2 月 17 日，xAI 把 Grok 4.20 推進公開測試。這個版本最值得注意的不是單項跑分，而是架構：模型內建四個具名代理人——Grok（船長）、Harper（研究）、Benjamin（邏輯）與 Lucas（創意）——在推理階段即時辯論、互相查核，達成共識後才輸出答案。eWeek 的報導直接把它形容成「一支辯論隊」。
對開發者來說，這是第一個把多代理協作做進模型本體、而非外掛框架的前線模型。如果早期數字站得住，推理期的多代理辯論可能從實驗技巧變成產品預設值。
不是一個模型，是四個代理人
根據 NextBigFuture 的拆解，四個代理人各有明確分工：Grok 負責拆解任務、分配子任務、裁決衝突並撰寫最終綜合；Harper 負責研究與查證，用即時搜尋加上 X 資料流（每天約 6,800 萬則英文貼文）做 grounding；Benjamin 負責數學、程式碼與邏輯的壓力測試；Lucas 負責發散思考、標記盲點與打磨輸出。
關鍵在於這套機制是原生的：它存在於推理過程內部，而不是像 AutoGen 或 Swarm 那樣在模型外側拼裝的框架。OpenRouter 的模型頁也以「業界領先的速度與 agentic tool calling」描述這個 beta 版本。
辯論迴圈怎麼跑
流程分四步。第一步，Grok 拆解任務並派工。第二步，四個代理人平行分析，而非序列處理。第三步，進入多輪內部辯論：Harper 校事實、Benjamin 驗邏輯、Lucas 標記偏見，反覆迭代到共識。第四步，Grok 綜合出單一輸出，代理人的推理軌跡可選擇攤開給使用者看。
簡單查詢不會召集完整議會，只有複雜任務才觸發辯論——這是控制平均成本的手段。
帳面數字：參數、成本、算力
NextBigFuture 引述的數字：約 3 兆參數的 MoE 基底，四個代理人是同一模型的特化副本；宣稱「有效智能」提升 2 至 4 倍；邊際算力成本是單次推理的 1.5 至 2.5 倍（天真做法是 4 倍）；強化學習為代理協作帶來約 6 倍效率增益。訓練與推理依托 Colossus 叢集超過 20 萬顆 GPU，四個副本共享權重與 KV cache。
取用方式：消費端透過 SuperGrok（每月約 30 美元）或 X Premium+；API 在 beta 階段尚未完全開放，預期定價高於 Grok 4.1 Fast 的每百萬 token 輸入 0.20、輸出 0.50 美元，Batch API 與快取可再壓低成本。
幻覺下降 65% 與實盤交易測試
eWeek 報導兩個早期結果：內部測試幻覺率下降約 65%，以及在實盤交易測試中勝過對手模型。兩個數字都出自 xAI 自家測試，仍待獨立驗證，但方向與機制一致：查證型代理人握有即時資料流，邏輯型代理人的職責包含說「不」，辯論本身就是一層幻覺過濾器。
從 Grok 4 Heavy 到原生多代理
這條路線其來有自。2025 年 7 月的 Grok 4 Heavy 已嘗試多實例協作，但沒有具名分工與顯式辯論迴圈。Grok 4.20 把它產品化：每個代理人有身分、有職責、有可觀察的互動軌跡。
對照組是 OpenAI 與 Google：兩家的量產堆疊仍以單模型推理、搭配內部搜尋放大為主，多代理停留在框架與研究階段。xAI 等於把一個架構賭注直接推上生產線——推理期協作比單純放大單一模型更划算。這也是 2026 年開局以來 agentic 工程主軸的一部分（延伸閱讀：2026 年 AI 開局展望）。
開發者該注意什麼
三件事。第一，代理人軌跡視覺化會變成除錯介面的標配：當答案由四個代理人協商產生，「為什麼這樣回答」需要新的觀測工具。第二，成本模型改變：1.5 至 2.5 倍的邊際成本，在 agent 工作流裡用一點算力換正確性通常是划算的交易——一個錯誤步驟的連鎖代價遠高於此。第三，單模型 benchmark 已不足以反映辯論後的可靠性，評測對象要從模型換成系統。
參考來源
- xAI’s Grok 4.20 Turns AI Into a Debate Team — eWeek
- How the xAI Grok 4.20 Agents Work — NextBigFuture
- Grok 4.20 Multi-Agent — OpenRouter
本文由 AI 協助自上述來源整理，經人工審核後發布。