在这个赛博朋克的春节档，马斯克给我们端上了一盘「硬菜」。

就在几个小时前，xAI 在毫无预警的情况下上线了 Grok 4.20 Beta，旁边还写着醒目的 「4 Agents」。

你以为你在和一个 AI 聊天？

不，你是走进了一间坐着四位专家的会议室。

你甚至能看见他们互相质疑、互相拆台、互相纠错，最后由「队长 Grok」拍板整合成答案。

现在终于轮到 AI 给你表演「开会的艺术」了。

这不，模型刚上线，网友就开启了实测。

比如，最近常见的 50 米洗车测试。

只不过这次网友换成了「50 米洗直升机」。

不管怎样，Grok 4.20 的回答看上去好像不太行。

网友 Testlabor 用 Grok 4.20 在 1 分 20 秒内为编写了一个俄罗斯方块游戏。

「它和原版游戏一样，具有相同的规则和风格，完全可以玩。」Testlabor 表示。

网友 tetsuo 甚至构建了一个人工生命模拟器。

相当炫酷。

马斯克本人也没闲着。

他在 X 上开始了一轮颇具马斯克风格的测评轰炸。

甚至在回答「美国是否建立在被盗窃的土地上」这种送命题时，Grok 4.20 也是唯一一个不含糊其辞、直球开喷的 AI。

他兴奋地发推：Grok 4.20 在分析血检报告方面简直太厉害了！你可以直接上传你的检验报告，甚至是核磁共振片子，然后 Grok 会帮你逐项解读。

这条推文附带了一个真实的测试视频，展示了 Grok 如何把密密麻麻的医学指标翻译成普通人看得懂的语言。

更具体的性能佐证来自一个意想不到的地方。

在正式发布前，Grok 4.20 的早期版本以「神秘模型」的身份参加了 Alpha Arena 的 AI 炒股大赛：32 个 AI 实例，每个配备 1 万美元真金白银，在纳斯达克自主交易两周。

结果？

Grok 4.20 是唯一盈利的，平均回报率超 10%，最猛的单个实例赚了 47%。

它在 Vending Bench 自动售货机运营测试中也击败了 GPT-5，销售额领先整整 1100 美元。

Grok 4.20 这次发布，还有段八卦值得提。

马斯克去年 12 月就放话说 3 到 4 周内发布 Grok 4.20，结果一拖就是数月。

今年 1 月他解释说是极寒天气损坏了孟菲斯数据中心的电力线路。

凑巧的是，今年 2 月 2 日 SpaceX 正式收购了 xAI，合并估值 1.25 万亿美元。

所以 Grok 4.20，不仅是 xAI 新版本的首秀，也是 xAI 并入 SpaceX 帝国后发布的第一个 AI 产品。

某种程度上，它带着宣示意义。

但真正让这次发布不同寻常的，不是背后的资本故事，而是技术本身的一次范式转变：从单模型输出，到多智能体协作。

以往，无论是 GPT 还是 Claude，你问一个问题，背后是一个模型在生成答案。

这个模型或许经过了复杂的训练、微调、强化学习，但从结构上看，它是一个独立的「大脑」在工作。

Grok 4.20 打破了这个范式。

它的背后，是四个有名字、有个性、有分工的智能体同时在线，共同为你的问题「开会讨论」。

四个 AI

一场实时圆桌辩论

打开 Grok 4.20 的界面，随便提一个问题，界面右侧会弹出一个思考结果面板。

你会看到一场正在进行中的讨论——四个 AI 角色各自发言，质疑彼此，直到队长拍板。

他们分别是：

Grok ——队长，最大真理寻求者：这是整个团队的核心指挥。根据 Grok 自己的介绍，它的人格灵感来自《银河系漫游指南》里的「42」（终极答案）和钢铁侠的 JARVIS。它负责统筹全局，把其他三位专家的结论整合成最终答案，确保输出「有用、真实、有趣」。它擅长哲学、科技、人生感悟，也能幽你一默。

Harper ——研究与深度验证专家：Harper 是团队的「事实把关人」。她专注于信息的深度挖掘、实时搜索和多维度逻辑分析。配备了完整的工具箱——网页浏览、X 平台搜索、数据计算、图像分析—— Harper 会在其他成员提出观点时负责核查数据来源，确保结论有依据、有数据支撑。用人话说：她是团队里的「严谨学霸」，专门负责质疑那些听起来有理但未必准确的说法。

Benjamin ——深入分析与逻辑推理专家：Benjamin 是团队里的「逻辑引擎」。他专攻复杂问题的拆解、证据验证和漏洞检查，尤其擅长把模糊的问题变成清晰、可量化的分析。他的「devil's advocate」思维是核心竞争力——他会主动找别人论点的漏洞，补全边缘案例，确保输出经得起推敲。数学计算、代码调试、算法分析，交给 Benjamin。

Lucas ——分析与工具执行专家：Lucas 是团队里负责「落地」的人。他专注于严密推理、代码执行、数据分析和工具协调。他擅长把抽象问题直接转化为可运行的计算和可复现的结论。团队协作时，Lucas 负责「并行验证」和「细节把关」，让答案不只是观点，而是有数据、有模拟、有实证的硬核结果。

四个 AI 不是彼此孤立的，而是真正在开会。

当你提问后，四个智能体同时启动，各自从自己的专业视角分析问题，然后在内部进行讨论——互相质疑，互相纠错，最后由 Grok 整合成一份给你的答案。

在超大上下文窗口之内，这套机制可以在单次对话里完成一套完整的「多人评审」流程。

AI 交互范式的转移

如果说 GPT 代表的是「一问一答」的 AI 助手时代，那么 Grok 4.20 代表的，可能是 AI 交互的第二个纪元——多智能体协作时代。

其实多智能体并不是 Grok 4.20 首创。

xAI 在 2025 年 7 月发布 Grok 4 时就推出了 Grok 4 Heavy 版本，支持多智能体，但彼时要每月 300 美元的 SuperGrok Heavy 订阅，是面向企业用户的高端产品。

谷歌的 Gemini 3 Deep Think 用并行推理链做验证；Anthropic 给 Claude Code 加了 Agent Teams；月之暗面的 Kimi K2.5 有「Agent 集群」，能召唤最多 100 个分身并行处理任务。

多智能体协作，俨然已经成为 2026 年 AI 竞争的核心战场。

但 Grok 4.20 的不同之处在于：它是第一个把多智能体协作塞进普通聊天界面、以近乎免费的形式开放给大众用户的产品。

如果说 Kimi 的 100 个分身更像「工厂流水线」——规模庞大，分工精细，优势在吞吐量；那么 Grok 的四个智能体更像「圆桌会议」——人少，但每个人都有发言权，而且你能看到会议纪要。

一种追求规模和效率，另一种追求透明和共识。

未来已来

AI 的进化，从来不是线性的。

第一代 AI 是工具：给个指令，出个结果，逻辑简单粗暴。

第二代 AI 是助手：能对话，能理解上下文，能帮你写稿子改代码。

而现在，第三代 AI 正在显现它的雏形——能协作、能自省、能互相纠错的 AI 团队。

这意味着未来你向 AI 提一个复杂问题，得到的不再是一个「最优猜测」，而是一份经过内部辩论、多角度验证、错误已被内部纠正的综合结论。

这离人类智识活动——群体智慧，集体决策——更近了一步。

当然，现在的 Grok 4.20 还只是这个未来的早期版本：四个智能体之间意见分歧的裁决机制还很粗糙，中英文混杂的输出还需要打磨，上下文在四个智能体之间如何高效分配也是待解的工程难题。

但方向是对的。

一个 AI 可能会骗你，但四个 AI 至少会互相拆台。

三个臭皮匠，顶个诸葛亮。

而当这四个臭皮匠都是顶尖专家的时候——那答案，或许比任何一个诸葛亮都更接近真相。

这，才是 Grok 4.20 以及未来的 AI 最让人值得期待的地方。