今年二月，xAI 推出了 Grok 4.20，不是 Grok 5，而是一個結構上完全不同的東西：在同一個模型裡跑四個有角色分工的 agent，讓它們互相質疑、辯論，最後合成一個答案。
這個想法聽起來有點玄，但背後有一套具體的工程設計。
四個角色，一個大腦
先說結構：Grok 4.20 不是四個獨立的模型，而是一個約 3 兆參數的 MoE 大底座，每次推理啟動約 5000 億參數。四個 agent 透過 LoRA 風格的輕量適配層在這個底座上運行——本質上是同一個模型的四種「人格」。
四個角色分別是：
- Grok（隊長）：任務拆解、整體策略、最終綜合輸出
- Harper（研究員）：即時搜尋和事實查核，大量接入 X 平台資訊流
- Benjamin（邏輯專家）：逐步推理、數學計算、程式碼生成和驗證
- Lucas（反方）：專門找漏洞——識別偏見、質疑結論、防止過度自信
每次遇到夠複雜的問題，這四個 agent 走一套流程：任務分解 → 並行分析（共享 KV 快取）→ 多輪辯論 → 最終綜合。
辯論不是表演，Lucas 的存在就是為了打斷 Grok 和 Benjamin 可能產生的確認偏誤。
幻覺率這個數字很驚人
幻覺率從 Grok 4.1 的 12% 降到 4.2%，降幅 65%。
4% 在目前的大模型裡算相當低了，OpenAI 和 Anthropic 的旗艦模型大概在 5-8% 區間。
其他數據：
| 指標 | Grok 4.20 |
|---|---|
| IFBench（指令遵循） | 83%，排第一 |
| 推理速度 | 220.5 tokens/秒 |
| SWE-bench（程式設計） | 75% |
| Intelligence Index | 第 8，得分 48 |
| 上下文視窗 | 200 萬 token |
程式設計這塊 75%，比 Claude Opus 4.6 的 80.8% 還差一點。綜合排名第 8，GPT-5.4 是 57 分，差距不小。所以 Grok 4.20 在「最聰明」這個維度上沒能拿第一，但在「說話最可靠」上有競爭力。
為什麼共享底座比多模型協作強
多 agent 框架不是 Grok 4.20 發明的——LangGraph、AutoGen 這些已經做了很久。但 xAI 的做法有個關鍵區別：不是讓多個獨立模型協作，而是在同一個底座上跑多個角色。
好處是：
- 共享 KV 快取，延遲低很多
- 不需要在模型之間傳遞大量上下文，減少資訊損耗
- 所有 agent 對同一個輸入有相同的底層理解
換句話說，以前的「多 agent」是幾個人合作解題，Grok 4.20 是一個人腦子裡有四種思維模式同時運轉。
基礎設施
這套系統跑在 xAI 的 Colossus 超算上，位於曼菲斯：30 萬張以上 GPU，功耗 2 吉瓦，記憶體頻寬 194 PB/s。200 萬 token 的上下文視窗能裝下一個大型程式碼庫加上幾年的文件記錄。
一個細節：xAI 還沒公開辯論輪次是固定的還是自適應的，這部分工程細節還是黑盒。
定價和存取
- API：輸入 $2/M，輸出 $6/M
- 一般使用者：SuperGrok 訂閱（約 $30/月）或 X Premium+
價格比 Claude Opus 4.6 貴，比 GPT-5.4 便宜一些。
這個方向值得研究
幻覺率大幅下降說明讓 AI「自我質疑」這個機制在工程上是有效的。這或許是一個比單純堆參數更值得投入的方向。
但目前還有幾個未解決的問題：辯論輪次的控制邏輯是什麼？Lucas 的質疑是否會導致過度保守？這些 xAI 都沒有公開。
架構上能公開的是，這是目前已知的第一個把四 agent 辯論做到統一底座、共享 KV 快取的商業產品——如果這個思路被驗證有效，後面其他大廠跟進只是時間問題。
參考來源：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）