Grok Bot 上线那天AI 战场的规则已经变了把员工派给机器还是把机器派给工作8 月 11 日SpaceXAI 发布了 Grok Bot。官方描述很克制产品页面上写的是always-on AI agent service听起来又是一个聊天模型的升级包。真正值得注意的是它的定价团队版每席每月120 美元个人版200 美元附带一台专属的云电脑。这不是一个对话产品的价格标签这是一个岗位的价格标签。同一天TechCrunch 的标题是Grok is now an AI teammate you can assign work。Verge 用了turf war这个词来形容 Anthropic 的同类产品。两篇报道指向同一件事AI 正在从回答问题的工具变成可以派活的同事。而四家巨头——OpenAI 的 ChatGPT Work、Anthropic 的 Claude Cowork、Microsoft 的 Copilot Tasks、SpaceXAI 的 Grok Bot——已经在同一个战场上排开了。这件事之所以值得单独写一篇是因为它触碰到了一个很少有人明说的分歧AI 能力的下一个增长点到底是在回答得更好还是在干得更多。前者还在卷上下文窗口、卷推理速度、卷 benchmark 分数后者已经在重新定义工作这件事本身。Grok Bot 的上线是后者正式落地的信号。一、反方的三张牌每一张都成立先说反方的立场这不是空穴来风。反对者的第一条理由是agent 都是纸老虎。这个批评不算离谱现在的 agent 普遍靠多步工具调用串起来中间任何一环失败整个链条就断了。CSDN 上有篇 Grok 4.3 的实测文章提到约 5% 的并行任务会出现子任务结果丢失。5% 听起来不高放到每天几百次调用的生产环境里就是好几次事故。更麻烦的是可复现性差。同样的 prompt这次跑通了下次可能就不通而你不知道区别在哪里。这意味着你没法给 agent 写测试用例也没法做 A/B 对比——它今天的表现和昨天的表现之间没有确定性的因果关系。反对者的第二条理由更根本agent 的成本说不清。一次复杂任务的 token 消耗是普通对话的 2 到 3 倍而它到底完成了多少工作很难用一个数字衡量。NVIDIA 在 8 月 11 日发布 Nemotron 3.5 Lightning 时专门讲了一件事模型路由。把大模型的请求按难度分流到不同规格的模型上。因为agent 效率最终取决于模型完成有用工作的速度而不是生成 token 的速度。这话其实是承认了当前的 agent 成本模型还很粗糙。反对者的第三条也是最要命的一条安全。Grok Bot 可以登录你已经在用的应用、读你的文件、跨多步执行操作。权限怎么管如果 bot 能直接发邮件、改数据库、提交订单那么它的身份就是你的身份它的漏洞就是你的漏洞。Cloudflare 在 8 月初开源的 AAMAgent Access Model恰恰是为这个问题准备的——把权限从系统级缩小到一次动作级每个工具调用单独授权、单独记录。这说明行业自己也知道agent 的权限模型是最大的空白。二、常驻 agent 的真正壁垒但把这三条反对理由摊开看会发现它们指向的是同一个问题agent 还不够成熟而不是 agent 这个方向错了。关键的分歧点在于常驻这两个字。此前的 agent 是任务态的——你开一个会话它跑完就没了下次再从头来过。Grok Bot 做的事情是把 agent 变成常驻的它有自己独立的云电脑可以登录你的工具可以记住你的工作习惯你不用在场它也在干活干完了才回来找你。SpaceXAI 的原话是bots can learn and save your existing workflows and retain context about how you perform tasks。这跟每次重新告诉它该干什么是两种完全不同的产品思路。前者是秘书后者是实习生——前者记住你怎么做事后者每次都要重新教。这个转变为什么重要因为真实工作本来就是长跑不是问答。一个市场调研要查十几个数据源、交叉验证、整理成表格、再写分析——这个过程里的大部分动作不需要人在中间决策需要的只是有人把活派出去然后等结果。此前的 AI 要么让你自己拆成几十次对话要么让你写一堆 prompt 来描述流程。Grok Bot 的做法是你像给同事发消息一样说一句帮我把 Q2 的 SaaS 融资情况整理出来剩下的它自己跑。这里有一个容易被忽略的技术细节。常驻 agent 要跑得稳靠的不是更强的模型而是三样基础设施持久化的身份、可撤销的权限、可回放的执行日志。身份解决这个 bot 是谁权限解决它能动什么日志解决它干过什么、干错了怎么回滚。这三样东西补齐之前agent 永远只能是玩具不能是员工。Grok Bot 之所以敢按岗位来定价正是因为它在产品里把这三样当成标配来做了专属云电脑就是身份应用登录需要审批就是权限断点恢复和事件流就是日志。三、四家同台谁的牌更硬再看数据。Grok Bot 的定价本身就是一个信号团队 120 美元/席/月个人 200 美元/月。对比一下人力成本这个价格已经低于任何一个全职员工的月成本。再对比一下现有的 AI 产品ChatGPT Pro 是 20 美元/月Claude Max 是 200 美元/月但只提供对话能力。Grok Bot 贵但它卖的不是对话是一台会干活的云电脑。VentureBeat 的标题直接把定价和persistent digital coworkers绑在一起说明市场在按数字员工这个单位来理解它。这个认知转变很关键——当一个产品的价格标签是每个岗位每月它就不再是一个软件许可而是一个人力外包合同。竞争格局的数据更有说服力。四家厂商的 agent 产品在 8 月这个时间窗口同时推进OpenAI 的 ChatGPT Work 定位为longer, multi-step work and finished deliverablesCodex 专注软件开发Anthropic 的 Claude Cowork 面向白领办公。Microsoft 的 Copilot Tasks 在整合自家的 Copilot 应用做super appSpaceXAI 的 Grok Bot 则打出了teammate这张牌。四家撞在同一个时间点不是巧合——是底层能力工具调用、多步推理、上下文管理刚刚成熟到可以支撑常驻 agent这个形态的临界点。既然是四家同台就把各自的牌摊开比一遍。OpenAI 的优势在生态ChatGPT 的用户基数、Codex 的开发者口碑、Work 环境对长任务的承载三者加起来是目前最完整的 agent 栈。Anthropic 的优势在安全叙事Claude 的开发者社区对负责任 AI有认同感Cowork 直接把权限控制当卖点这是差异化打法。Microsoft 的优势在企业渠道Copilot 已经嵌进了 Office 和 WindowsTasks 想做的是一个能干所有事的超级应用渠道壁垒最高。SpaceXAI 的优势在激进Grok Bot 直接把 agent 拟人化为同事用独立云电脑这个概念把复杂性封装起来定价也最接近一个岗位的心理账户。四家的差异本质上是在回答同一个问题的不同答案agent 应该像什么OpenAI 说像 IDEAnthropic 说像秘书Microsoft 说像 Office 助手SpaceXAI 说像同事。目前来看像同事这个说法在传播上最强——因为它绕过了所有技术名词直接回到了工作关系的常识。四、模型路由agent 经济学的前提那它适合谁先说结论如果你的工作是重复的多步骤信息处理Grok Bot 类的产品值得现在就试。如果你的工作是一次性的创造性决策它现在的表现还不足以替代你。具体到场景Grok Bot 官方演示里提到的四个用例很有说服力销售外推、市场运营、办公自动化、bug 修复。这些任务的共同特征是——有明确的起点和终点中间的步骤可以标准化而且不需要人类在每一步做审美判断。另一个信号是它支持多 bot 并行一个 bot 带着自己的专长bot 之间可以直接互相发消息协调。这已经不是一个助手而是一个团队的雏形。这里插一段供参考的代码。下面是一个极简的模型路由函数灵感来自 NVIDIA NeMo Switchyard 的思路把不同难度的任务分给不同规格的模型而不是所有请求都扔给最大的那个。理解这个逻辑就能理解为什么agent 效率这件事跟模型能力本身关系不大更多是调度问题。def route_task(prompt: str) - list[str]: 根据任务类型选择模型返回候选模型列表。 灵感来自 NVIDIA NeMo Switchyard 的路由思路。 lower prompt.lower() code_keywords [bug, 错误, 异常, 代码, 审查, 排查, 重构, 性能] creative_keywords [文案, 写作, 创意, 博客, 故事, 市场营销] multimodal_keywords [图片, 图表, 图像, 视频] selected [] if any(kw in lower for kw in code_keywords): selected.append(fast-model) # 代码/排查 → 低延迟模型 if any(kw in lower for kw in creative_keywords): selected.append(quality-model) # 文案 → 高质量模型 if any(kw in lower for kw in multimodal_keywords): selected.append(vision-model) # 多模态 → 视觉模型 # 无命中时默认双保险速度 质量 if not selected: selected [fast-model, quality-model] return selected # 并行调用总耗时 ≈ 最慢的那个而不是三者之和 # asyncio.gather(*[call_model(m, prompt) for m in route_task(prompt)])上面这段代码揭示了一件反直觉的事在 agent 系统里模型选型的收益远大于模型升级。一个 30B 的专用执行模型加上一个 70B 的推理模型组合其任务完成效率可能高于单一的 400B 大模型——因为大多数请求不需要最贵的那档而延迟和成本恰恰是被那些本来可以用小模型处理的请求撑起来的。NVIDIA 的 Nemotron 3.5 Lightning 就是一个 30B 的 MoE 模型激活参数只有 3B官方定位就是执行层专门吃高并发、低延迟的 agent 调用。在 PinchBench 上它完成 1 万项任务的速度比同精度的 Qwen3.6 35B 快 30%。模型分层是 agent 经济学的前提。五、它适合谁还不适合谁但必须把话说清楚Grok Bot 现在是 beta而且只对 SuperGrok Heavy、Cursor Ultra 和 Cursor Teams Premium 订阅用户开放企业用户还得排队。它没有公开 benchmark因为 agent 任务的评估本身就很难量化。这意味着你现在还不能把它当生产力工具来依赖只能当探路来用。更现实的问题是中文生态。Grok Bot 目前的入口在国内并不方便这恰好是留给国内模型厂商的窗口期。豆包、Kimi、通义千问都具备做常驻 agent的技术基础缺的只是产品化决心。如果哪家率先把常驻 可派活 权限可控这三件事做扎实它可能不只是做一个 AI 产品而是重新定义AI 和工作到底是什么关系。最后说一个容易被忽略的点。Grok Bot 的真正威胁不是抢了谁的对话市场而是它让AI 能不能干活这个问题的评判标准变了。以前我们评估模型看的是回答质量、推理能力、代码正确率现在评估 agent 看的是任务完成率、失败重试的成本、权限管理的完备度。这是两套完全不同的记分卡而率先按第二套记分卡来设计产品的公司会获得先发优势。对做技术内容的人来说这个变化也意味着选题逻辑得跟着改。以前写Grok 4.3 用了什么架构能火因为大家都在卷能力现在要写agent 怎么管权限模型路由怎么设计才切中痛点因为行业已经进入了工程期。读者关心的不再是模型能不能而是它靠不靠谱、出错了怎么办、成本怎么算——这些恰好是技术写作最擅长拆解的问题。Grok Bot 上线才几天现在评价它为时过早。但四家巨头同时挤进同一个赛道这件事本身已经足够说明一个问题AI 的下半场比的不再是谁更能聊而是谁更能干。 Grok Bot 上线那天AI 战场的规则已经变了把员工派给机器还是把机器派给工作8 月 11 日SpaceXAI 发布了 Grok Bot。官方描述很克制产品页面上写的是always-on AI agent service听起来又是一个聊天模型的升级包。真正值得注意的是它的定价团队版每席每月120 美元个人版200 美元附带一台专属的云电脑。这不是一个对话产品的价格标签这是一个岗位的价格标签。同一天TechCrunch 的标题是Grok is now an AI teammate you can assign work。Verge 用了turf war这个词来形容 Anthropic 的同类产品。两篇报道指向同一件事AI 正在从回答问题的工具变成可以派活的同事。而四家巨头——OpenAI 的 ChatGPT Work、Anthropic 的 Claude Cowork、Microsoft 的 Copilot Tasks、SpaceXAI 的 Grok Bot——已经在同一个战场上排开了。这件事之所以值得单独写一篇是因为它触碰到了一个很少有人明说的分歧AI 能力的下一个增长点到底是在回答得更好还是在干得更多。前者还在卷上下文窗口、卷推理速度、卷 benchmark 分数后者已经在重新定义工作这件事本身。Grok Bot 的上线是后者正式落地的信号。一、反方的三张牌每一张都成立先说反方的立场这不是空穴来风。反对者的第一条理由是agent 都是纸老虎。这个批评不算离谱现在的 agent 普遍靠多步工具调用串起来中间任何一环失败整个链条就断了。CSDN 上有篇 Grok 4.3 的实测文章提到约 5% 的并行任务会出现子任务结果丢失。5% 听起来不高放到每天几百次调用的生产环境里就是好几次事故。更麻烦的是可复现性差。同样的 prompt这次跑通了下次可能就不通而你不知道区别在哪里。这意味着你没法给 agent 写测试用例也没法做 A/B 对比——它今天的表现和昨天的表现之间没有确定性的因果关系。反对者的第二条理由更根本agent 的成本说不清。一次复杂任务的 token 消耗是普通对话的 2 到 3 倍而它到底完成了多少工作很难用一个数字衡量。NVIDIA 在 8 月 11 日发布 Nemotron 3.5 Lightning 时专门讲了一件事模型路由。把大模型的请求按难度分流到不同规格的模型上。因为agent 效率最终取决于模型完成有用工作的速度而不是生成 token 的速度。这话其实是承认了当前的 agent 成本模型还很粗糙。反对者的第三条也是最要命的一条安全。Grok Bot 可以登录你已经在用的应用、读你的文件、跨多步执行操作。权限怎么管如果 bot 能直接发邮件、改数据库、提交订单那么它的身份就是你的身份它的漏洞就是你的漏洞。Cloudflare 在 8 月初开源的 AAMAgent Access Model恰恰是为这个问题准备的——把权限从系统级缩小到一次动作级每个工具调用单独授权、单独记录。这说明行业自己也知道agent 的权限模型是最大的空白。二、常驻 agent 的真正壁垒但把这三条反对理由摊开看会发现它们指向的是同一个问题agent 还不够成熟而不是 agent 这个方向错了。关键的分歧点在于常驻这两个字。此前的 agent 是任务态的——你开一个会话它跑完就没了下次再从头来过。Grok Bot 做的事情是把 agent 变成常驻的它有自己独立的云电脑可以登录你的工具可以记住你的工作习惯你不用在场它也在干活干完了才回来找你。SpaceXAI 的原话是bots can learn and save your existing workflows and retain context about how you perform tasks。这跟每次重新告诉它该干什么是两种完全不同的产品思路。前者是秘书后者是实习生——前者记住你怎么做事后者每次都要重新教。这个转变为什么重要因为真实工作本来就是长跑不是问答。一个市场调研要查十几个数据源、交叉验证、整理成表格、再写分析——这个过程里的大部分动作不需要人在中间决策需要的只是有人把活派出去然后等结果。此前的 AI 要么让你自己拆成几十次对话要么让你写一堆 prompt 来描述流程。Grok Bot 的做法是你像给同事发消息一样说一句帮我把 Q2 的 SaaS 融资情况整理出来剩下的它自己跑。这里有一个容易被忽略的技术细节。常驻 agent 要跑得稳靠的不是更强的模型而是三样基础设施持久化的身份、可撤销的权限、可回放的执行日志。身份解决这个 bot 是谁权限解决它能动什么日志解决它干过什么、干错了怎么回滚。这三样东西补齐之前agent 永远只能是玩具不能是员工。Grok Bot 之所以敢按岗位来定价正是因为它在产品里把这三样当成标配来做了专属云电脑就是身份应用登录需要审批就是权限断点恢复和事件流就是日志。三、四家同台谁的牌更硬再看数据。Grok Bot 的定价本身就是一个信号团队 120 美元/席/月个人 200 美元/月。对比一下人力成本这个价格已经低于任何一个全职员工的月成本。再对比一下现有的 AI 产品ChatGPT Pro 是 20 美元/月Claude Max 是 200 美元/月但只提供对话能力。Grok Bot 贵但它卖的不是对话是一台会干活的云电脑。VentureBeat 的标题直接把定价和persistent digital coworkers绑在一起说明市场在按数字员工这个单位来理解它。这个认知转变很关键——当一个产品的价格标签是每个岗位每月它就不再是一个软件许可而是一个人力外包合同。竞争格局的数据更有说服力。四家厂商的 agent 产品在 8 月这个时间窗口同时推进OpenAI 的 ChatGPT Work 定位为longer, multi-step work and finished deliverablesCodex 专注软件开发Anthropic 的 Claude Cowork 面向白领办公。Microsoft 的 Copilot Tasks 在整合自家的 Copilot 应用做super appSpaceXAI 的 Grok Bot 则打出了teammate这张牌。四家撞在同一个时间点不是巧合——是底层能力工具调用、多步推理、上下文管理刚刚成熟到可以支撑常驻 agent这个形态的临界点。既然是四家同台就把各自的牌摊开比一遍。OpenAI 的优势在生态ChatGPT 的用户基数、Codex 的开发者口碑、Work 环境对长任务的承载三者加起来是目前最完整的 agent 栈。Anthropic 的优势在安全叙事Claude 的开发者社区对负责任 AI有认同感Cowork 直接把权限控制当卖点这是差异化打法。Microsoft 的优势在企业渠道Copilot 已经嵌进了 Office 和 WindowsTasks 想做的是一个能干所有事的超级应用渠道壁垒最高。SpaceXAI 的优势在激进Grok Bot 直接把 agent 拟人化为同事用独立云电脑这个概念把复杂性封装起来定价也最接近一个岗位的心理账户。四家的差异本质上是在回答同一个问题的不同答案agent 应该像什么OpenAI 说像 IDEAnthropic 说像秘书Microsoft 说像 Office 助手SpaceXAI 说像同事。目前来看像同事这个说法在传播上最强——因为它绕过了所有技术名词直接回到了工作关系的常识。四、模型路由agent 经济学的前提那它适合谁先说结论如果你的工作是重复的多步骤信息处理Grok Bot 类的产品值得现在就试。如果你的工作是一次性的创造性决策它现在的表现还不足以替代你。具体到场景Grok Bot 官方演示里提到的四个用例很有说服力销售外推、市场运营、办公自动化、bug 修复。这些任务的共同特征是——有明确的起点和终点中间的步骤可以标准化而且不需要人类在每一步做审美判断。另一个信号是它支持多 bot 并行一个 bot 带着自己的专长bot 之间可以直接互相发消息协调。这已经不是一个助手而是一个团队的雏形。这里插一段供参考的代码。下面是一个极简的模型路由函数灵感来自 NVIDIA NeMo Switchyard 的思路把不同难度的任务分给不同规格的模型而不是所有请求都扔给最大的那个。理解这个逻辑就能理解为什么agent 效率这件事跟模型能力本身关系不大更多是调度问题。def route_task(prompt: str) - list[str]: 根据任务类型选择模型返回候选模型列表。 灵感来自 NVIDIA NeMo Switchyard 的路由思路。 lower prompt.lower() code_keywords [bug, 错误, 异常, 代码, 审查, 排查, 重构, 性能] creative_keywords [文案, 写作, 创意, 博客, 故事, 市场营销] multimodal_keywords [图片, 图表, 图像, 视频] selected [] if any(kw in lower for kw in code_keywords): selected.append(fast-model) # 代码/排查 → 低延迟模型 if any(kw in lower for kw in creative_keywords): selected.append(quality-model) # 文案 → 高质量模型 if any(kw in lower for kw in multimodal_keywords): selected.append(vision-model) # 多模态 → 视觉模型 # 无命中时默认双保险速度 质量 if not selected: selected [fast-model, quality-model] return selected # 并行调用总耗时 ≈ 最慢的那个而不是三者之和 # asyncio.gather(*[call_model(m, prompt) for m in route_task(prompt)])上面这段代码揭示了一件反直觉的事在 agent 系统里模型选型的收益远大于模型升级。一个 30B 的专用执行模型加上一个 70B 的推理模型组合其任务完成效率可能高于单一的 400B 大模型——因为大多数请求不需要最贵的那档而延迟和成本恰恰是被那些本来可以用小模型处理的请求撑起来的。NVIDIA 的 Nemotron 3.5 Lightning 就是一个 30B 的 MoE 模型激活参数只有 3B官方定位就是执行层专门吃高并发、低延迟的 agent 调用。在 PinchBench 上它完成 1 万项任务的速度比同精度的 Qwen3.6 35B 快 30%。模型分层是 agent 经济学的前提。五、它适合谁还不适合谁但必须把话说清楚Grok Bot 现在是 beta而且只对 SuperGrok Heavy、Cursor Ultra 和 Cursor Teams Premium 订阅用户开放企业用户还得排队。它没有公开 benchmark因为 agent 任务的评估本身就很难量化。这意味着你现在还不能把它当生产力工具来依赖只能当探路来用。更现实的问题是中文生态。Grok Bot 目前的入口在国内并不方便这恰好是留给国内模型厂商的窗口期。豆包、Kimi、通义千问都具备做常驻 agent的技术基础缺的只是产品化决心。如果哪家率先把常驻 可派活 权限可控这三件事做扎实它可能不只是做一个 AI 产品而是重新定义AI 和工作到底是什么关系。最后说一个容易被忽略的点。Grok Bot 的真正威胁不是抢了谁的对话市场而是它让AI 能不能干活这个问题的评判标准变了。以前我们评估模型看的是回答质量、推理能力、代码正确率现在评估 agent 看的是任务完成率、失败重试的成本、权限管理的完备度。这是两套完全不同的记分卡而率先按第二套记分卡来设计产品的公司会获得先发优势。对做技术内容的人来说这个变化也意味着选题逻辑得跟着改。以前写Grok 4.3 用了什么架构能火因为大家都在卷能力现在要写agent 怎么管权限模型路由怎么设计才切中痛点因为行业已经进入了工程期。读者关心的不再是模型能不能而是它靠不靠谱、出错了怎么办、成本怎么算——这些恰好是技术写作最擅长拆解的问题。Grok Bot 上线才几天现在评价它为时过早。但四家巨头同时挤进同一个赛道这件事本身已经足够说明一个问题AI 的下半场比的不再是谁更能聊而是谁更能干。 
)
