先說一個我自己差點踩進去的坑：看到 xAI 同時有 grok-4.20 跟 grok-4.3，第一直覺一定是「4.3 比 4.20 新，那就無腦選 4.3」。版本號 4.3 > 4.20 嘛，這還用問？
結果完全搞錯方向。
xAI 的 Grok 家族不是一條「越新越強」的直線，而是一張依用途分岔的路線圖。更尷尬的是，那個看起來版本號比較小的 grok-4.20-multi-agent，反而握著 4.3 完全沒有的兩張王牌。如果你正準備接 xAI 的 API、或在 OpenRouter / Vercel AI Gateway 上挑模型，這篇就是要把這團亂帳算清楚——順便講明白一件最多人誤會的事：Multi-Agent 這個變體，賣的根本不是「更聰明」，而是「更可靠」。
這兩個字差很多，後面慢慢說。
Grok 4.20 Multi-Agent 到底是什麼：一支內建的 AI 委員會
照 xAI 官方文件 的講法，grok-4.20-multi-agent 不是一顆「更大顆」的模型，而是一套即時多代理研究（Realtime Multi-Agent Research）的編排機制。
白話講，你丟一個問題進去，它不是叫「一個 Grok」回答你，而是當場開一場小組會議：
- 派出多個專職子代理同時開工，各自負責研究的不同面向——有的去搜網路、有的搜 X、有的分析資料、有的做綜整；
- 這些代理會互相討論、交叉檢查、甚至辯論；
- 最後由一個 leader agent（領隊代理） 把所有人的意見收攏，產出你看到的那份最終答案。
媒體報導的四代理人設 蠻有畫面：Grok 當協調者、Harper 跑研究、Benjamin 顧邏輯數學、Lucas 專門唱反調。對，有一個代理的職責就是挑其他人的毛病。這套「對抗式辯論」結構不是 xAI 拍腦袋想的，源頭是 2023 年 Du、Li、Torralba、Tenenbaum、Mordatch 那篇論文，當年就證明了多個 LLM 實例彼此提案、跨輪辯論，能顯著壓低幻覺、把推理品質拉上去。
這裡有個很容易誤會的設計：預設只有 leader agent 的輸出會回傳給你。那些子代理的中間推理、工具呼叫、吵架過程，全部加密藏起來，除非你在 xAI SDK 裡把 use_encrypted_content 設成 True，否則看不到。好處是回應乾淨，壞處是你預設看不到它「怎麼吵出這個結論」的。
特色：它不是讓每個代理變聰明，是讓答案變可靠
來到最關鍵、也最多人搞錯的地方。
多代理架構提升的是可靠性、覆蓋面、引用品質，而不是原始智力。這句話一定要刻在腦門上，因為它直接決定你該不該用它。
看數據就懂了。Artificial Analysis 的 Intelligence Index 上，Grok 4.20 base 拿 48 分，排到第 8，落後前段班一截——GPT-5.5、Gemini 3.1 Pro、Claude Opus 等旗艦的智力指數約落在 57 到 60 。編碼也補不上：一篇評測引用 xAI 自報數字 ，Grok 4.20 的 SWE-bench 約 75%（廠商自報，第三方獨立測試更低），對上 Claude Opus 4.6 的 80.8%，還是沒贏。
換句話說，多代理不會把每個子代理變成比 Claude 還強的腦袋——它們本質上還是同一個 backbone 分身出來的。它真正幫你的，是把「一次推理會漏掉的盲點」用一群代理互相補位、互相打臉的方式補起來。它換到的東西很實在：basenor 報導 的小標直接寫「幻覺率砍掉三分之二（Hallucination Rate Cut by Two-Thirds）」，而 Artificial Analysis 的測試中，Grok 4.20 的非幻覺率約 78% （此為 AA 測試指標，非通用定義）。
所以結論很簡單也很反直覺：
如果你的任務是「想得更深」或「寫出更好的 code」，多代理補不上那個智力差距，老實去找 Claude 或 GPT。
如果你的任務是「給我一份查過、吵過、附引用、不要亂講的可靠結論」——這才是它的主場。
另一個實用特色是深度可調。你能直接指定要幾個代理協作，官方就兩檔：
| 設定 | 代理數 | 適合 | 代價 |
|---|---|---|---|
| 快查 | 4 agents | 聚焦、單點的查詢 | token 較省、較快 |
| 徹底 | 16 agents | 多面向、複雜的深度研究 | token 暴增、明顯變慢 |
16 代理基本上就是把那個委員會放大四倍，更多專職實例去翻邊角案例。但官方也直白警告：16 代理「顯著」比 4 代理更耗 token、更慢，別無腦開到底。
用途在哪：適合與不適合，講清楚
光講概念太虛，直接上 code。它原生吃 web_search 跟 x_search，server 端會自動跑「搜尋 → 分析 → 綜整」的研究迴圈，你不用自己串 agent loop：
import os
from xai_sdk import Client
from xai_sdk.chat import user
from xai_sdk.tools import web_search, x_search
client = Client(api_key=os.getenv("XAI_API_KEY"))
chat = client.chat.create(
model="grok-4.20-multi-agent",
agent_count=16, # 4 = 快查，16 = 徹底
tools=[web_search(), x_search()], # 內建工具，server 端自動跑
)
chat.append(user(
"比較前三大 EV 廠的電池技術、續航、充電基建與 2026 銷售預估，"
"用表格呈現，並附上 2025-2026 的來源引用。"
))
for response, chunk in chat.stream():
if chunk.content:
print(chunk.content, end="", flush=True)
注意官方的 prompt 心法：別問太空泛。「跟我說說電動車」這種問法會浪費掉多代理的價值；明確指定「比較哪幾家、哪些維度、要什麼格式、引用哪個年份的來源」，它才會發揮。多代理在「你要求結構化輸出」時表現最好。
那到底什麼時候該掏出它？綜合多家評測（aitoolbriefing 、buildfastwithai 、datastudios ）的共識，它的甜蜜點只有一種——任務夠大、夠難、證據夠多，需要多視角而不是一條單一推理路徑：
- 市場 / 競品研究：多代理分頭查不同來源，再綜整成一份有引用的報告
- 決策分析：那個唱反調代理會幫你壓力測試，揪出單一觀點的盲點
- 科學 / 技術寫作：需要跨領域比較、附證據引用
- 多步驟深度研究：邊搜網邊修正，還支援多輪追問深挖（
previous_response_id）
反過來，這些情況請不要用它，會又貴又慢還不划算：
- 純寫程式、大型重構 → 去找 Grok Code Fast 或 Claude
- 單純「想更深」的難題 → Claude / GPT 的單模型推理更強
- 日常聊天、簡單問答 → 殺雞用牛刀，token 燒到你心痛
講到燒 token，這是最大的雷，要特別拉出來講。官方計費規則 寫得很清楚：leader 跟所有子代理消耗的 token 全部都算錢，每個代理各自呼叫的工具也全部計費。再加上 Multi-Agent 變體的單價本身就比較貴——OpenRouter 上 是 $2 / 1M 輸入、$6 / 1M 輸出，而一般 Grok 路線才 $1.25 / $2.5。所以一次 16 代理的請求，token 帳單是普通單代理的好幾倍，不誇張。沒先想清楚就開 16 代理跑日常任務，月底帳單會讓你懷疑人生。
還有幾個 API 限制也得知道，免得寫到一半才發現踩雷：
- 不支援 OpenAI Chat Completions API——只能用 xAI SDK 或 Responses API
- 不支援 client-side / 自訂 function calling——只能用內建工具（web_search、x_search、code_execution、collections_search）跟遠端 MCP
- 不支援
max_tokens參數
4.20 vs 4.3：不是版本高低，是路線分工
好，回到開頭那個讓我差點選錯的問題。Grok 4.3 跟 Grok 4.20 到底誰才是「正解」？
答案是：看路線，不看版本號。
Grok 4.3 在 2026/04/30 全量上線 （先有約兩週、$300/月的 SuperGrok Heavy beta），定位是新一代旗艦推理模型，主打 agentic 行為跟指令遵循，而且推理「恆開」——每次回應都先走一遍 chain-of-thought，不用你手動切。它在 Intelligence Index 拿 53 分，比 4.20 的 48 高了 4 到 5 分，在 agentic 的 GDPval-AA 上更是大勝 4.20 三百多分 。價格還砍很兇，輸入輸出都壓到 $1.25 / $2.5。
聽起來 4.3 完勝？但魔鬼在細節。YingTu 的選型指南 講得很精準：4.3 確實取代了多數「第一方文字 API」的舊路線，但它沒有抹掉 4.20 的兩個獨門路線——
| 比較項 | Grok 4.20（含 Multi-Agent） | Grok 4.3 |
|---|---|---|
| 定位 | 超長上下文 / 多代理研究 | 新旗艦推理（恆開 CoT） |
| 上下文視窗 | 2,000,000 tokens | 1,000,000 tokens |
| 智力指數 | 48 | 53 |
| Multi-Agent | ✅ 獨有 | ❌ |
| 影片輸入 | ❌ | ✅ native，≤5 分鐘 1080p |
| 檔案輸出 | 有限 | ✅ PDF / PPTX / XLSX |
| 價格（輸入 / 輸出，每 1M） | 一般 $1.25 / $2.5；MA 變體 $2 / $6 | $1.25 / $2.5 |
| 知識截止 | 較早 | 2025/12 |
看到沒？4.20 守住的是 2M 超長上下文 跟 multi-agent 這兩塊，剛好都是 4.3 沒有的。而 4.3 獨佔的則是 native 影片輸入跟 PDF/PPTX/XLSX 檔案輸出。這根本不是誰取代誰，是各守一塊地盤。
那到底怎麼選？一張決策樹收工
把上面那堆濃縮成一句可以直接照做的決策邏輯：
簡單翻成白話：
- 深度研究 / 市場調查 / 多視角決策，而且要引用、要交叉驗證 → Grok 4.20 Multi-Agent
- 日常推理、聊天、多步編碼、agentic 工作流 → Grok 4.3（CP 值最高的新預設）
- 餵超大文件（>1M token） → Grok 4.20 的 2M 路線
- 要分析影片、要直接產出檔案 → 只能 Grok 4.3
- 純編碼大型重構 → Grok Code Fast；想更省 → Grok 4.1 Fast
所以別再用「哪個版本號比較大」來挑 Grok 了——grok-4.20-multi-agent 那個看似落伍的編號底下，是一台「深度研究 + 自我驗證」的專用引擎，它願意在你需要的時候，派一整支委員會幫你把結論吵過、查過、不亂講。下次站在 model 選單前，先別看版本號，問這個任務要的是更聰明還是更可靠，再選——這比較準。
參考資料
- Multi Agent｜xAI 官方文件 — 多代理機制、agent_count、計費與 API 限制
- Grok 4.20 Multi-Agent｜OpenRouter — 定價、2M 上下文、發布日
- Grok 4.3 (high) vs Grok 4.20 0309 v2｜Artificial Analysis — Intelligence Index 對比
- Grok 4.3 Review｜felloAI — 4.3 上線、影片輸入、檔案輸出與降價
- Grok 4.3 vs Grok 4.20 選型指南｜YingTu — 路線式選型觀念
- Grok 4.20 Is Live｜Basenor — 四代理辯論、幻覺率
- Inside Grok 4.20｜engineeratheart (Medium) — 智力與編碼差距分析
- Grok 4.20 Multi-Agent 深析｜DataStudios — 適用情境
- Grok 4.20 Review｜aitoolbriefing — 殺手級用途實測
- Grok 4.3 成為預設選擇｜Cogni Down Under (Medium) — agentic 數據
沒有留言:
張貼留言