grok-4.20-multi-agent-beta-0309은 xAI의 다중 에이전트 협업 모델입니다. 단일 요청이 내부적으로 여러 에이전트를 병렬로 실행하며, 모델은 이를 Oppie라는 “협업형 AI 팀 리더”라고 부릅니다. 이후 리드 에이전트가 최종 답변을 종합합니다. 복잡한 리서치와 다각도 비교 분석에 적합합니다. APIYI에서 표준 OpenAI 호환 형식으로 제공됩니다.
과금 프로필 (먼저 읽으십시오)
좋은 소식도 있습니다. 내부 트래픽은 높은 캐시 적중률을 보입니다(측정된 39K prompt tokens 중 26.8K가 할인된 캐시 요율에 적중함). 따라서 실제 비용은 단순한 tokens 수 환산보다 낮게 나옵니다. 그래도 일반 모델보다는 훨씬 높습니다.호출 방법
다른 어떤 모델과도 동일합니다 —model 필드만 다릅니다:
json_schema)도 정상 작동함이 확인되었습니다.
측정된 특성 (2026-07-13)
언제 사용해야 하는가
적합함
여러 관점의 심층 비교 분석, 복잡한 연구 질문, 서로의 결과를 교차 검증하는 여러 사고 흐름이 도움이 되는 개방형 작업 — 병렬 에이전트 탐색은 답변의 완성도를 의미 있게 높입니다.
부적합함
일상적인 Q&A, 번역, 요약, 코드 완성 — 출력 품질은 일반 모델과 비슷하지만 비용은 수십 배로 증가하는 단일 경로 작업입니다. 이러한 작업에는 grok-4.3 / grok-4.5를 사용하십시오.
FAQ
왜 모델이 스스로를 Oppie라고 부르나요?
왜 모델이 스스로를 Oppie라고 부르나요?
이는 모델의 기본 내장 페르소나(멀티 에이전트 팀의 리더 역할)입니다. 전혀 정상입니다. 요청과 응답의
model 필드를 통해 모델 신원을 확인하시면 됩니다.내부 에이전트 수를 제어할 수 있나요?
내부 에이전트 수를 제어할 수 있나요?
아닙니다. 멀티 에이전트 오케스트레이션은 xAI의 서버 내부에서 이루어지며, 제어 매개변수는 노출되지 않습니다.
특별한 max_tokens 설정이 있나요?
특별한 max_tokens 설정이 있나요?
넉넉하게 설정하십시오(예: 8192). 모델의 내부 추론은 token을 많이 소모하며, 예산이 너무 작으면 최종 답변이 쉽게 잘립니다.
관련 문서
Grok 개요
전체 모델 라인업과 가격
채팅 및 추론
일반 모델의 chain-of-thought 및 과금