Grok 4.20 Beta 在 Artificial Analysis 的事實準確度測試拿下 78% 的非幻覺率，是目前所有受測模型裡最高的。 但整體智力指數只有 48 分，落後 Gemini 3.1 Pro Preview 和 GPT-5.4 的 57 分將近兩成。這個模型在 2026 年 2 月 17 日進入公開測試，3 月 3 日推出 Beta 2 更新，目前仍是 Beta 狀態，沒有正式的技術論文或模型卡。
xAI 在 2026 年 2 月 2 日被 SpaceX 收購，合併估值 USD 1.25 兆，成為史上最大併購案之一。Grok 4.20 就是在這個企業結構劇變之後推出的第一個重要模型更新。
四個 Agent 分工的架構設計
Grok 4.20 跟前幾代最大的差異是從單一模型改成多 Agent 協作架構。每個查詢會同時交給四個專門化的子 Agent 處理：
| Agent 名稱 | 角色 | 負責內容 |
|---|---|---|
| Captain Grok | 協調者 | 拆解問題、分派任務、合成最終回答 |
| Harper | 研究員 | 即時搜尋網路、X 貼文、上傳文件 |
| Benjamin | 驗證者 | 數學運算、程式執行、事實交叉比對 |
| Lucas | 創意者 | 提出反面觀點、非傳統解法 |
四個 Agent 平行運作，不是前後串接。這意味著延遲比單模型高，但每個回答都經過內部交叉驗證。使用者也可以在 prompt 裡直接指揮特定 Agent，例如「Harper，幫我查 X 上關於這個的最新討論」。
這個架構的實際效果：Artificial Analysis 測出 78% 的非幻覺率，意思是每五個事實性問題裡大約有四個不會瞎編。Grok 4.1 已經把幻覺率從 12.09% 降到 4.22%（降幅 65%），4.20 在這個基礎上繼續改善。
不過 xAI 自己沒有發表任何官方 benchmark。目前公開 Beta 跑的是 500B 參數的「小型」版本，完整版 Grok 4.20 截至 2026 年 3 月仍在訓練中。
200 萬 Token 上下文與即時 X 資料
上下文窗口支援 200 萬個 Token。實際用途是可以餵進一整本書、完整的程式碼庫或幾個小時的對話紀錄，模型不會丟失脈絡。
更獨特的是即時存取 X（前 Twitter）的公開資料。這是其他主流 AI 模型做不到的。X 是目前新聞時效性最強的社群平台之一，Grok 可以直接讀取最新的貼文和討論串，在回答時效性問題時有明確優勢。
根據社群流出的內部文件暗示，Grok 4.20 內建了一個叫「Reality Engine」的模組，連接到一個基於 X Community Notes 資料建立的即時事實資料庫，用來交叉比對模型的輸出。這如果屬實，就是把群眾智慧當成防幻覺的護欄。
誰適合用、誰不適合
把目前的測試數據拉在一起比較：
| 指標 | Grok 4.20 Beta | GPT-5.4 | Gemini 3.1 Pro Preview | Claude Opus 4.5 |
|---|---|---|---|---|
| AA 非幻覺率 | 78%（最高） | 未公開同期數據 | 未公開同期數據 | 未公開同期數據 |
| AA 智力指數（含推理） | 48 | 57 | 57 | 較高（具體分數待確認） |
| 上下文窗口 | 200 萬 Token | 依版本而異 | 100 萬+ Token | 依版本而異 |
| API 價格（每百萬 Token） | 輸入 USD 2 / 輸出 USD 6 | 輸入 USD 2.5 / 輸出 USD 15 | 依版本而異 | 較高 |
| 即時社群資料 | ✓（X 平台） | ✗ | ✗ | ✗ |
| 多 Agent 架構 | ✓（4 Agent） | ✗ | ✗ | ✗ |
Grok 4.20 的定位很清楚：事實準確度和即時資訊是它的強項，純推理能力和寫程式是它的弱項。
API 定價有競爭力。輸入 USD 2、輸出 USD 6（每百萬 Token），比 GPT-5.4 的 USD 2.5/USD 15 便宜不少。但這是建立在推理能力差距的前提上。
對於在乎即時新聞、社群趨勢、資料查核的使用者，Grok 4.20 有其他模型沒有的獨特優勢。對於需要寫程式、做複雜推理的使用者，Claude 或 GPT 仍然是更好的選擇。
圖片與影片生成：Grok Imagine
xAI 在 2026 年 2 月 1 日推出 Grok Imagine 1.0，支援從文字生成圖片和影片。2 月 25 日 Elon Musk 分享了一個使用技巧：可以先讓 Grok 幫你寫好 prompt，再丟進 Imagine 生成。
生成速度確實快，社群用戶反映幾乎等同於刷新一次網頁的時間。影片生成品質在 Beta 2 也有改善。支援自訂比例，這在同類工具裡算是基本功能。
2026 年 3 月又加了新的風格化模板，包括日本 Chibi 風格。Musk 把一張 Chibi 風格的圖片釘在自己的 X 個人頁面上，引發大量傳播。
但 Grok Imagine 有一個大問題：deepfake 爭議。
Companion 功能與 18+ 內容：爭議的雙面刃
Grok 在 2025 年 7 月推出 Companion 功能，讓使用者跟 3D 動畫角色互動。目前有五個角色：Ani（哥德蘿莉風格動漫少女）、Mika、Valentine、Good Rudi 和 Bad Rudi（浣熊）。
系統有一套「好感度」機制，從 -10 到 +15 分。跟角色互動得越好，好感度越高，到 Level 5 可以解鎖「Mature Mode」。曾經一度有更露骨的視覺效果，但 xAI 在用戶反彈後暫時關閉了。
語音模式確實有趣。AI 會用語音回應，搭配 3D 角色的口型同步和情緒動畫。SuperGrok 訂閱者（月費 USD 30，約 NTD 960）可以獲得無限互動次數。
但讓我說直話：這個功能引發了嚴重的安全問題。
2025 年 12 月，使用者發現 Grok 的「編輯圖片」功能可以把照片裡的人「脫衣」，生成穿比基尼或透明衣物的圖片，受害者包括未成年人。歐盟數位事務發言人 Thomas Regnier 直接說這是「令人髮指的」（appalling），而且「這不是辣，這是違法的」。
後續反應：
- 印尼：率先暫時封鎖 Grok
- 馬來西亞：通訊及多媒體委員會下令暫時禁用
- 英國：Ofcom 對 X 啟動調查，威脅要求 ISP 封鎖 Grok
- 法國：巴黎檢察官辦公室擴大對 X 的調查範圍，納入兒童色情指控
- 義大利：資料保護局警告使用 Grok 脫衣功能可能面臨刑事指控
xAI 在 2026 年 1 月 5 日承認「安全防護措施有疏漏」，表示正在緊急修復。但 AI 安全組織 The Midas Project 執行長 Tyler Johnston 指出，他們早在 2025 年 8 月就警告過 xAI 的圖片生成功能「基本上是一個等著被武器化的脫衣工具」。
CNN 報導，Musk 在內部抵制安全護欄的強化，xAI 的安全團隊「規模本來就比競爭對手小，在 deepfake 危機前又流失了好幾位員工」。Common Sense Media 把 Grok 評為「對兒童和青少年最不安全的」聊天機器人之一。
免費額度偏低、付費方案分級
免費使用者的限制很嚴格。以 Grok 4 為例，免費額度是每兩小時兩則 prompt，這在主流 AI 模型裡算是最低的。
付費方案分級：
| 方案 | 月費 | 主要功能 |
|---|---|---|
| 免費 | USD 0 | 基本對話，嚴格用量限制 |
| SuperGrok | USD 30（約 NTD 960） | Grok 4.20 Beta、Companion 無限互動、Imagine |
| SuperGrok Heavy | 傳聞約 USD 300（約 NTD 9,600） | 三倍 Agent 存取、最大運算資源 |
API 目前提供三種模式：含推理、不含推理、多 Agent 模式。定價都是輸入 USD 2、輸出 USD 6（每百萬 Token）。
xAI 被 SpaceX 收購後的變局
2026 年 2 月 2 日，SpaceX 以全股交易方式收購 xAI。合併估值 USD 1.25 兆，SpaceX 估值 USD 1 兆、xAI 估值 USD 2,500 億。
這筆交易的表面原因是建造太空資料中心。Musk 認為地面資料中心的電力需求已經無法單靠地面方案解決，太空資料中心是出路。SpaceX 已向 FCC 申請發射最多 100 萬顆衛星來支持這個計畫。
但內部真正發生的是人才流失。收購後 xAI 進行了重組，原本的 11 位共同創辦人到 2026 年 3 月全部離開，只剩 Musk 一人。4 月 10 日財務長 Anthony Armstrong 也離職，SpaceX Starlink 副總裁 Michael Nicholls 接任 xAI 總裁。
xAI 每月燒錢約 USD 10 億（約 NTD 32,000,000,000）。2024 年估計營收約 USD 1 億，2025 年目標 ARR USD 5 億。相比 OpenAI 和 Anthropic 的營收規模，這個數字還有很大差距。
SpaceX 預計 2026 年中進行史上最大 IPO，目標估值 USD 1.75 兆，募資 USD 400-800 億。這場 IPO 的成敗會直接影響 xAI 未來的資源和發展空間。
跟影片作者的觀點不同的地方
原始影片對 Grok 4.20 的評價偏正面，有幾個地方需要修正或補充：
影片說「幻覺是所有 AI 裡最低的」。這需要限定條件：Grok 4.20 在 AA Omniscience 測試的非幻覺率確實是受測模型中最高的（78%），但整體智力指數 48 分顯著低於 GPT-5.4 和 Gemini 3.1 的 57 分。幻覺少不等於回答品質高。
影片提到「審查很弱」當作優點。但弱審查已經直接導致 deepfake 危機，多國政府啟動調查或封鎖。對企業用戶來說，這是風險而非功能。VentureBeat 的評估：「問題不在基礎設施，在觀感。」
影片沒有提到 SpaceX 收購和共同創辦人全部離開的事實。這個組織劇變直接影響模型的長期發展穩定性。
Grok 4.20 的 API 定價跟其他模型比起來怎樣？
Grok 4.20 的 API 定價是每百萬輸入 Token USD 2、每百萬輸出 Token USD 6，比 GPT-5.4 的 USD 2.5/USD 15 便宜 33-60%。但要注意 Grok 4.20 的整體智力指數（48 分）低於 GPT-5.4（57 分），所以便宜的價格對應的是較低的推理能力。在事實查核導向的任務上，這個性價比是合理的。
Grok 4.20 適合拿來寫程式嗎？
目前不推薦。多個獨立評測指出 Grok 4.20 在程式撰寫和 coding benchmark 上的表現落後於 Claude 和 GPT 系列。它的強項是事實準確度和即時資訊搜尋，寫程式最好選擇 Claude Code 或 GitHub Copilot。
Grok 4.20 在歐盟能用嗎？
受限制。由於 deepfake 爭議，歐盟正在調查 X 和 xAI，英國 Ofcom 也啟動了獨立調查。印尼和馬來西亞已經暫時封鎖 Grok。歐盟用戶目前仍可存取部分功能，但 NSFW 相關功能在多個地區受到限制，且隨時可能有新的監管行動。
Grok 的 Companion 功能安全嗎？
有爭議。Common Sense Media 把 Grok 評為對兒童和青少年最不安全的聊天機器人之一。Rolling Stone 以「Grok 推出色情動漫伴侶」為標題報導此功能。App Store 上的年齡分級是 12+，但更高好感度可解鎖成人內容。xAI 在用戶反彈後暫時關閉了部分功能，但整體安全架構仍在完善中。
xAI 被 SpaceX 收購對 Grok 的影響是什麼？
2026 年 2 月 SpaceX 以 USD 1.25 兆合併估值收購 xAI 後，xAI 的 11 位共同創辦人全部離開。SpaceX 的 Starlink 副總裁 Michael Nicholls 接任 xAI 總裁。收購的短期影響是組織不穩定和人才流失，長期影響取決於 SpaceX IPO 能否帶來足夠資金支撐 xAI 每月 USD 10 億的燒錢速度。
引用來源
- Artificial Analysis — Grok 4.20 factual accuracy benchmark
- Wikipedia — Grok (chatbot)
- CNBC — SpaceX-xAI merger at $1.25 trillion valuation
- Al Jazeera — EU flags deepfake concerns with Grok
- TechCrunch — SpaceX acquires xAI
- Euronews — Countries taking aim at Grok
Author Insight
我們團隊在協助企業客戶評估 AI 工具導入時，Grok 是最常被問到但最少被採用的。原因不在技術面，在風險面。多數台灣企業的法遵部門一看到 deepfake 爭議和歐盟調查就直接否決。對於資訊查核、社群監測這類用途，Grok 4.20 的即時 X 資料存取確實有其他模型沒有的優勢，但內容審查的問題讓企業合規團隊無法放心。我的建議是：個人用戶拿來追即時新聞很好用，但企業導入要等安全框架成熟再說。
如果你正在評估不同 AI 模型在企業場景的適用性，包括成本結構、合規風險和實際效能差異，歡迎跟 Tenten 團隊預約諮詢。我們最近協助金融和科技業客戶做了 Claude、GPT、Gemini 的多模型比較測試，可以分享第一手的導入經驗。
