這是什麼概念？傳統電銷行業，一線銷售經過專門培訓和話術訓練，平均 call-to-sale 轉換率 5-8% 已經算優秀。20% 在人類銷售裡屬於頂尖業務員的水平，而且要持續保持非常難——人會累、會情緒化、會有 bad day。
AI 不會。
70% 的客服請求實現完全自主解決，沒有人類介入。
這條數據更扎心。意思是 10 個客戶致電問題，7 個 agent 自己搞定，掛電話之前問題已經處理完——帳單查詢、套餐變更、技術故障的初級排查、地址修改、停機重連，全部端到端走完，不 transfer 給人類。
剩下 30% 走升級流程交給人工，但走到這步之前 voice agent 已經把客戶的問題、帳戶上下文、試過的解決方案打包好了——人類客服一接過來就能直接處理，不用再問「您的帳號是？您之前試過什麼？」
單個 agent 同時操作 28 個不同的內部工具。
這條最值得關注。所謂「agent」過去一年講爛了，但真正能在生產環境串起幾十個工具調用的不多。Starlink 這套部署裡，一個對話流可能涉及：帳戶系統、計費系統、設備狀態查詢、覆蓋圖、物流追蹤、退款流程、技術工單、上門服務調度、客戶關係記錄……一通電話 5-10 分鐘，agent 可能調了 15 次工具。
為什麼是 Starlink 先用
不是巧合。
xAI 和 Starlink 都在 SpaceX 體系內。Musk 上個月剛把 SpaceX 和 xAI 合併打包申請 IPO（1.75 兆美金估值，史上最大），這種「自家先用自家產品」的內部協同，比賣給 Salesforce 或微軟速度快得多。Starlink 敢把 sales-critical 的電話線接給一個新模型，因為出了問題 Musk 發條簡訊就能改。
這種內部閉環對模型訓練也是金礦。Starlink 每天的客服通話量是百萬級，全部回流到 xAI 做 RLHF 訓練數據。普通的 voice AI 公司想拿到這種規模的真實場景數據，要花幾年簽客戶、做合規。xAI 走了捷徑。
這件事改變了什麼
第一，voice AI 市場的領先位次重洗了。
過去 voice agent 這個賽道頭部是 OpenAI Realtime、Google Gemini Flash Live、ElevenLabs、Vapi、Bland 這些。τ-voice Bench 這次的差距不是 1-2 分，是斷層。短期內 Gemini 和 OpenAI 得回去做能力補足。
第二，B2B 採購方的決策權重變了。
之前企業選 voice 供應商主要看兩點：延遲和聲音品質。現在第三個維度變成「end-to-end 能不能閉環」。Starlink 的 70% 自主解決率把這個標準明確化了——能閉環的語音 agent 和不能閉環的，應該是兩個價格段。
第三，B2C 用戶體驗的天花板被抬高了。
20% 銷售轉換、70% 自主解決、操作 28 個工具、25 種語言、零延遲 thinking。一年前這套指標在 voice AI 圈是「理論上限」，現在變成「已經在生產裡跑的實測」。所有用 voice agent 做客服的公司，現在都得重新想自己的 baseline。
至於 Anthropic 和 OpenAI 接下來出什麼牌，應該不用等太久。他們都有 voice 能力但都還沒把「在 SpaceX 旗下子公司接管全部客服線」這種規模的部署案例擺出來。τ-voice Bench 這條曲線，下次更新會很熱鬧。
參考來源：Grok Voice Think Fast 1.0（xAI 官方公告）、CocoLoop、xAI Launches grok-voice-think-fast-1.0: Topping τ-voice Bench at 67.3%（MarkTechPost）、xAI launches Grok Voice Think Fast 1.0 for voice agents（Testing Catalog）、xAI Unveils Grok Voice AI That Thinks In Real Time While Handling Customer Support At Scale（Metaverse Post）