馬斯克：Grok今日歸來！

編輯｜Panda、楊文

馬斯克又一次跳過了所有正式流程。沒有官方博客，沒有技術文檔，甚至連宣傳推文都把自家產品的名字給拼錯了。但就在這種極其「馬斯克」的氛圍中，Grok 4.20 Beta 版悄無聲息地正式上線并進行了更新。

正如馬斯克之前說的那樣，Grok 4.20 采用了某種快速學習機制，能夠持續進化。18 號開始公測后能每周通過用戶真實交互持續迭代，不再等下一次大版本更新。

對于當前版本的 Grok 4.20，xAI 給出的官方介紹是「4 Agents」，也就是說，與以往單一的 Grok 模型不同，4.20 版本內置了一個由 4 個智能體組成的團隊，其會在應對復雜查詢時自動選擇啟用。

根據之前內測用戶放出的截圖，這 4 個智能體有著各自專屬的名稱、設定和技能：

• Grok：協調者，具有標志性的機智、誠實的個性；負責綜合最終輸出。
• Harper：研究專家，實時進行事實核查、收集來源、驗證信息。
• Benjamin：邏輯 / 編程 / 數學專家，負責處理嚴謹的推理、驗證和技術深度。
• Lucas：創意達人，挑戰假設，探索替代方案，減少群體思維。

這 4 個智能體會在內部進行討論（用戶通常可以看到實時的思考過程），達成共識，并提供統一、更高質量的響應。

這種方法可以大幅降低幻覺（X 用戶 @NoahKingJr 稱測試報告表明幻覺降低了約 65%），并能提高在工程、預測、戰略和多步推理等難題上的可靠性。

不過需要說明的是，在機器之心最新的測試中，Grok 4.20 卻沒有使用 Lucas、Harper、Benjamin 這三個名字，而是使用了 Agent 1、Agent 2、Agent 3 等代號。

正如前文所言，目前 xAI 尚未發布相關博客和技術報告，也幾乎沒有官方評測數據流出。盡管如此，也已經有一些第三方評測機構放出了一些評測結果。

比如 Arena AI 發布了一份數據，經過 3992 位用戶的評測，Grok 4.20 在評估搜索實時信息、外部知識和可靠引用的能力的 Search Arena 中目前排名第一，超過了 GPT-5.2、Gemini 3.0 Pro 等模型。

而在評估 LLM 在文本的通用性、語言精確性和文化背景方面的能力的 Text Arena 上，Grok 4.20 排名第 4。

下表展示了更多評測數據：

另外，Grok 4.2 在真實股票交易基準 Alpha Arena 中表現也非常亮眼，其中采用 Situational Awareness 策略的 Grok 4.20 更是以顯著的勝率登頂排行榜。

下面展示了更具體的數據：

幾個實測

看看 Grok 4.20 的表現如何

我們也對這個新版 Grok 4.20 進行了一番實測，首先來看看其搜索能力。正好目前關于 Grok 4.20 的消息不多，我們就提出了一個關于其自身的問題：

搜索網絡上關于 Grok 4.20 的一切，將信息匯總成一份報告，涵蓋其技術細節、基準指標等。

可以看到，因為這個任務比較簡單，Grok 4.20 僅啟用了默認的 Grok 智能體，不到一分鐘就完成了任務，給出的報告中也納入了一些前文沒有提到的信息。整體而言，這是一份相當有用的報告，尤其是其得天獨厚的 X 推文檢索能力，更是可以成為輔助我們報道寫作的利器。

再上一個難度更大的任務：編寫一個演示日晷工作原理的動態 SVG。

這一次，Grok 4.20 的多智能體模式被成功喚起，也成功創建了一個效果還算不錯的嵌入了 SVG 的網頁：

還有網友直接讓它用 three.js 制作一個 FPS 游戲，這個原型充分發揮了 Grok 4.2 高速精準的代碼生成、實時工具集成、清晰的邏輯結構的優勢。

它在一口氣給出完整、可直接運行的文件這點上，比 Claude Code 和 Codex 明顯更有優勢 。

「確實又準又快，幾乎不出錯，所以能把腦子里剛冒出來的想法，迅速做成備忘錄級別的原型，真的太爽了！」

接下來我們試了試 Grok 4.20 引以為傲的創作能力，讓其為當前這篇文章建議標題并將其改成適合發小紅書的風格。結果如下，大家可以看看它的小紅書味道正嗎？

最后，按照 Grok 系列一貫的傳統，Grok 4.20 在毒舌懟人方面依然頗具天賦。正如馬斯克分享的這條推文一樣，當用戶問 AI「你為何如此弱智」時，Claude 的回答一板一眼，而 Grok 4.20 直接來了一句「因為我在拉低智商配合你」。

文中視頻鏈接：https://mp.weixin.qq.com/s/VFYbX07o6TNp5c3f9T3JDg