Im Februar dieses Jahres brachte xAI Grok 4.20 auf den Markt – nicht Grok 5, sondern etwas strukturell völlig anderes: Vier Agenten mit unterschiedlichen Rollen laufen im selben Modell, hinterfragen und debattieren miteinander und liefern schließlich eine gemeinsame Antwort.
Die Idee klingt etwas esoterisch, doch dahinter steckt ein konkretes technisches Design.
Vier Rollen, ein Gehirn
Zunächst zur Struktur: Grok 4.20 besteht nicht aus vier unabhängigen Modellen, sondern aus einer großen MoE-Basis mit rund 3 Billionen Parametern, die pro Inferenz etwa 500 Milliarden Parameter aktiviert. Die vier Agenten laufen über leichte LoRA-ähnliche Adapter auf dieser Basis – im Wesentlichen vier „Persönlichkeiten" desselben Modells.
Die vier Rollen sind:
- Grok (Teamleiter): Aufgabenzerlegung, Gesamtstrategie, finale Zusammenfassung
- Harper (Forscher): Echtzeitsuche und Faktenprüfung, starke Anbindung an den X-Informationsstrom
- Benjamin (Logikexperte): Schrittweise Schlussfolgerungen, mathematische Berechnungen, Codeerstellung und -validierung
- Lucas (Gegenspieler): Spezialisiert auf das Finden von Schwachstellen – erkennt Verzerrungen, hinterfragt Schlussfolgerungen, verhindert Übermut
Bei ausreichend komplexen Problemen durchlaufen die vier Agenten einen Prozess: Aufgabenzerlegung → parallele Analyse (gemeinsamer KV-Cache) → mehrere Debattenrunden → finale Synthese.
Die Debatte ist keine Show; Lucas existiert, um Bestätigungsfehler zu durchbrechen, die Grok und Benjamin entwickeln könnten.
Die Halluzinationsrate – eine beeindruckende Zahl
Die Halluzinationsrate sank von 12 % bei Grok 4.1 auf 4,2 % – ein Rückgang um 65 %.
4 % ist unter den aktuellen großen Modellen recht niedrig; die Spitzenmodelle von OpenAI und Anthropic liegen bei etwa 5–8 %.
Weitere Daten:
| Metrik | Grok 4.20 |
|---|---|
| IFBench (Befolgung von Anweisungen) | 83 %, Platz 1 |
| Inferenzgeschwindigkeit | 220,5 Token/Sekunde |
| SWE-bench (Programmierung) | 75 % |
| Intelligence Index | Platz 8, Punktzahl 48 |
| Kontextfenster | 2 Millionen Token |
Bei der Programmierung liegt 75 % hinter Claude Opus 4.6 mit 80,8 %. Im Gesamtranking Platz 8, GPT-5.4 erreicht 57 Punkte – eine deutliche Lücke. Grok 4.20 ist also nicht die „intelligenteste" Nummer eins, aber wettbewerbsfähig in puncto „zuverlässigste Aussagen".
Warum eine gemeinsame Basis besser ist als mehrere Modelle
Multi-Agenten-Frameworks wurden nicht von Grok 4.20 erfunden – LangGraph und AutoGen gibt es schon lange. Doch xAIs Ansatz hat einen entscheidenden Unterschied: Statt mehrere unabhängige Modelle zusammenarbeiten zu lassen, laufen mehrere Rollen auf derselben Basis.
Vorteile:
- Gemeinsamer KV-Cache, deutlich geringere Latenz
- Keine Übertragung großer Kontextmengen zwischen Modellen, weniger Informationsverlust
- Alle Agenten haben dasselbe grundlegende Verständnis derselben Eingabe
Mit anderen Worten: Bisheriges „Multi-Agent" war wie mehrere Personen, die gemeinsam ein Problem lösen; Grok 4.20 ist wie eine Person, die vier Denkweisen gleichzeitig im Kopf hat.
Infrastruktur
Das System läuft auf xAIs Colossus-Supercomputer in Memphis: über 300.000 GPUs, 2 Gigawatt Leistung, 194 PB/s Speicherbandbreite. Das Kontextfenster von 2 Millionen Token kann eine große Codebasis plus jahrelange Dokumentation aufnehmen.
Ein Detail: xAI hat noch nicht veröffentlicht, ob die Anzahl der Debattenrunden fest oder adaptiv ist – dieser technische Teil bleibt eine Blackbox.
Preise und Zugang
- API: Eingabe $2/M Token, Ausgabe $6/M Token
- Normale Nutzer: SuperGrok-Abo (ca. $30/Monat) oder X Premium+
Der Preis liegt über Claude Opus 4.6 und etwas unter GPT-5.4.
Diese Richtung ist erforschenswert
Der starke Rückgang der Halluzinationsrate zeigt, dass der Mechanismus der „Selbsthinterfragung" von KI technisch wirksam ist. Dies könnte eine lohnendere Investitionsrichtung sein als das bloße Aufstocken von Parametern.
Allerdings bleiben einige Fragen offen: Wie wird die Anzahl der Debattenrunden gesteuert? Führt Lucas' Kritik zu übermäßiger Vorsicht? xAI hat diese Details nicht veröffentlicht.
Architektonisch ist bekannt, dass dies das erste kommerzielle Produkt ist, das eine Vier-Agenten-Debatte auf einer einheitlichen Basis mit gemeinsamem KV-Cache realisiert – wenn sich dieser Ansatz als wirksam erweist, ist es nur eine Frage der Zeit, bis andere große Anbieter nachziehen.
Quellenangabe: Inside Grok 4.20: How Four Agents on One Backbone Beat Separate Models (Medium, Engineer at Heart); CocoLoop, Grok 4.20 Beta Launch: 4-Agent AI System Launches (adwaitx.com); HOW THE XAI GROK 4.20 AGENTS WORK (NextBigFuture.com); Master the 5 Core Capabilities of Grok 4.20 (Apiyi.com)