xAI 发布 Grok Voice Agent API
xAI 发布 Grok Voice Agent API,开发者可用它构建支持数十种语言、调用工具并实时搜索数据的语音智能体。该 API 按每分钟 0.05 美元的固定费率计费,平均首音频延迟低于 1 秒,在 Big Bench Audio 排名第一。
推荐理由:xAI 把已在特斯拉和移动端使用的语音栈开放为 API,开发者可据此评估自建语音智能体的延迟与成本。
网站与博客 · 历史来源 · 当前未持续收录
xAI 发布 Grok Voice Agent API,开发者可用它构建支持数十种语言、调用工具并实时搜索数据的语音智能体。该 API 按每分钟 0.05 美元的固定费率计费,平均首音频延迟低于 1 秒,在 Big Bench Audio 排名第一。
推荐理由:xAI 把已在特斯拉和移动端使用的语音栈开放为 API,开发者可据此评估自建语音智能体的延迟与成本。
xAI 发布 Grok Collections API,开发者可上传 PDF、Excel 表格和代码库等文件构建知识库并检索,无需自行管理索引与检索基础设施。文件索引与存储首周免费,检索按每 1,000 次搜索 2.50 美元统一计费,支持语义、关键词与混合检索,并提供专用 reranker 模型和 reciprocal rank fusion。
xAI 发布 Grok Speech to Text 和 Text to Speech 两个独立音频 API,开发者可通过 REST 与 WebSocket 接口接入语音转写和语音合成。
推荐理由:原文给出两个音频 API 的定价与多领域词错率对比,便于开发者判断接入成本与场景适配。
xAI 在 Grok Build 中上线 Composer 2.5,这是一款快速且达到 SOTA 水平的模型,擅长长时间运行任务与遵循复杂指令。用户输入 /model 并在菜单中选择 Composer 2.5 即可使用。
Grok 4.5 现已在 GitHub Copilot 中可用,面向每天使用 VSCode 和 GitHub 产品的开发者。用户可在模型选择器中直接选择 Grok 4.5,部分企业和商业用户需要先在 Copilot 设置中启用该模型。Grok 4.5 也可通过 SpaceXAI 控制台直接使用,价格为每百万输入 token 2 美元、每百万输出 token 6 美元。
xAI 在 grok.com、iOS 和 Android 的 Grok 4.3 上线 Skills,用户教一次后可在所有对话中记住偏好、格式规则和工作流步骤。每个 Grok 账号自带 Word 文档、演示文稿、电子表格、PDF 和 Skill Creator 等内置技能,无需配置,用户可用自己的版本覆盖内置技能并优先生效。
推荐理由:原文列出自带技能与自定义方式,读者可以据此判断这套机制怎样固化日常重复的格式与流程。
xAI 为 Grok 推出 Build Mode,用户描述想法后 Grok 在对话内编写代码并生成可运行预览,随后可发布为 grok.me 链接或自定义域名。该功能今日以 Early Beta 形式面向 SuperGrok Heavy 订阅用户开放,覆盖网页、iOS 和 Android,无需安装或配置。
xAI 在 Grok Build 中推出 /goal 模式,让智能体长时间自主执行,直到任务完成并经过校验。给 /goal 一个目标后,它会规划方案、拆出进度清单并开始执行,过程中可继续追加指令;该模式还提供监控和干预长任务的命令,任务完成后面板会变为 Complete。该模式现已可用,安装 Grok Build 后登录账号即可调用 /goal。
xAI 推出 Grok Bot,定位为可以交付完整工作的 AI 队友,今日起面向 SuperGrok、SuperGrok Plus、SuperGrok Heavy,Cursor Pro、Pro+、Ultra,以及 Cursor Teams Standard、Premium 订阅用户开放 beta,支持桌面端和 iOS。
推荐理由:原文列出了 Grok Bot 的独立云端电脑和多 Bot 协作方式,读者可据此判断它与其他智能体工具的分工差异。
xAI 的图生视频模型 grok-imagine-video-1.5-preview 已通过 xAI API 开放预览。该模型可将单张静态图像转为流畅的电影感视频,支持最高 720p 生成,并用自然语言提示词控制镜头运动、节奏与声音设计。模型能保持输入帧的细节与光照,也适合逐帧生成后串联成风格一致的长场景。
xAI 发布 Grok 4 与 Grok 4 Heavy,用 20 万 GPU 集群 Colossus 把强化学习训练扩展到预训练规模,训练算力效率提升 6 倍。
推荐理由:原文给出强化学习规模化的训练细节与多项基准成绩,可了解 Grok 4 的推理与工具调用取向。
xAI 宣布把 Grok 做成 Microsoft PowerPoint 插件,可在演示文稿旁使用 Grok 研究、撰写和优化幻灯片。用户把大纲交给 Grok 即可生成完整幻灯片,内容可来自网页或 X 搜索,并包含图表和图片;也可用一条指令添加单页幻灯片、套用样式主题或调整章节结构,Grok 会反问澄清问题。
推荐理由:Grok 以免费 Microsoft 365 插件形式进入 PowerPoint,读者可了解它能如何从大纲生成整套幻灯片。
xAI 的 Grok Build 现在可以运行工作流:用自然语言描述一个大任务,Grok 会自行规划,在后台把任务分发给大量并行智能体执行,完成后回报结果,期间会话保持空闲。
推荐理由:原文给出智能体预算与保存复用机制,读者可据此判断大规模并行任务在工程流程中的可行性。
xAI 将 Imagine Image 2.0 作为 grok.com/imagine 以及 iOS、Android 应用的新 Quality Mode 正式开放,并在 API 中以 grok-imagine-image-2.0 提供。
推荐理由:官方给出图像生成与编辑榜单排名及局部编辑、多参考图等能力,读者可判断它能否接入现有设计流程。
xAI 在 grok.com 及 iOS、Android 版 Grok 应用中上线 Automations,用户描述一次任务并设定运行时间后,Grok 会自行执行。
推荐理由:原文说明了定时与邮件触发两类运行方式及各自开放范围,读者可据此判断能接入哪些日常流程。
xAI 宣布开始向 X 平台所有用户免费推送新版 Grok-2,该版本速度提升三倍,在准确率、指令遵循和多语言能力上有所改进,Premium 与 Premium+ 用户仍享有更高使用额度。
推荐理由:官方给出新版 Grok-2 的速度、能力改进与 API 定价,可对照此前 Grok-2 的开放范围与使用成本。
xAI 发布旗舰语音模型 grok-voice-think-fast-1.0,主打复杂多轮语音工作流、低响应延迟与高并发工具调用,可在客服、电话销售和企业场景中部署。
推荐理由:在发布新语音模型的同时给出 τ-voice Bench 排名和 Starlink 客服销售的实际部署数字,便于对照同类语音智能体。
SpaceX 宣布已收购 xAI,该消息由 xAI 官方新闻页发布。原文仅一行,未披露交易金额、时间表或整合细节。
推荐理由:xAI 官方渠道确认被 SpaceX 收购,可作为这一整合事件的官方口径来源。
xAI 发布免费插件 Grok for Google Workspace,一次从 Google Workspace Marketplace 安装即可覆盖 Sheets、Slides 和 Docs,同时还提供 Microsoft 365 的 Word、Excel、PowerPoint 和 Outlook 版本。
推荐理由:原文列出 Grok 在 Sheets、Slides、Docs 中各自能做的事与免费安装入口,可据此判断它对文档办公流程的影响。
xAI 为 Imagine Video 1.5 加入图像与语音参考、纯文本生成视频和原生 1080p,其中图像与语音参考即日起在美国面向 SuperGrok Heavy 和 SuperGrok Plus 开放,并在接下来几天覆盖全部档位。
推荐理由:xAI 为 Imagine Video 1.5 补上图像与语音参考,最多七张参考图可分别锁定人脸、产品或场景。
xAI 的 Grok 现已接入开源智能体工程平台 Kilo Code,X Premium+ 或 SuperGrok 订阅用户无需单独的 API key 即可在 VS Code、JetBrains IDE 和终端中调用最新 Grok 模型,包括面向智能体编程的 Grok Build。Kilo Code 支持规划、编码、调试与编排等专用模式,以及浏览器自动化和 MCP 扩展,并兼容 500+ 模型。
xAI 发布 Grok Imagine API,将视频生成与视频编辑能力打包为一套统一 API。Grok Imagine 支持从图像或文本生成视频,并提供添加、删除、替换物体、场景切换、物体控制、重绘和草图动画等编辑功能。
xAI 为 Grok Voice 发布 21 个新旗舰音色,加入原有 5 个,全部支持多语言,现已上线 realtime Voice Agent API、Text to Speech API 和新的 Grok Voice Agent Builder。
xAI 宣布 Grok 订阅可直接在 Nous Research 的开源智能体 Hermes Agent 中使用,所有订阅档位均可接入。接入后可用 Grok 4.3 进行文本对话与高级推理、Grok Text-to-Speech 生成语音回复、Grok Imagine 生成图像和视频。设置时选择 xAI Grok OAuth(SuperGrok 订阅)并通过浏览器登录即可开始使用。
Grok 模型现已在 Databricks 的开发者智能体平台 Agent Bricks 上原生可用,Databricks 在 2026 Data + AI Summit 上宣布与 SpaceXAI 合作,将 Grok 与其他前沿及开源模型放在同一受治理平台中。
xAI 宣布推出面向美国政府的 AI 产品套件 xAI For Government,联邦、州、地方及国家安全客户可使用 Grok 系列产品,包括其称目前最先进的 Grok 4,以及 Deep Search、Tool Use 等工具。
推荐理由:xAI 把 Grok 系列打包提供给美国政府客户,并披露与美国国防部的 2 亿美元合同上限。
xAI 为 Grok 推出 Connectors,在 Web、iOS 和 Android 上线,可把常用应用直接接入 Grok 完成端到端操作。
推荐理由:原文列出首批接入的办公与开发工具,读者可据此判断 Grok 能覆盖哪些现有工作流。
xAI 宣布 Grok 4.5 已在 grok.com、X 以及 iOS 和 Android 版 Grok 应用上线,称其为目前能力最强的模型。该版本在日常使用中能跟踪更长的对话并给出更清晰的回答,在困难问题上推理更高效。
推荐理由:Grok 4.5 在 Grok 全端上线并接入 Microsoft 365 插件,读者可据此了解该模型在各设备上的可用范围。
xAI 宣布 Grok 与 X Premium 订阅可直接在终端开发环境 Warp 中使用,已有订阅即可访问 Grok 模型,包括驱动 Grok Build 的 grok-build-0.1。
xAI 发布新一代语音模型 Grok Voice Think Fast 2.0,称其在语音推理、转录准确率和对话能力上较 1.0 有明显提升。该模型在 Artificial Analysis 语音到语音质量指数上为 82.9%,首字延迟 0.70s,转录准确率相对 Deepgram Nova 3 与 ElevenLabs Scribe v2 提升 1.5–2.0 倍。
推荐理由:相比 1.0 与 GPT-Realtime-2.1,原文给出了语音质量、推理效率与首字延迟的对比数据,可供语音智能体选型参考。
xAI 发布 Grok Build 插件市场,插件把 skills、slash commands、agents、hooks、MCP servers 和 LSP 打包成可安装单元,可在终端内浏览、安装和更新。
推荐理由:插件把 skills、命令、agent 与 MCP server 打包成可安装单元,读者可据此判断 Grok Build 的扩展方式。
xAI 宣布 Grok 4.3 在 Amazon Bedrock 正式可用,支持 100 万 token 上下文窗口和可配置推理强度(none/low/medium/high)。
xAI 宣布与沙特主权基金旗下 HUMAIN 达成框架协议,双方将在沙特设计、建设并运营低成本超大规模 GPU 数据中心,并在沙特全国范围内部署 Grok。Grok 还将接入 HUMAIN 的智能体平台 HUMAIN ONE,为政府、企业和社会提供实时智能、自主工作流与 AI 辅助工具。xAI 称这是首个将 Grok 部署到整个国家的合作。
推荐理由:xAI 与 HUMAIN 的合作给出了国家级部署和算力建设的具体形态,可观察 AI 基础设施落地路径。