Skip to main content
grok-4.20-multi-agent-beta-0309 是 xAI 的多智慧體協作模型:一次請求內部會啟動多個 agent 並行工作(模型自稱 Oppie,「協作型 AI 團隊領導者」),由領導 agent 彙總產出最終回答。適合複雜研究、多角度對比分析類任務。API易 已上架,OpenAI 相容格式直接呼叫。

計費特性(務必先讀)

內部 agent 的全部流量都計入你的賬單。這是該模型與普通模型最大的差異:
  • 實測一個約 40 tokens 的普通提問,實際計費 39,263 prompt tokens + 9,997 completion tokens(內部多 agent 的往返流量全部計入)
  • 即使最簡單的一句話請求,也有約 3,900 prompt tokens 起步的固定開銷
  • 單價雖與 grok-4.3 相同($1.25 / $2.50 每 1M tokens),單次請求實際成本可達普通模型的幾十倍
簡單任務請勿使用該模型——普通問答用 grok-4.3grok-4.20-0309-reasoning 即可。
好訊息是內部流量的快取命中率很高(實測 39K prompt tokens 中 26.8K 命中緩存摺扣價),實際成本低於名義 token 數的直接換算,但仍顯著高於普通模型。

呼叫方式

與普通模型完全一致,僅 model 欄位不同:
多智慧體協作是服務端內部行為,無需任何額外引數;流式輸出、結構化輸出(json_schema)實測同樣支援。

實測特徵(2026-07-13)

選型建議

適合的場景

多角度深度對比分析、複雜研究類問題、需要多條思路交叉驗證的開放性任務——多 agent 並行探索能明顯提升答案的全面性。

不適合的場景

日常問答、翻譯、摘要、程式碼補全等單線任務——效果與普通模型接近,成本卻放大幾十倍。這些場景用 grok-4.3 / grok-4.5 即可。
上線前建議先用少量真實任務對比 grok-4.20-0309-reasoning 與 multi-agent 模型的輸出品質差異,再決定是否為品質增量支付成本放大——多數場景下推理變體已經夠用。

常見問題

這是該模型的內建人設(多 agent 團隊的領導者角色),屬正常現象。驗證模型身份以請求與響應的 model 欄位為準。
不能。多智慧體編排是 xAI 服務端內部行為,對外不暴露任何控制引數。
建議放寬(如 8192),該模型內部推理消耗大,配額過小容易截斷最終回答。

相關文件

Grok 概覽

全系模型陣容與定價

對話與推理

普通模型的思維鏈與計費說明