Kan ik Grok 4.20 Multi-Agent lokaal draaien?

Nee — xAI heeft geen open weights voor dit model uitgebracht, dus het is alleen via API toegankelijk.

Wat kost het en hoe groot is de context?

De API kost $1,25 per miljoen inputtokens en $2,50 per miljoen outputtokens, met een contextvenster van 2.000.000 tokens.

Hoe verschilt dit van standaard Grok 4.20?

Deze variant is speciaal gebouwd voor multi-agent workflows — meerdere agenten werken parallel om toolgebruik te coördineren en informatie te synthetiseren — in plaats van één enkele prompt in één keer af te handelen.

Grok 4.20 Multi Agent

5262°

#llm #x-ai #visie #redeneren #agenten #onderzoek

Voer dit model uit

Aanbiedingen / Advertenties

OpenRouter Terminal / API

Betaal per token

Chat met dit model in de browser of roep het aan vanuit je code met één API-sleutel.

SpaceXAI | 2.000.000 token context | $1,25/M input, $2,50/M output. Grok 4.20 Multi-Agent is een variant van SpaceXAI’s Grok 4.20 ontworpen voor collaboratieve, agent-gebaseerde workflows. Meerdere agenten werken parallel om diepgaand onderzoek te doen, gereedschapsgebruik te coördineren en informatie te synthetiseren over complexe taken. Gedrag van redeneervaardigheid:

Gidsen voor dit model

Hoe kies je een AI-model in oktober 2026: eerst het nieuws over gesloten modellen, dan de open modellen die het downloaden waard zijn

Open weights vs open source vs alleen API: wat je eigenlijk mag doen

De 10 goedkoopste ChatGPT-alternatieven in 2026: gratis lokale modellen, gratis tiers en vaste prijsplannen

Alle gidsen

Aantekeningen van de kapitein

Geschreven door Captain, de huisredacteur

Aantekeningen van 2026-10-13

Grok 4.20 Multi-Agent is een model met gesloten weights van xAI, speciaal gebouwd voor workflows waarbij meerdere agenten parallel draaien — coördinatie van toolgebruik, verdeling van onderzoekstaken en samenvoegen van resultaten. Het contextvenster van 2.000.000 tokens maakt het praktisch voor echt grote documentensets of langdurige agent-sessies. Als je werk uit één prompt en één antwoord bestaat, is deze variant overkill; het verdient zijn plek als de taak uit meerdere onderdelen bestaat.

Bekend om

Parallelle multi-agent coördinatie voor diepgaand onderzoek en complexe taakontleding.
Twee miljoen tokens context — een van de grootste die beschikbaar zijn via een productie-API.
Visiecapaciteit naast tekstredenering.
Ontworpen voor toolgebruik en informatiesynthese over lange, meervoudige workflows.

Let op

Alleen gesloten weights — geen lokale implementatie, geen offline gebruik.
Multi-agent overhead betekent dat kosten snel kunnen oplopen bij lange sessies.
Prijsstelling en exact gedrag van redeneerspanning zijn slechts gedeeltelijk door xAI gedocumenteerd.

Het beste voor

Agenten en toolgebruik

Prompts om te proberen

Diepgaande analyse van de concurrentieomgeving

Je onderzoekt de toeleveringsketen van batterijen voor elektrische voertuigen. Identificeer de vijf grootste lithiumleveranciers op volume, breng in kaart welke autofabrikanten ze bevoorraden, markeer eventuele single points of failure in de keten, en maak een één-pagina briefing met een risicosamenvatting. Citeer je redenering bij elke stap.

Synthesetaak met meerdere bronnen

Ik plak hieronder drie analistenrapporten over de vraag naar halfgeleiders. Lees ze alle drie, identificeer waar ze het eens zijn, waar ze elkaar tegenspreken, en maak een verzoende prognose met een betrouwbaarheidsnotitie bij elke bewering. Rapporten: [hier plakken]

Agent-georiënteerde planningsopdracht

Breek de taak om een kleine SaaS-product te lanceren op in parallelle werkstromen. Voor elke stroom, lijst de belangrijkste beslissingen, afhankelijkheden van andere stromen, en het vroegste startpunt. Presenteer het resultaat als een gestructureerd projectplan waar een klein team direct mee aan de slag kan.

Vergelijk met

Grok 4.7
Alleen API-model
500,000 token context · $2.00/M invoer, $6.00/M uitvoer
Grok 4.6
Alleen API-model
500,000 token context · $2.00/M invoer, $6.00/M uitvoer
Grok 4.5
Alleen API-model
500,000 token context · $2.00/M invoer, $6.00/M uitvoer
Grok Build 0.1
Alleen API-model
256,000 token context · $1.00/M invoer, $2.00/M uitvoer

Meer tekstmodellen van x-ai

Veelgestelde vragen

Kan ik Grok 4.20 Multi-Agent lokaal draaien?: Nee — xAI heeft geen open weights voor dit model uitgebracht, dus het is alleen via API toegankelijk.
Wat kost het en hoe groot is de context?: De API kost $1,25 per miljoen inputtokens en $2,50 per miljoen outputtokens, met een contextvenster van 2.000.000 tokens.
Hoe verschilt dit van standaard Grok 4.20?: Deze variant is speciaal gebouwd voor multi-agent workflows — meerdere agenten werken parallel om toolgebruik te coördineren en informatie te synthetiseren — in plaats van één enkele prompt in één keer af te handelen.

Oordeel van de kapitein
Het juiste gereedschap als je taak echt parallelle agenten en een enorme context nodig heeft; verspilling voor alles wat met één prompt kan.

De kapitein schrijft deze aantekeningen op basis van de eigen beschrijving en modelkaart van het model. Prijzen en contextgroottes zijn die van de provider op het moment van schrijven en kunnen veranderen.

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Not this creator?

Get your own badge

Hoe deze score wordt opgebouwd

Dit model heeft nog geen populariteitsgegevens van welke bron dan ook, dus het krijgt een tijdelijke waarde onder 7,000° om de lijsten compleet te houden. Het staat nooit hoger dan een model met data. De uitsplitsing verschijnt hier zodra een bron het rapporteert.

Woordenlijst: de gebruikte termen

Heat-score: Één getal voor hoe veel een model nu gebruikt en gewenst wordt, van 0° tot 9.999°. Elke lijst op deze site die zegt heetste is gesorteerd op deze score en niets anders.
Vloer: De 7.000° waar elk model met echte data mee begint. De schaal loopt van 0° tot 9.999°; het deel onder de vloer is gereserveerd voor plaatsvervangers (modellen zonder data), zodat een model met data altijd hoger scoort dan een zonder. De vloer is voor iedereen gelijk en beslist niets; de graden erboven zijn de meting.
Download-equivalenten: Alles wat de score als een download telt, bij elkaar opgeteld: downloads zelf, elke torrent seeder als 1.000, elke AI Horde-afbeelding en elke run op een generatie-site als één.
Logaritmische schaal: Tellen per tien, niet per één: van 1.000 naar 10.000 downloads voegt evenveel graden toe als van 10.000 naar 100.000. Zo verdringen grote spelers niet alles.
Likes: Duimen omhoog en likes van elke bron, elk de helft van een download waard op de log-schaal.
Adoptiesnelheid: Hoeveel downloads een model nu per dag krijgt, uit het verschil tussen twee metingen van een bron. Een kwart van het gewicht van de downloadterm.
Gemeten en geschat: Gemeten betekent dat er twee metingen van een bron zijn en het verschil echt is. Geschat betekent dat alleen het totaal van vandaag bekend is en het verleden over de levensduur van het model wordt verdeeld; de site geeft aan welke het toont.
Seeder: Iemand die een kopie van de gewichten online houdt zodat anderen die via een torrent kunnen downloaden, of een gehoste mirror die hetzelfde doet. Elk telt als 1.000 downloads.
AI Horde: Een vrijwilligersnetwerk dat gratis beelden genereert op gedoneerde computers. Het aantal beelden dat het met een model heeft gemaakt is openbaar, en elk telt als één download.
Generatiesites: Sites die hun eigen kopieën van een model hosten en mensen laten genereren, zoals PixAI, SeaArt en Yodayo. Hun downloads tellen net als die van Civitai en elke generatie telt als één download.
OpenRouter tokens: Een tekstmodel dat via een API wordt aangeboden, zoals Claude of GPT, heeft geen gewichten om te downloaden, dus het gebruik wordt gemeten in tokens: de tekststukken die het las en schreef via OpenRouter, een gateway die veel apps gebruiken, in de afgelopen 30 dagen. Elke 10,000,000 tokens telt als één download. Bron: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Volledig model (checkpoint): De gewichten zelf, het bestand dat zelfstandig genereert. Het krijgt een bonus omdat add-ons ervan afhangen.
LoRA en embedding: Kleine add-on bestanden die iemands gewichten sturen naar een stijl, een personage of een concept. Ze kunnen niet zelfstandig draaien.
Familie en gewichten: De basis waarop een model is gebouwd, zoals SD 1.5, SDXL, Flux of Wan. Elk model erft de releasedatum van de gewichten van zijn familie.
Leeftijd: Graden afgetrokken voor hoe lang geleden de gewichten van de familie uitkwamen: 150° per jaar, tot 750°. Het houdt oude downloads die jaren hadden om op te lopen door de top van de lijst te bevriezen.
Familie boost: Een kleine, begrensde duw voor LoRA's van een familie die deze site nu naar voren schuift, altijd vermeld in de uitsplitsing.
Stand-in score: Een stabiel getal onder de vloer gegeven aan een model waar nog geen bron over rapporteert, zodat lijsten compleet blijven. Het staat nooit hoger dan een model met data.
Nieuw! (gratieperiode): Een model dat minder dan 7 dagen oud is, toont Nieuw! in plaats van een score en neemt geen plaats in de ranglijst in. De score wordt vanaf dag één berekend, maar een model van één dag oud groeit sneller dan wat dan ook, dus zonder de wachttijd zou de #1 van de week altijd het model zijn dat gisteren uitkwam in plaats van wat een week standhield.
Trend: Hoe de groei van een model over een periode zich verhoudt tot de typische groei van een model over dezelfde periode. Sneller dan typisch betekent stijging, langzamer betekent daling.
Typisch model: Het midden van de catalogus: de helft van de modellen met een cijfer groeide sneller over de periode, de andere helft langzamer.

Vergelijkbare modellen

AI-modellen voor het genereren van afbeeldingen, video en tekst

Grok 4.20 Multi Agent is een tekstmodel voor de Text / LLM-familie, vermeld op ModelTrends.ai, een alleen-lezen catalogus van open source AI-modellen voor afbeeldingen, video en tekst. Vergelijk het met andere Text / LLM-modellen en bekijk de populariteitsscore om de trend te zien.

Meer Text / LLM-modellen Meer Text / LLM Tekst / LLM llm x-ai visie redeneren agenten onderzoek lange context

Bladeren op modelfamilie