10月7日，马斯克在X上表示Grok Bot将接入Claude Opus 5.5、Midjourney和Suno等第三方模型。此后该产品完成了一次核心范式调整：主Bot会识别可替用户承担的工作并主动提议接手，从被动应答的聊天机器人转向主动分配任务的“云端AI团队”。用户可创建多个具有不同名称与职责的Bot，分别承担研究员、项目经理、运营专员等角色，主Bot根据每日任务执行情况提示下一步工作，将需要决策的事项留给用户确认。
为验证多智能体协作的实际水平，一场同题测试将Grok Bot与两款国产Agent产品WorkBuddy、Qoder CN置于同一任务下：撰写一份截至2026年10月15日的中文《大模型路由研究综述》。该任务要求智能体完成文献检索、方法梳理、实验与基准核查、独立审稿，并保留可见的任务交接与修订记录。选题的原因在于该领域存在大量名称相近但方法不同的研究，同一项研究在论文、项目仓库与其他材料中也可能出现口径不一致的实验数字，对核查环节构成较高要求。
测试结果显示，Grok Bot用时12分49秒，交稿速度最快，收录论文数量最多，最终产出包含正文、对照表、开放问题、文献梳理、基准核查、审稿意见和协作记录在内的八份文档。执行过程中，独立审稿意见发现两个未经表格确认的百分数，撰稿Bot随后将其删除；另一轮交接纠正了两篇论文的arXiv编号，相关修订可在文件与会话记录中对应。Qoder CN用时14分42秒，启动三个检索子智能体分头寻找核心论文、基准与近期进展，再由方法梳理和事实核查角色接手，最终交付四份文档。其核查者智能体对RouteLLM论文中“最高节省85％成本”的出处提出质疑，审稿者进一步查阅项目仓库确认该表述，同时指出表格中3.66倍成本节省比率与前者评测条件不同，不能直接互换。WorkBuddy用时21分43秒，正文最接近可继续编辑的研究底稿，综述围绕“路由信号”和“决策结构”组织方法，明确区分论文自报、独立基准、作者推断与待核实数字。
三款产品在智能体数量上的统计口径并不一致：Grok Bot为4个角色，WorkBuddy为5个角色，均包含主智能体，Qoder CN则包含6个子智能体及主智能体。测试方指出，角色数量不能用于推断运行速度，耗时涵盖检索、等待、审稿与交付环节，并非纯模型推理时间。三份交付分别在文件引用、数字口径或方法归类方面存在问题。
从测试结果看，多智能体产品的竞争重心正从扩大检索范围转向保障交付一致性。核查结论能否在多次角色交接中保持准确并最终落入交付文件，将成为该类产品下一阶段的核心指标。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
