Grok 4.20上线：4个智能体组团，每周自动进化

马斯克再一次越过了全部正式流程, 没有官方博客与之对应, 没有技术文档可供查阅, 就连宣传推文竟还将自家产品的名字错误拼读, 然而就在这般十足具备「马斯克」特质的浓烈氛围里, Grok 4.20 Beta版静悄悄地开展了正式上线以及更新操作。

18号开始公测后能每周通过一些采用了源自马斯克之前所说的某种快速学习机制使得能够持续进化的Grok 4.20的用户真实交互持续迭代, 不再像以往那样一定要去等下一次大版本更新, 情况就是如此。

针对现行版的 Grok 4.20, xAI 所给出的官方阐释是「4 Agents」, 这意味着, 和以往单纯的 Grok 模型不一样, 4.20这一版本设置有一个由 4 个智能体构成的团队, 在面对复杂查询之际它会自行挑选启用。

依据之前内测用户所放出的截图而言, 这4个智能体存在着各自专门所属的名称, 有着各自专门所属的设定, 并且有着各自专门所属的技能:

这4个智能体会于内部展开讨论, 用户一般能够看到实时的思考进程, 它们形成共识, 进而给出统一的、质量更为高的响应。

这种能大幅降低幻觉的方法, 其中幻觉降低这方面, 据 X 用户 @NoahKingJr 称测试报告显示约降低了 65%, 并且它还能够提高在工程难题上的可靠性, 能提高在预测难题上的可靠性, 能提高在战略难题上的可靠性, 能提高在多步推理难题上的可靠性。

然而, 需要予以说明的是, 于机器之心最近开展的测试当中, Grok 4.20 并未采用 Lucas、Harper、Benjamin 这三个名字, 反而运用了 Agent 1、Agent 2、Agent 3 等代号。

正犹如之前所说的那样, 当下xAI还没释出有关于博客以及技术报告之类这一方面, 并且差不多不曾拥有官方评测数据向外流出。尽管这样的情况存在, 并已经有一些算得上第三方的评测机构公布出了一些评测结果。

类似这样, Arena AI公布了一组数据, 经由3992位使用者参与评测, 在用于评估搜索实时资讯、外部知识以及可靠引用能力得名‘Search Arena’里, 当下Grok 4.20位处首位, 其领先一众如GPT - 5.2、Gemini 3.0 Pro等这般的模型。

在 Text Arena 平台上, 该平台用于评估 LLM 在文本包含的通用性、语言具备的精确性以及文化背景所涉及的方面的能力, 于此平台上, Grok 4.20 位列第 4 名。

下表展示了更多评测数据：

再者, Grok 4.2于真实股票交易基准Alpha Arena里的表现极为突出, 而采用Situational Awareness策略的Grok 4.20更是凭借显著的胜率在排行榜上位居榜首。

下面展示了更具体的数据：

几个实测

看看 Grok 4.20 的表现如何

我们同样针对这个新颖的新版 Grok 4.20 展开了一回实际的测试, 一开头先瞧瞧它的搜寻技能。恰好当下有关 Grok 4.20 的讯息并不太多, 于是我们便抛出了一个针对它本身的询问:

搜索网络之上有关 Grok 4.20 的尽数内容, 着手把信息予以汇总, 从而形成一份报告, 这份报告要包含其技术方面的细节, 还有基准测度指标等等情况。

看得出来, 鉴于此项任务相对简易, Grok 4.20 仅将默认的 Grok 智能体予以启用, 在不到一分钟的时长内便达成了任务, 给出的报告里还纳入了某些前文未曾提及的信息。总体来讲, 这是一份颇具实用价值的报告, 特别是其独有的 X 推文检索能力, 更能够成为助力我们报道写作的有效工具。

再来一个任务, 这个任务的难度要比之前的更大, 还有, 要编写一个呈现日晷运行原理的动态 SVG。

这一回, Grok 4.20 的具备多个智能体的模式被顺利唤起, 并且成功打造了一个嵌入了 SVG 的网页, 这个网页的效果还算可以:

尚有网友径直使其运用 three.js 打造一款 FPS 游戏, 此原型将 Grok 4.2 的高速精准的代码生成优势、实时工具集成优势以及清晰的逻辑结构优势, 进行了充分发挥。

它在给出完整的文件这点上更具优势，该文件是可直接运行的, 这一点, 相比Claude Code和Codex而言, 表现得尤为明显。

的确是既准确又快速, 差不多不大出现错误, 那样就能够把刚在脑子里闪现出来的念头, 快速制造成如同备忘录层级种类的原型, 事实上极为畅快！

跟着来, 我们去试试, 拥有引以为傲创作能力的 Grok 4.20, 使之替当下这篇文章给出标题建议, 并且把它转变为契合投放于小红书风格的标题。最后的结果呈现在下面, 诸位能够瞧瞧它的小红书风格韵味是否正宗呢?

最终, 依照Grok系列向来的传统, Grok 4.20在语言犀利地反驳他人方面依旧很有才能。就如同马斯克所分享的这条推文类似, 当用户向人工智能询问“你为何这般愚蠢”时, Claude的回应规规矩矩, 而Grok 4.20直接讲出了一句“因为我在降低智力来配合你”。

文中视频链接：https://mp.weixin.qq.com/s/VFYbX07o6TNp5c3f9T3JDg

标签： Grok4.20 智能体 每周进化 评测数据 第三方评测