Grok 那边的语音模型 Think Fast 2.0 上线了，主打的是边说边推理、把交互等待压下去。
做交互的应该都懂这个点。语音最劝退的不是答得对不对，是你问完之后那几秒静默——人不知道它在想还是已经挂了，忍不住又说一遍，两边一起乱套。文字聊天有光标闪、有逐字流出来兜着，语音这边什么都没有，只能干等。
把推理和发声重叠起来，本质是拿输出的前半段去盖住计算延迟，这思路在前端也不新鲜，骨架屏、乐观更新都是一个道理。区别在于语音说出口就收不回来，前面几个字押错了方向、后面怎么圆回去，才是真正难的地方。
