گراک: هوش مصنوعی صوتی ایلان ماسک، قله‌های جهانی را فتح کرد

قدرت‌نمایی گراک؛ هوش مصنوعی صوتی ایلان ماسک موفق به کسب رتبه اول جهانی شد

چهارشنبه ۴ شهریور ۱۴۰۵ – ۰۶:۰۵

مطالعه ۲ دقیقه

امیر عبدالملکی

مدل Grok Voice Think Fast 2.0 با کسب امتیاز ۷۹ درصد، توانست بر مدل‌های اوپن‌ای‌آی و گوگل غلبه کرده و در صدر شاخص ارزیابی صوتی جهان قرار گیرد.

به گزارش پایگاه خبری پژوهندگان عصر، اسپیس‌ایکس‌ای‌آی اعلام کرد که مدل صوتی Grok Voice Think Fast 2.0 اکنون در صدر شاخص Artificial Analysis Speech-to-Speech قرار دارد. این شاخص توانایی مدل‌های صوتی را در انجام وظایفی فراتر از تبدیل متن به صدا مورد ارزیابی قرار می‌دهد؛ از جمله توانایی درک گفتار انسان، استدلال درباره آن، حفظ مکالمه طبیعی و انجام وظایف واقعی با استفاده از ابزارهای نرم‌افزاری.

Artificial Analysis در نسخه فعلی این شاخص، چهار بخش را با وزن برابر در نظر گرفته است: استدلال صوتی (Big Bench Audio)، عملکرد عامل‌محور، ترجیح کاربران در مکالمه‌ی صوتی و موفقیت در انجام وظایف واقعی. به عنوان مثال، در بخش Task Success، مدل باید در نقش یک عامل پشتیبانی مشتری بتواند با استفاده از ابزارهای مختلف مشکلات کاربران را حل کرده و به وضعیت صحیح در سیستم برسد.

Grok Voice Think Fast 2.0 در ارزیابی منتشرشده از سوی xAI، امتیاز ۷۹ درصد را در شاخص کلی کسب کرد که بالاتر از GPT-Realtime-2.1 High با ۷۳٫۹ درصد و Gemini 3.1 Flash Live با ۷۱٫۵ درصد است.

تفاوت اساسی Think Fast 2.0 با یک دستیار صوتی معمولی در این است که این مدل تنها صدای کاربر را به متن تبدیل نمی‌کند و سپس پاسخ نمی‌دهد؛ بلکه می‌تواند همزمان با صحبت‌کردن، بر روی درخواست کاربر استدلال کرده و ابزارهای لازم را به کار گیرد. به گفته‌ی اسپیس‌ایکس‌ای‌آی، این رویکرد موجب می‌شود تماس با عامل صوتی طبیعی‌تر باشد و برخی فراخوانی‌های ابزار حتی پیش از پایان جمله اول کاربر انجام شوند.