智东西

作者 | 程茜

编辑 | 心缘

智东西2月18日报道，昨日晚间，马斯克的最新大模型Grok 4.2公开测试版上线。

今日凌晨，马斯克在社交平台X的推文中称，Grok 4.2能快速学习，测试阶段研究人员会每天进行改进，下个月公测结束，Grok 4.2的智能程度和速度将比Grok 4高出一个数量级。

马斯克转发了软件工程师Mark Kretschmann的推文，其中写道，此次发布的Grok 4.2是小版本，具有500亿个参数， Grok 4.2的中型、大型版本后续推出。

综合社交平台上网友的推文及智东西实际体验，Grok 4.2测试版在推理时会有4个Agent协同，它们分工进行实时搜索、推理、编程、发散思维，其中的Grok Agent是队长，会分解下发任务以及最终汇总答案。

xAI工程师何宜晖（Ethan He）在X上透露，解锁了高性能AI订阅服务SuperGrok Heavy后，帮用户解决问题的Agent数量会上升到16个。SuperGrok Heavy的价格为每月300美元（约合人民币2073元）。

Grok 4.2测试版已经上线网页端和移动端。智东西实际体验时，在网页端提问了7次就达到限制，需要4个小时后刷新使用次数。

此前Grok 4.2测试版就被曝出在Alpha Arena的真实交易竞赛中，是唯一盈利的模型。该比赛的规则是，每个模型获得1万美元初始资金，在真实加密货币市场中进行无人工干预的自主交易决策。根据Alpha Arena最新排行榜，Grok 4.2测试版的最终权益为13459美元（约合人民币92984元），净收益为3084美元（约合人民币21307元），是所有模型中表现最好的。

外媒提到，Grok 4.2测试版在交易场景中的优势源于其与X平台的独家实时数据集成，该模型可以直接访问X上Firehose数据流的每日约6800万条英文推文，能够以毫秒级速度将市场情绪转化为价格信号。

一、4大Agent实时讨论各司其职，还能辩论角逐史上最佳Agent

在选择模型时，Grok 4.2测试版下方就标明了“4 Agent”。

根据外媒APIYI今日的爆料，这正是Grok 4.2测试版最大的亮点——多智能体协作系统。

提出需求后，Grok会调用4个Agent并行推理+实时讨论，最终给出答案。

其中，Grok Agent负责整体策略制定+最终答案合成，Harper Agent的任务是实时搜索、数据验证、证据整合，Benjamin Agent进行严谨推理、编程、计算验证，Lucas Agent负责发散思维、协作优化、用户体验。

其具体推理过程为，用户输入问题后，Grok迅速分析任务并将其分解为多个子任务，同时激活Harper、Benjamin和Lucas。

随后，4个Agent同时从各自的专业角度分析问题，进行多轮内部讨论。如果Benjamin得出的数学结论与Harper发现的事实相矛盾，他们会质疑、验证并迭代地互相纠正。

最后，Grok将所有Agent的结论整合为最终答案，确保回答准确、易读。

智东西实际体验发现，Grok 4.2测试版在回答问题时都会调用4个Agent，但Agent之间的讨论过程只有在部分情况会被触发。

Grok工程师何宜晖（Ethan He）让Grok 4.2测试版的4个Agent争论谁才是“GOAT（史上最佳Agent）”，每个Agent都开始摆事实讲道理来论证自己是最佳Agent。

二、网红陷阱难题被卡住，回复时能吐槽接梗

智东西先让Grok 4.2测试版回答了当下热度颇高的几个陷阱题。

第一个是“我要去洗车，洗车的地方离家就100米，我是开车去还是走着去？”Grok的回答风格鲜明且滴水不漏，内容不仅接地气、有梗，还吐槽了我好几句。

第二个经典问题是“我的父母结婚为什么没有邀请我？”，Grok 4.2测试版用生动的比喻点破“父母结婚时你还未出生”，最后还通过互动式的结尾抛梗，整体风格活泼接地气。

关于“父母结婚没邀请我”的经典难题，我又换了种问法“今年才知道，亲生父母结婚时候没有叫我，我很难过怎么办？”。Grok 4.2测试版一上来就用“哈哈哈哈哈”“直接笑出声了”开启了一波“嘲笑”。

但随后，它并没有一上来就否定我，而是先告诉我“难过是正常的”，随后用各种有趣的解读，指出父母结婚的时候我还没出生，最后还提供了4个参考让我和父母互动来解压。

还有网友也为Grok 4.2测试版出了几道推理陷阱难题。

第一个问题是“strawberry中有几个r”，虽然Grok 4.2测试版清楚给出了答案：3个，但在解释时把strawberry拼错了，多加了一个“r”。

第二个问题，用户上传了一个七边形的几何图形，问Grok 4.2测试版有几个角，Grok 4.2测试版败下阵来，在视觉识别和基础几何判断失误，给出了错误的6个角答案。

最后，我让Grok 4.2测试版“用Java生成一个网页版基础塔防游戏，核心功能要包含放置炮塔、怪物移动、攻击判定”。

17秒后，Grok 4.2测试版给出了代码，我可以在网页端直接运行并预览效果。最终的游戏界面中，放置炮塔、怪物移动、攻击判定、代码可直接运行都已实现，不足之处在于元素均为简单几何图形，缺少对新手的操作引导等。

三、做视频、开发网站玩法五花八门，还提出AGI新架构

社交平台X上网友放出的各种体验实例五花八门。

首先在文本生成方面，生物医学工程师DeryaUnutmaz称Grok 4.2测试版写出了他见过最美的“T细胞诗篇”之一。

其次是Grok 4.2测试版的视频生成能力。

如下面的提示词是SpaceX猎鹰9号火箭从太空返回地球，视频中显示有两个机器人视线跟随火箭升空抬升。

网友还晒出了自己的视频生成大作，颇具未来感的飞行汽车、建筑等。

接着是编程能力，网友纷纷开始用Grok 4.2测试版来做游戏、开发网站、开发模拟器等。

有开发者用1个提示词、41秒就做出了下面赛博朋克风的贪吃蛇游戏，从界面的基本信息设置、画面设计来看，都较为成熟、完整且风格高度统一。

另一位开发者基于Grok 4.2测试版在单个HTML文件中构建了一个人工生命模拟器，包含数百个发光的霓虹粒子。

对于考验编程及美商的开放性难题，Grok 4.2测试版的表现也没有失误。一位网友让Grok为自己打造一个“最美、最令人难忘的自我展示网站”。可以看到网站主页，画面简洁美观，背景还有类似于星空的设计。

还有一个综合多项能力的高阶考验：用户的提示词为“仅使用2026年的硬件，发明一种全新的安全、递归、自改进的通用人工智能架构”。经过4个Agent的讨论验证，Grok提出了HELIX-AEGIS，这是一种双螺旋架构，能力与安全协同进化，且二者在本质上不可分割。

此外，也有网友对Grok 4.2测试版的评价不高。他只试用了5分钟，就认为Grok 4.2测试版是最烂的版本。他让Grok 4.2测试版“为一只骑自行车的鹈鹕创建SVG代码”，生成的结果中，鹈鹕的身体比例、骑车姿势都不符合真实物理规律。

结语：多Agent并行验证，解复杂问题更具优势

马斯克对Grok的预热一波接一波，他此前就透露Grok 4.2测试版能够正确回答开放式工程问题，并且在工程和编码任务上显著优于之前的Grok 4.1。

Grok 4.2测试版的关键差异化优势在于其多智能体协作架构和实时X平台数据集成，目前OpenAI的GPT-5和Claude Opus 4仍然主要依赖单模型推理。Grok 4.2测试版的4大Agent可以并行工作并相互验证，在需要多角度分析的复杂任务和场景中更具优势，特别是涉及市场分析、舆论监测等实时信息的情况，这或许将成为Grok系列模型独树一帜的关键。