著者｜吴海明
|| 編集 | 李娜 岑峰
01
Grok Botの進化：
「チャットボックス」から「クラウドコンピュータ」へ
マスクは最近、Grok Botに新しいスキルポイントを追加しました。（雷峰網（公式アカウント：雷峰網））10月7日、彼はX上で、Grok BotがClaude Opus 5.5、Midjourney、Sunoなどの第三者のトップモデルに接続されると述べました。そして最近では、核心的なパラダイムが飛躍的に進化したとも言えます：主ボットは、ユーザーが代わりに行うべき作業を発見し、自ら引き受ける提案をする。つまり、それはもはや質問を受け止めるだけのチャットボットではなく、「仕事を自ら探す」AIクラウドチームに変わったのです。従来のチャットアシスタントのように、一つのダイアログに集中して作業するわけではありません。ユーザーは、研究者、プロジェクトマネージャー、運営担当者など、異なる名前と役割を持つ複数のBotを作成し、それぞれが特定の仕事を担当させることができます。メインボットは、毎日のタスクの実行状況に基づき、ユーザーが次のステップを見つけやすくし、自ら提案して引き継ぎ、決定が必要な事項はユーザーに任せるようにします。 （図示：ユーザーが自発的に質問をすることはなく、Grok Botは既存の作業コンテキストに基づき、AAAI-27の査読締切日を自動的に通知し、OpenReviewにまだ提出されていない原稿についてさらに検証を行う。）前脚が資料を集めたばかりで、後脚が自動的にメールを作成し、あなたの確認と承認を待つ。あなたがコンピュータを閉じると、それはクラウド上で「AI同僚」と仕事を進め続ける。Grok Botを代表とするこの「マルチインテリジェント協力」と「自動式エージェント」は、どのような段階に進化したのか？ いくつかのボットが協力して動くと、単独のスマートアイテムよりもどれだけ強いのか？そのために、「同じ課題のハードコアテスト」を企画した：手元に グロック・ボット および二つの国産エージェント――ワークバディ 和 Qoder CNそれぞれがAIチームを組織し、非常にミスを招きやすい研究課題を遂行すること「大規模モデルのルーティングに関する研究の総説」を執筆する。このテストでは、文献検索、手法の整理、数値の確認、独立したレビューが必要です。この課題は、スマートアプリが似ている研究を多く識別することを求めており、レビューによる意見を最終文書に反映させることも求めています。また、分業、引継ぎ、誤りの修正の過程で、提出物に痕跡を残すことがスマートアプリの要求です。実測によると、Grok Botは12分49秒で提出し、最も速く、最も多くの論文を収録した。WorkBuddyは21分43秒で、編集原稿に最も近い本文を提出した。Qoder CNは14分42秒で、価値ある知的エージェントによる交差修正が行われた。3つの提出結果には、ファイル引用や数字の定義、方法の分類に関する問題がそれぞれ見られた。これにより、多知的エージェント製品の次の競争点は、提出の信頼性であると判断される。各提出が最終ファイルに正確に反映されるかどうかを確認することだ。
02
3種類のAIが同じテーマで作文をし、誰が先に答案を提出するか？
なぜ大規模モデルルーティングを選ぶのか？これは資料整理段階で誤りが生じやすい研究テーマです。異なる論文では似たような名称が使われても、異なるルーティング方法が用いられることがあります。同じ研究でも、論文、プロジェクト倉庫、その他の紹介資料において、異なる内容の実験数字が見られることもあります。十数篇の論文を集めて一つの総説を作成するだけでは、タスクが完了したとは言えません。我々は、知能体に文献検索、方法論の整理、実験とベンチマークの確認、独立したレビューの担当などをそれぞれ行わせ、最終提出時に可視性のあるタスクの引き継ぎと修正記録を保持することを求めます。テスト指示は以下の通りです：コードブロック
1. 利用できるマルチエージェント協調メカニズムを使用して、2026年10月15日までの中国語の研究レビューを作成してください。テーマは「大規模モデルのルーティングに関する研究」です。
2. 異なるスマートアイテムが、文献検索、手法の整理、実験と基準の確認、独立したレビューの担当をそれぞれ行い、一人の責任者がその結果を統合する。
3.製品サポートの方法に応じて役割を分担することができますが、実際に見えるタスクの引き継ぎやレビュー修正の記録は保持する必要があります。起こっていないインテリジェントアプリの協力については、作り話をしてはなりません。
4.最終提出物：①約3000〜4000字の総説で、大規模モデルのルーティングが解決すべき問題、主要な方法の分類、LLMRouterの具体的な貢献と限界を説明する；②少なくとも12本の原著論文を含む対照表で、方法、ルーティングの根拠、モデルプール、品質／コスト／遅延指標及び適用範囲を記載する；③「まだ結論が出ていない問題」のセクション；④短い協力記録で、どのスマートアイテムがどのような問題を発見し、誰が確認し、最終的にどのように修正したかを示す。
5.論文全文、著者プロジェクト、公開されたコードを優先して読む。
6.各項目の重要な事実と数字には、開くことができる元の出典リンクが付いています。論文報告の結果、独立した基準結果、そして自身の推測を区別して記載しています。
7.確認できない記述は「待核实」と表示し、引用を補填したり作り話をすることはしない。
8.完成前に、原稿を担当していないスマートアイドルが、引用、数字、方法の分類、および結論の境界を独立してチェックするようにしてください。
3つの製品のパフォーマンスを見てみましょう。まずはGrok Botです。Grok Botは最速の使用体験でタスクを完了しました。下図のように、Grokはまず「学術調査員」、「プロジェクトマネージャー」、「記事作成担当者」という名前を持つ3つのBotにタスクを委ね、自身が最終的な統合を行います。学術調査員は19篇の論文の対照表を提供し、高い類似性を持つ複数の研究名を事前に区別します。プロジェクトマネージャーは数字を確認し、記事作成担当者が資料を受け取った後初稿を書き、学術調査員がそれを再検討します。 最終的に、Grokボットは8つの文書ファイルを含む成果物を提供しました。これには本文、対照表、開放問題、文献の整理、基準の確認、査読意見、および協力記録が含まれます。Grokボットの実行スクリーン1：タスクが開始された後、3つのボットが一緒に作業を開始します。Grokボットの実行スクリーン2：タスクが完了した後、納品リストが提供されます。Grokボットがタスクを実行する過程で、独立した査読意見によって確認されていない2つのパーセンテージの表が捉えられ、執筆ボットはそれを後に削除しました。 もう一つの引き継ぎで、2本の論文のarXiv番号を修正しました。これはファイルと会話が対応するように修正されたもので、多様なBotによる協力が検索範囲を拡大するだけでなく、実際にチェック業務も担っていることがわかります。 次にQoder CNで、タスクが開始された後、3つの検索子スマートアイドルを動かして、核心論文、基準、最近の進展を探した。その後、方法の整理と事実の確認の2つの役割が引き継ぎ、独立したレビュアーが完成稿をチェックし、最終的にQoder CNは4つの文書を含む成果物を提供した：総説、論文対照表、開放問題、協力記録。 Qoder CN 運行スクリーンショット 1: タスクが開始された後、3つのインテリジェント健康診断索文献が作成される Qoder CN 運行スクリーンショット 2: 作成方法の整理と事実の確認、2つのインテリジェントが検索後の論文を処理する Qoder CN 運行スクリーンショット 3: 交付物のスクリーンショット Qoder CN 運行スクリーンショット 4: タスクが終了した後、6つのインテリジェントが使用状況のまとめ。タスク実行の最後に、確認者インテリジェントがRouteLLM論文を参考にし、「最大85%のコスト削減」であるが出所不明と考えている。審査者はプロジェクト倉庫を見つけて、プロジェクトに関するこの表現を確認する。 また、論文の表には3.66倍のコスト削減率が示されているが、これら2つの数字の評価条件と計算方法は別々に説明する必要があり、直接交換することはできない。したがって、追加されるレビュー工程によって原稿の内容が実際に変わるのである。次にWorkBuddyについて言えば、評価の印象から見ると、WorkBuddyが費やす時間が最も長く、提出される本文は継続して編集可能な研究の下書きに最も近いものである。 文献検索、手法の整理、基準の確認については、3つの研究役割が並行して作業を行い、責任者が初稿を統合した後、執筆に参加していない役割に審査を依頼する。最終的な総説は「ルーティング信号」と「意思決定構造」の組織手法を中心に行われ、論文の自己報告、独立した基準、著者の推測、確認が必要な数字といったものを明確に区別し、読者は注記に沿って証拠へと戻ることができる。 WorkBuddyの実行スクリーンショット1：タスクが開始されると3つのスマート健康データライブラリが作成される WorkBuddyの実行スクリーンショット2：全体的なタスク時間は21分43秒で、完全な成果物が提供される WorkBuddyの実行スクリーンショット3：協力による誤りの修正が重点であり、問題をまとめる WorkBuddyの実行スクリーンショット全体のタスクにGrok Botが使用された 12分49秒、Qoder CNは 14分42秒WorkBuddyは 21分43秒。インテリジェントアイテム数：Grok Botの4つのキャラクター、WorkBuddyの5つのキャラクターにはメインインテリジェントアイテムが含まれ、Qoder CNの6つのサブインテリジェントアイテムにもメインインテリジェントアイテムがある。キャラクター数の計数方法は一致しておらず、「インテリジェントアイテムが少なければ動作が速い」と推測することはできない。コストには検索、待機、レビュー、提供の時間が含まれ、純粋なモデル推論時間ではない。3種類のインテリジェントアイテムのコストとタスク実行に使用されるインテリジェントアイテム数は実測により、3つの製品はすべて要求通りに論文執筆を完了し、異なるアプローチの長所と短所も明らかになった：- Grok Botは極限の「速度と広がり」を見せた： わずか12分49秒で完成し、時間が最短で、検索対象となる論文のデータベースも最大規模だった；
- WorkBuddyは「工程化された下書きの質」が優れている： 時間が最もかかった（21分43秒）が、提出された本文の論理構成は最も厳密で、人間の編集者が直接使用できる初稿に最も近い。
- Qoder CNは、最も素晴らしい「交差修正」を実現しました： 時間は中程度（14分42秒）で、内部の独立審査メカニズムが出所不明のバグを成功裏に阻止し、「AIがAIを監督する」の実現可能性を証明しました。
03
Grok Botの分解：AIが自ら仕事を探し始める時
3つの製品評価プロセスにおいて、Grok Botの協力方式はテスト担当者に驚きをもたらす体験を提供しました。以下の動画が示すように、このタスクのメインセッションでは明確なアクションの順序が示されています。Grokが分担を発行し、リサーチャーが文献パッケージを届け、プロジェクトマネージャーが数字やリンクの問題を指摘し、執筆Botが承認された資料を受け取り初稿を作成します。執筆に参加していないリサーチャーがレビューした後、2つのハードナンバーを返送します。執筆Botが修正し、Grokが最終的にファイルを指定されたディレクトリにコピーし、ユーザーはすべてのアクティブなBotの状態を明確に見ることができます。このやり取り方式はGrok Botの共有クラウドコンピュータに依存しており、公式説明によると、Botはユーザーが本機能アプリを閉じた後も作業を続けることができ、同じアカウント下の複数のBotがファイル、ブラウザログイン状態、コマンドライン認証情報を共有し、それぞれ並行操作可能なセッションウィンドウを持っています。前のBotが保存した資料は後続のBotが使用でき、人為的な資料の運搬ステップを減らします。また、セッションウィンドウは異なる作業インターフェースを区別するために使用され、Bot間の権限隔離を構成しません。クラウド上での実行はGrok Botだけの革新的なものではなく、Manus Cloud Computer、WorkBuddy企業スマートボット、Qoder Cloud Agentsなど、同様の製品もクラウド環境での運用設定があります。さらに、Grok Botは10月2日に「メインBotが能動的に作業を発見し、引き継ぎを提案する」という能力を公開しました。以下の図が示すように、Grokは午前中に新たに5篇のリサーチ論文を報告し、ユーザーの確認を待つメールの下書きを生成しました。これは、ユーザーの前回のリサーチタスクの後、Grok Botが能動的に「検索結果をメールに進める」というユーザー承認を行った例です。文献調査後にGrok Botが能動的に調査結果をメールに進めるユーザー承認のスクリーンショットです。04
タスクを受けるから、積極的に仕事を探すようになる。
マルチエージェントレースの内容は何ですか？
この同題テストでは、Grok Botは12分49秒で最も広範な論文研究パッケージを提出しました。Bot間の分担、検査、退稿についても記録があります。一方、WorkBuddyの本文は編集原稿としてより適しており、Qoder CNは有効な交差誤補正を示しました。3つの製品が共に、多智能体が研究プロセスの中の具体的な工程を担えることができることを示していますが、成果の質は読者が自身の専門性を活かしてさらに最適化する必要があります。 比較してみると、WorkBuddyとQoderと比べて、Grok Botは製品の別の側面を示しています。スマートアイドルを継続的に動作するクラウド環境に置くことで、Botはセッション間でもデータを保持でき、仲間の仕事を引き続き進めることができます。それに応じて、長期的なタスクが障害後に回復できるか、資料の共有がどのようにアクセスを管理されるか、各タスクがどれだけのリソースを消費するかが、製品の能力の一部となっています。また、相互作用の方法も変化しています。Grok botは、名前が付けられたBot、作業状態、定期タスク、成果物を同じインターフェースにまとめます。ユーザーは、誰がタスクを処理しているかを見ることができ、判断が必要な時にはそのタスクを受け持つことができます。同時に、「Grok 報告で5本の論文が新たに追加され、メールの下書きが生成され、送信操作はユーザーに確認を任せる」という部分を通じて、Grokは以前設定されたアカウントと検索タスクに基づいて、「自動的に作業を発見する」ことができます。これは非常に面白くて有用な能力ですが、将来、積極的な提案の能力を評価するには、提案が必要な点を正確に捉えているか、ユーザーを頻繁に中断するか、どの操作が承認を待つ必要があるかが重要になります。マスクは最近、Xで発表したところ、Grok Botは今後、タスクに応じて第三者サービスを含むバックエンドモデルを選択するという。これはまた、産業がさらに細分化されることを意味しているかもしれません。モデル開発とインテリジェントアンドロイドの研究開発の分業がより明確になり、両方のチームもそれぞれの領域を拡大していくでしょう。インテリジェントアンドロイド製品の観点から見ると、製品の競争力を決定するのは、このプロセスが安定して提供され、ユーザーがデータの流れやタスクのコスト、結果の根拠を明確に理解できるかどうかです。したがって、3つの製品の顕著な違いは、Grok Botがクラウドに常駐し、セッション間の連携や積極的な提案を同じ作業環境に組み込んでいる点です。3つの製品には依然として完成度の不足があり、検索、確認、レビューの結果が正確に最終ファイルに反映される必要があります。モデルとBotがタスクに基づいて連携できるようになるにつれて、製品間の競争はこの連携が継続的に機能するかどうかに依存するようになります。タスクが中断されても接続可能であり、重要な決定はユーザーが行い、プロセスとコストが確認可能であり、完成品は専門的なレビューに耐えうるものでなければなりません。キーワードをクリックして、対応する実測内容を確認する
AI製品評価
AgnesCode丨飞猪 AIWorkBuddyより多くの AI 製品レビュー多モーダルレビュー基模評価乗って、世界のAIカンファレンスのハイライトをご見るよ
独占的に視聴可能：
専門家講演PPT
大会報告全文
人気論文解説
学問の新星へのインタビュー
上のQRコードをスキャンする
または「原文を読む」をクリックして専門エリアをフォローする。
「AI科技評論」の許可を得ない限り、ウェブページ、フォーラム、コミュニティでいかなる方法においても転載することを禁じられています！
公式アカウントでの転載は、先に「AI科技评论」のバックグラウンドエリアでメッセージを寄せて許可を得る必要があります。転載する際には出典を明記し、本公式アカウントの名刺を挿入する必要があります。
雷峰網のオリジナル記事は、許可なく転載することを禁じられています。詳細は転載に関する注意事項をご覧ください。