雷峰网 AIVeröffentlichung der Quelle2026-11-03 11:01 UTC+8

Test des Grok Bot: Verwandelt sich in eine „Cloud-AI-Team“ und stellt sich beiden inländischen Agenten entgegen

Autor | Wu Haiming

Ein Code-Set kann alle Chips durchlaufen.

Autor | Wu Haiming

Bearbeitung | Li Na Cen Feng

Die Evolution von Grok Bot:

Von der „Chat-Box“ zum „Cloud-Computer“

Musk hat kürzlich neue Fähigkeitspunkte für den Grok Bot hinzugefügt. (Leifengwang – Öffentlicher Account: Leifengwang) Am 7. Oktober sagte er auf X, dass der Grok Bot Zugang zu Top-Modellen wie Claude Opus 5.5, Midjourney und Suno erhalten wird; und kürzlich gab es einen tiefgreifenden Wandel in seinem Kernprinzip:Der HauptBot wird Arbeiten entdecken, die für den Benutzer übernommen werden könnten, und bietet aktiv an, diese zu übernehmen.Das bedeutet, dass es nicht mehr nur ein passiv wartender Chatbot ist, der Fragen erhält, sondern zu einem „aktiv arbeitenden“ AI-Cloud-Team wird. Es ist nicht wie traditionelle Chatassistenten, die hauptsächlich um einen Dialograhmen herum arbeiten. Die Nutzer können mehrere Bot mit unterschiedlichen Namen und Aufgaben erstellen, wie Forscher, Projektmanager oder Betriebsmitarbeiter, und sie jeweils für eine bestimmte Arbeit verantworten lassen. Der HauptBot hilft den Nutzern dabei, die nächsten Schritte zu erkennen, basierend auf der Ausführung der täglichen Aufgaben, und schlägt aktiv vor, die Aufgaben zu übernehmen, die noch entschieden werden müssen, während die Nutzer die Gestaltung der Entscheidungen überlassen. (Schemabild: Ohne dass der Benutzer eine Frage stellt, erinnert der Grok Bot AAAI-27 aktiv an den Abgabetermin für die Überprüfung und schlägt vor, weitere Beiträge in OpenReview zu überprüfen, die noch nicht eingereicht wurden.) Kaum hat der Grok Bot die Informationen gesammelt, erstellt er sofort eine E-Mail für dich zur Bestätigung und Genehmigung; du hast den Computer geschlossen, aber er bleibt im Cloud-System und teilt seine Arbeit mit seinen „AI-Kollegen“. In welcher Form hat sich dieses „Mehrteilchen-Kooperation“ und der „aktive Agent“ durch den Grok Bot entwickelt? Wie viel besser ist die Zusammenarbeit mehrerer Bots als die von einem einzelnen Intelligenzsystem? Zu diesem Zweck haben wir eine „Hardcore-Test mit gemeinsamen Aufgabe“ organisiert: Wir haben… Grok Bot Und zwei inländische Agenten –WorkBuddy Und Qoder CNLassen Sie sie jeweils eine AI-Teamgruppe bilden, um eine sehr fehleranfällige Forschungsaufgabe zu erledigen:Verfassen „Eine Übersicht über die Forschung zu Routen für große Modelle“.Dieser Test erfordert die Durchführung einer Literaturrecherche, der Systematisierung der Methoden, die Überprüfung von Zahlen und eine unabhängige Rezension. Die Aufgabe fordert das intelligente System dazu auf, Forschungsarbeiten mit ähnlich hoher Nameähnlichkeit zu unterscheiden, die Rezensionen müssen in den endgültigen Dokumenten verankert werden, und das System muss während der Arbeitsteilung, der Übergabe und der Korrektur Fehler Spuren im Ergebnis hinterlassen.

Nach tatsächlichen Tests hat Grok Bot in 12 Minuten und 49 Sekunden die Arbeit abgeliefert – mit der schnellsten Geschwindigkeit und der meisten Publikationen; WorkBuddy benötigte 21 Minuten und 43 Sekunden, um den am nächsten an den Redaktionsentwurf heranliegenden Text zu liefern; Qoder CN benötigte 14 Minuten und 42 Sekunden, um eine wertvolle interne Korrektur durch mehrere Intelligenzsysteme zu zeigen. Die drei gelieferten Versionen hatten außerdem Probleme bei der Dokumentenreferenzierung, Zahlenangaben oder Methodenkategorisierung. Daraus lässt sich schließen, dass die nächste Konkurrenzfähigkeit von Produkten mit mehreren Intelligenzsystemen die Zuverlässigkeit der Lieferung sein wird: Ob die Überprüfungen jedes Austauschs tatsächlich auf das endgültige Dokument auswirken.

Drei AI-Versionen schreiben gemeinsam – wer beantwortet zuerst die Aufgabe?

Warum die große Modellrouten wählen? Dies ist ein Forschungsthema, bei dem es in der Phase der Materialaufbereitung leicht zu Fehlern kommen kann. Unterschiedliche Artikel verwenden möglicherweise ähnliche Namen, aber unterschiedliche Routing-Methoden; dieselbe Forschungsarbeit kann in Artikeln, Projektarchiven und anderen Informationsquellen auch unterschiedliche experimentelle Zahlen enthalten. Allein die Sammlung von nur einigen zehn Artikeln und das Zusammenstellen eines Überblicks bedeutet noch nicht, dass die Aufgabe erledigt ist. Wir verlangen, dass das intelligente System Aufgaben wie Literatursuche, Methodenkatalogisierung, Experimente und Benchmarkprüfung sowie unabhängige Rezensionen übernimmt, und dass in der endgültigen Übergabe sichtbare Aufgabenwechsel- und Überarbeitungsprotokolle erhalten bleiben. Die Testanweisungen sind wie folgt:

Code-Block

1. Bitte verwenden Sie die verfügbaren Multi-Agent-Kollaborationsmechanismen, um eine chinesische Forschungsübersicht bis zum 15. Oktober 2026 zu erstellen, mit dem Thema „Forschung zu großen Modellen für Routing“.

2. Bitte überträgt jeder verschiedenen Intelligenzagenten die Aufgaben wie Literatursuche, Methodenstrukturierung, Experimente und Benchmarkprüfung sowie unabhängige Rezensionen, wobei ein Verantwortlicher die Ergebnisse zusammenfasst.

3. Man kann die Aufgaben nach dem Artikel der Produktunterstützung aufteilen, aber es muss die tatsächlich sichtbaren Aufgabenwechsel- und Rezensionen-Änderungsaufzeichnungen erhalten bleiben; erfinden Sie keine nicht stattgefundene Kollaboration zwischen KI-Systemen.

4. Endlieferung: ① Eine Übersichtsarbeit von etwa 3000–4000 Wörtern, die erklärt, welche Probleme die Routing-Modelle großer Größe lösen müssen, wie die Hauptmethoden klassifiziert werden, die konkreten Beiträge und Einschränkungen von LLMRouter; ② Eine Vergleichstabelle mit mindestens 12 Originalartikeln, die Methoden, Routing-Begründungen, Modelle, Qualitäts-/Kosten-/Latenz-Indikatoren und Anwendungsgrenzen auflistet; ③ Ein Abschnitt „Probleme, die noch nicht geklärt sind“; ④ Kurze Kooperationsprotokolle, die anzeigen, welcher Intelligenzmodell das Problem entdeckt hat, wer dies überprüft hat und wie das Ergebnis schließlich korrigiert wurde.

5. Lesen Sie das gesamte Paper, das Projekt des Autors und den öffentlichen Code in der vorderen Reihenfolge.

6. Jede wichtige Tatsache und Zahl ist mit einem Link zur ursprünglichen Quelle verlinkt, der geöffnet werden kann; unterscheiden Sie zwischen den Ergebnissen von Veröffentlichungen, den unabhängigen Vergleichsergebnissen und Ihren eigenen Schlussfolgerungen.

7. Aussagen, die nicht überprüfbar sind, werden als „zu überprüfen“ gekennzeichnet. Es dürfen keine Zitate oder Angaben gefüllt oder erfunden werden.

8. Bitte überprüfen die Referenzen, Zahlen, Kategorisierung der Methoden und die Grenzen der Schlussfolgerungen unabhängig vom verantwortlichen Schreiber, bevor sie abgeschlossen werden.

Schauen wir uns die Leistung der drei Produkte an: Zuerst ist es der Grok Bot. Der Grok Bot erledigte die Aufgabe mit dem schnellsten Nutzungserlebnis. Wie in der untenstehenden Abbildung dargestellt, überträgt Grok die Aufgabe zunächst an die drei namensbehafteten Bots „Akademischer Forscher“, „Projektmanager“ und „Artikelautor“, während er selbst für die endgültige Integration verantwortlich ist. Der Akademische Forscher gibt eine Übersicht von 19 Artikeln und unterscheidet im Voraus mehrere ähnliche Forschungsnamen. Der Projektmanager überprüft die Zahlen, der Autorbot erhält die Materialien und schreibt einen Erstentwurf, den anschließend der Akademische Forscher überprüft. Schließlich lieferte der Grok-Bot eine Ergebnisdatei mit acht Dokumenten, die den Textinhalt, das Vergleichsblatt, offene Fragen, Literaturüberblick, Referenzprüfung, Rezensentenerwähnungen und Kooperationsprotokolle umfasst. Screenshot des Grok-Bot-Starts 1: Nach Beginn der Aufgabe werden drei Bots zusammen arbeiten. Screenshot des Grok-Bot-Starts 2: Nach Abschluss der Aufgabe wird eine Lieferliste bereitgestellt. Während die Grok-Bot-Aufgabe ausgeführt wurde, identifizierte die unabhängige Rezensentenerwähnung zwei Prozentanteile, die nicht durch das überprüfte Tabellenblatt bestätigt waren, und der Autor-Bot entfernte sie anschließend. Die nächste Übergabe korrigierte außerdem die arXiv-Nummern von zwei Artikeln. Diese Korrekturen können durch die Abstimmung zwischen den Dokumenten und Gesprächen erzielt werden. Es wird gezeigt, dass die Zusammenarbeit mehrerer Bots nicht nur das Suchspektrum erweitert, sondern auch die Überprüfungsaufgaben übernimmt. Danach ist Qoder CN, nach dem Beginn der Aufgabe, drei Sucheneinheiten aktiviert, um die Kernartikel, Benchmarks und aktuelle Fortschritte zu finden; anschließend übernehmen die Rollen für Methodenklarstellung und Faktenprüfung die Verantwortung, und ein unabhängiger Revisor überprüft das Ergebnis. Schließlich liefert Qoder CN eine Übergabe mit vier Dokumenten: eine Übersicht, eine Vergleichstabelle der Artikel, offene Probleme und einen Kooperationsprotokoll. Qoder CN Ausführungsbild 1: Nach Beginn der Aufgabe werden 3 intelligente Prüfungs-Systeme erstellt Qoder CN Ausführungsbild 2: Überprüfung des Erstellungsverfahrens und Faktenkonsistenz 2 intelligente Systeme verarbeiten die nach der Suche eintreffenden Artikel Qoder CN Ausführungsbild 3: Screenshot der Liefergegenstände Qoder CN Ausführungsbild 4: Nach Abschluss der Aufgabe wird eine Zusammenfassung für 6 intelligente Systeme verwendet Am Ende der Aufgabenerfüllung berücksichtigt das Prüfer-System RouteLLM die Artikel und glaubt, dass „der maximale Kosteneinspar von 85%“ unbekannt ist; der Rezensent sucht weiterhin den Projektlagerraum, um diese Aussage im Projekt zu bestätigen. Außerdem wird in der Tabellen des Artikels ein Kosteneinsparungsgrad von 3,66 angegeben. Die Bewertungsbedingungen und die Berechnungsmethoden für diese beiden Zahlen müssen getrennt voneinander erklärt werden und können nicht direkt gegenseitig ersetzt werden. Daher hat die zusätzliche Rezensionsphase tatsächlich den Inhalt des Manuskripts verändert. Dann kommt WorkBuddy – aus den Bewertungsergebnissen geht hervor, dass WorkBuddy am längsten benötigt wurde und das Textmaterial am ehesten wie ein weiterhin bearbeitbares Forschungsdokument aussieht. In der Literaturrecherche, in der Methodenklarstellung und in der Prüfung der Referenzen wurden drei Forschungsrollen parallel arbeiten lassen. Der Verantwortliche integrierte das erste Entwurf und übergab ihn dann den nicht beteiligten Autoren zur Überprüfung. Das endgültige Zusammenfassung orientierte sich an den Methoden der „Route-Signale“ und der „Entscheidungsstruktur“. Es wurde klare Unterscheidungen zwischen Selbsteinschreibung, unabhängigen Referenzen, Autorenhypothesen und noch zu überprüfenden Zahlen gemacht. Zudem konnte der Leser durch die Anmerkungen zurück zu den Beweisen gelangen. Screenshot von WorkBuddy Ausführung 1: Nach Beginn der Aufgabe wurden 3 intelligente Dokumente für Gesundheitsuntersuchungen erstellt Screenshot von WorkBuddy Ausführung 2: Die gesamte Aufgabe dauerte insgesamt 21 Minuten und 43 Sekunden, es wurde eine vollständige Übergabe erhalten Screenshot von WorkBuddy Ausführung 3: Die Zusammenarbeit und Korrektur sind das Hauptthema Zusammenfassung der Probleme Darüber hinaus dauerte die gesamte Aufgabe für Grok Bot 12 Minuten 49 Sekunden，Qoder CN ist 14 Minuten 42 Sekunden, WorkBuddy ist 21 Minuten 43 SekundenAnzahl der Agenten: Die 4 Rollen von Grok Bot und die 5 Rollen von WorkBuddy enthalten alle ein Hauptagent, die 6 Unteragenten von Qoder CN sowie wiederum einen Hauptagent. Die Zählweise der Anzahl der Rollen ist nicht konsistent, sodass man nicht auf die Annahme kommen kann, dass „je weniger Agenten, desto schneller das Betrieb“. Die Zeitaufwand umfasst Suchverfahren, Wartezeiten, Rezensionen und Lieferungen, und ist nicht nur der Zeitaufwand für Modelllogik. Der Aufwand und die Anzahl der Agenten für die Aufgaben der drei Agenten wurden empirisch gemessen; alle drei Produkte haben die Doktorarbeiten nach den Vorgaben abgeschlossen und zeigten auch die Vor- und Nachteile unterschiedlicher Ansätze.

Grok Bot zeigt maximale „Schnelligkeit und Breite“: Er hat das Manuskript nur 12 Minuten und 49 Sekunden lang fertiggestellt, was die kürzeste Zeit ist, und er umfasst die größte Datenbank von Artikeln.
WorkBuddy übertrifft sich durch die „qualitative Qualität der engineeringbasierten Entwürfe“: Es dauerte am längsten (21 Minuten 43 Sekunden), aber der daraus entstandene Text hat eine extrem klare Logik und ist dem Ausgangsentwurf, den menschliche Redakteure direkt verwenden könnten, am nächsten.
Qoder CN zeigt die spektakulärste „Kreuzkorrektur“: Die Zeitverwendung ist mittelgroß (14 Minuten 42 Sekunden), und das interne unabhängige Rezensionssystem hat erfolgreich Lücken abgewehrt, deren Quelle unklar ist, was die Machbarkeit von „AI unter AI-Überwachung“ beweist.

Analyse von Grok Bot: Wenn die AI anfängt, selbst Arbeit zu finden

Während der drei Produktbewertungsprozesse bot die Zusammenarbeit des Grok Bots den Testpersonen eine überraschende Erfahrung, wie im folgenden Video dargestellt: Die Hauptsitzung dieser Aufgabe gibt eine klare Ablaufreihenfolge an: Grok erteilt die Aufgabenverteilung; der Forschungsassistent bringt die Dokumentenpakete ein, der Projektmanager weist auf Probleme mit Zahlen und Links hin; der Textbotschneider erhält die geprüften Materialien für den ersten Entwurf; der nicht an der Textschreibung beteiligte Forschungsassistent überprüft anschließend zwei harte Zahlen und gibt sie zurück; der Textbotschneider ändert das Manuskript, Grok kopiert das Dokument schließlich in den vorgegebenen Ordner, und der Benutzer kann klar den Betriebszustand aller beteiligten Bots sehen. Diese Übergabemethode basiert auf dem geteilten Cloud-Computer des Grok Bots, laut offiziellen Anleitung können die Bots nach dem Schließen der lokalen Anwendung weiterarbeiten. Mehrere Bots unter derselben Account nutzen gemeinsam Dateien, Browser-Zugangsdaten und Kommandozeilenkennwerte, und jeder hat eine parallel verfügbare Sitzungsfenster. Die von einem vorherigen Bot gespeicherten Daten können vom nächsten Bot weiter genutzt werden, was die manuelle Übertragung von Materialien reduziert. Gleichzeitig dienen die Sitzungsfenster dazu, unterschiedliche Arbeitsinterferenzen zu unterscheiden, ohne eine isolation der Rechte zwischen den Bots zu schaffen. Die Cloud- Ausführung ist keine einzigartige Innovation des Grok Bots; viele ähnliche Produkte sind auch mit einer Cloud-Umgebung ausgestattet, wie beispielsweise Manus Cloud Computer, WorkBuddy Unternehmensintelligenz und Qoder Cloud Agents. Darüber hinaus veröffentlichte der Grok Bot am 2. Oktober auch die Fähigkeit „Hauptbot aktiv erkennt Arbeiten und übernimmt sie“. Wie im Folgenden Video dargestellt, berichtete Grok am Morgen über fünf neue Forschungsartikel und generierte einen E-Mail-Vorlaufentwurf, der vom Benutzer bestätigt werden muss. Dies ist eine Benutzerfreigabe des Grok Bots nach der vorherigen Benutzer-Research-Aufgabe: Der Bot aktiviert die Weitergabe der Suchergebnisse per E-Mail. Ein Screenshot von der Benutzerfreigabe, bei der der Grok Bot nach der Literaturforschung aktiv die Weitergabe der Forschungsergebnisse per E-Mail initiiert, ist zu sehen.

Von der Aufnahme von Aufgaben bis zur aktiven Suche nach Arbeiten

Was sollte man über das Multi-Agenten-Rennen lernen?

In dieser gemeinsamen Prüfung erbrachte der Grok Bot in 12 Minuten und 49 Sekunden das umfassendste Paket mit Forschungsarbeiten, wobei die Arbeitsteilung, Überprüfungen und Ablehnungen zwischen den Bots dokumentiert waren. Zudem eignet sich der Text von WorkBuddy besser als Editierdokument. Qoder CN zeigte eine effektive Kreuzkorrektur. Die drei Produkte zeigen gemeinsam, dass mehrere Intelligenzagenten bereits spezifische Aufgaben im Forschungsprozess übernehmen können, wobei die Qualität der Ergebnisse weiterhin von den Lesern abhängt, die sie in Kombination mit ihrem eigenen Fachwissen noch weiter optimieren müssen. Im Vergleich zu WorkBuddy und Qoder zeigt Grok Bot eine andere Seite des Produktformats: Der KI-Agent wird in ein kontinuierlich laufendes Cloud-Umfeld gebracht, sodass der Bot Materialien zwischen Sessions behalten kann und weiterarbeiten kann, was sein Partner getan hat.entsprechend werden die Fähigkeiten des Produkts darin bestehen, dass langfristige Aufgaben nach einem Ausfall wiederhergestellt werden können, wie der Zugriff auf gemeinsame Inhalte kontrolliert wird und wie viele Ressourcen für jede Aufgabe benötigt werden.Außerdem verändern sich auch die Interaktionsmöglichkeiten. Der Grok-Bot platziert benannte Bots, Arbeitsstatus, Routineaufgaben und Leistungen auf derselben Oberfläche; die Nutzer können sehen, wer die Aufgaben bearbeitet, und übernehmen die Verantwortung, wenn eine Entscheidung erforderlich ist. Gleichzeitig kann Grok durch den Abschnitt „Grok berichtet über fünf neue Artikel, erstellt einen E-Mail-Vorschlag und überlässt die Versandaktion den Nutzern zur Bestätigung“ nach den zuvor eingestellten Accounts und Suchaufgaben „aktiv Arbeitsfelder entdecken“.Es ist eine sehr interessante und nützliche Fähigkeit. In Zukunft wird es jedoch darauf ankommen, ob die Vorschläge den Bedürfnissen entsprechen, ob sie den Benutzer häufig unterbrechen und welche Aktionen auf Erlaubnis warten müssen, um die Leistungsfähigkeit der aktiven Vorschläge zu bewerten.Musk hat kürzlich auf X erklärt, dass das Grok Bot in Zukunft nach den Aufgaben die Backend-Modelle einschließlich Drittservices verwenden wird.Dies könnte auch bedeuten, dass die Industrie weiter unterteilt wird. Die Aufteilung zwischen der Entwicklung von Modellen und der Entwicklung von KI-Produkten wird klarer sein. Beide Arten von Teams werden weiterhin in ihre jeweiligen Bereiche ausweiten. Aus der Sicht der KI-Produkte ist es das Prozesssystem, das die Wettbewerbsfähigkeit des Produkts bestimmt – nämlich ob es stabil geliefert werden kann und ob die Nutzer den Datenfluss, die Kosten der Aufgaben und die Ergebnisse verstehen können.. Daher unterscheiden sich die drei Produkte deutlich darin, dass der Grok Bot bereits im Cloud-Ökosystem verankert ist und aktive Vorschläge sowie Aufnahme von Interaktionen über verschiedene Sitzungen in dieselbe Arbeitsumgebung einbezieht. Dennoch haben alle drei Produkte noch Lücken bei der Erstellung von Texten, was bedeutet, dass die Ergebnisse der Suche, Überprüfung und Rezension noch ins Endprodukt überführt werden müssen. Da Modelle und Bots nach Aufgaben kombiniert werden können, wird der Wettbewerb zwischen den Produkten immer mehr von der Funktionsfähigkeit dieser Verbindung abhängen: Nach einer Aufgabeunterbrechung muss die Kommunikation weitergehen, wichtige Entscheidungen müssen vom Benutzer getroffen werden, der Prozess und die Kosten müssen nachvollziehbar sein und das Endprodukt muss eine professionelle Überprüfung bestehen.

Klicken Sie auf das Schlüsselwort, um den entsprechenden tatsächlichen Inhalt anzusehen

AI-Produktbewertungen

AgnesCode丨FeiZhū AI WorkBuddy Mehr AI-ProduktbewertungenMultimodalbewertungen

vivago R1

Seedance 2.5 vs Kailing 3.0

Minimax H3 vs Seedance 2.0 Fast

Mehr Multimodale Tests

Basismodellbewertung

Qwen3.8-27B丨GLM 5.3

GPT‑6 Astra, Fable 5.1 und Sol

Mehr Basismodell-Tests

Steigen Sie ein, ich zeige Ihnen die Highlights der weltweiten AI-Konferenzen