一、定价与可获得性:Grok Bot 团队版 月个人200/月

Grok Bot 今天(8 月 11 日)以 beta 形式上线——首批可用的用户是 SuperGrok Heavy、Cursor Ultra、Cursor Premium Teams 三个订阅档的现有用户(还记得 SpaceX 6 月以 600 亿美元收购 Cursor 吧)。首发平台覆盖 macOS、Windows、Linux、iOS,Android 标注”即将推出”。

按 http://xAI.com 的产品页:Cursor Ultra 个人版 月直接含套餐包含120/seat/月,在个人版基础上加集中化计费与设置、面向 skills 与 plugins 的团队 marketplace、共享使用分析、SAML/OIDC 单点登录。

已有 SuperGrok Heavy($300/月) 订阅的用户也直接获得 Grok Bot 访问权;但今天就想给企业签下来的客户,SpaceXAI 让他们去排未来名额的 waitlist。

这套定价让 Grok Bot 和”便宜的通用 AI 订阅”不是一个购买决策。对企业来说的经济问题是:持续在线的 Bot 能否替掉足够多的人工或传统自动化基础设施,撑得起 per-user 的成本——以及一旦 agent 持续运行,用量上限怎么影响总账。

---

二、从”提示 AI”到”管理 AI”

SpaceXAI 把 Grok Bot 描述成一支”永远在线的 agent 团队”。 用户可以创建多个 Bot,给每个分一个角色,让它们并行工作。

公司给的样例 Bot 包括:Sales Outbound、Talent Scout、Paid Media、Expense Manager、Product Performance、Bug Reproduction、Account Health、Chief of Staff。比如一个销售 Bot,可以去挖客户资料、给潜客打分、用你自己的口吻准备邮件和 LinkedIn 触达,再把整套产出整理好等人工拍板。

宣传材料里,SpaceXAI 自己内部跑得比样例更长链。一个销售 Bot 可以把通话纪要加进 CRM,再起草 follow-up;一个运营 Bot 可以给新员工 onboarding,处理从 Gmail 进来的发票;一个工程 Bot 可以复现产品界面里的 bug,提 ticket,然后把修复工作交接给 debug Bot。

这套架构对跨系统、而这些系统从没为 AI 自动化设计过的工作流,特别有意义。

Grok Bot 不要求每个应用都暴露一个”专门给 agent 用的 API”——它可以直接登录应用和网站,操作它们的界面。SpaceXAI 说 Bot 各自有独立的电脑,可以7×24 不停。公司明确说,包括那些”没有干净 API 也没有 MCP”的网站和应用——这对一堆老旧遗留软件、SaaS 拼盘、或者内部系统从来没为 agent 接入做过埋点的企业来说,是个关键区别。Grok Bot 走的不是”接好 API 的服务”,而是人类员工日常会用的同一套软件界面。

公司说早期用户已经在把 Bot 用到供应商谈判、电商客服、持续更新 CRM 这类活上。

另一个降低”自动化重复业务流程”工程量的功能:用户可以演示一遍工作流,Bot 跟着看,之后 Grok Bot 能把整个流程存成 routine,下次不用你重新讲一遍也能跑。SpaceXAI 说 Bot 还能把这些 routine 不断吸收修正,工作流就随着你怎么教它而变。

这套打法可能把部署模式从”显式编程一段自动化”,挪到”教一个 agent 怎么干你这个岗位的活”。

公司还声称 Grok Bot 有比单纯保留聊天记录更深一层的行为记忆:Bot 会记之前的对话,学到你的写作口吻、边界 case,慢慢学会什么时候该打断找你要授权、什么时候可以自己继续。SpaceXAI 说它们之后还能恢复掉线的 thread、推一下卡住的 handoff、从更早的对话里把活接回来。

公司进一步说,Bot 跑久了还能变得主动——有时候在用户没明确指派之前就识别出该做的活。这是比传统定时自动化野心大很多的承诺;一旦系统挂在生产应用上,这套行为会对权限控制和升级规则提出更严的要求。

---

三、Bot 之间可以相互派活

Grok Bot 也支持多个 agent 协同。

用户可以把几个 Bot 放进同一个 thread,让 agent 在彼此之间传活。SpaceXAI 的演示里有专门负责 Research、Communications、Chief of Staff、Travel 的 Bot 在协调任务。

SpaceXAI 说这些 Bot 可以在 thread 里独立互相发消息、共享上下文。用户也可以把多个 Bot 拉进群聊,让它们认领 ownership、移交工作、相互协调,人类用户主要在需要判断时介入。

公司内部的做法是,让一个 Chief of Staff Bot 凌驾在负责收件箱、招聘、报销、运营、修 bug 等专项 Bot 之上。这让产品的 orchestration 模型变得更显式:用户不必亲自当”在每个专业 agent 之间做路由”的中间人。

---

四、早期反馈非常正面

Lenny Rachitsky(知名 vlog/podcast《Lenny’s Podcast》主持人、newsletter《Lenny Letter》作者)提前拿到 Grok Bot 试过,反馈非常积极。他在 X 上写道:”我已经很久没对一款新的 AI 产品这么兴奋了。它像 OpenClaw,但超级好用、可靠、不那么吓人。我觉得这会是 Cursor/Grok/SpaceX 一条全新的产品线“。

Matt Shumer(AI 创业者,说发布前测了好几周)同样把”orchestration”列为产品最强的特性之一。”**我能想到的最好描述,就是它是’给一切’用的 agent,不只是写代码”,Shumer 在 X 上写道。

在一次测试里,Shumer 说他先分别建了 research 和 writer 两个 Bot,然后又建了一个 Chief of Staff Bot,让它去协调前两个一起做一个项目。他预期这套流程会崩。”**它 out of the box 就能跑”,他写道。

他的主要批评集中在模型选择上。和那些开发者/高级用户可以显式挑底层模型的系统不同,Shumer 说 Grok Bot 在后台自动把任务路由到不同模型。”你不能给你的 Grok Bot 选模型”,他写道,”全是后台自动做的“。

Shumer 说在他测试期间,模型 router “并不怎么样”——虽然他后来被告知 router 已经改进过。SpaceXAI 在扩大的发布稿里依然没有披露 router 用的是哪些底层模型,也没有给用户提供挑、pin、切换某个 xAI 或第三方模型的机制。模型层在公开的发布材料里,基本对用户是黑盒的。

这套抽象对企业部署是个重要 trade-off:自动路由能替普通员工省下一个不小的配置决策,但高级用户(尤其是要给可重复的生产工作流定成本、延迟、可靠性、行为的)可能想要显式控制。

---

五、agent 市场在往”长时任务”挪

Grok Bot 进的是一个越来越聚焦于”不仅能生成文本/代码”agent 的市场。

Anthropic 的 computer use 早就确立了让 Claude 通过截图、光标移动、点击、键入来和软件交互的机制;更广义的 Claude 产品也接入了 workplace 服务和远端 MCP server。OpenAI 现在把 ChatGPT Work 定位为”跑更长多步任务和交付物的 agent”,而把 Codex 仍然限定在软件开发上。OpenAI 的企业 agent 经济里也包含用量型 credits——任务复杂度和 token 消耗会直接进入部署成本计算。

所以 Grok Bot 的差异化不在证明”AI 能操作软件”,而在于把 computer use、持续性、工作流学习、多 agent 协调打包成一个”看起来像 workforce 界面”的东西。

SpaceXAI 在发布稿里把这个区别讲得很明确——它强调完成而不是辅助。公司一位只署名为 Roman 的产品员工这样描述差别:”Grok Bot 能把这一 swing 打到底,因为活最后落在人会落的地方,真正的工具里“。

但这个区别最后取决于可靠性。一个 chatbot 给了个烂答案,修一下就行;一个能自主操作 CRM 记录、客服队列、供应商对话或其他生产系统的 agent,出岔子就是运营事故。

所以 Grok Bot 的成功不会只靠模型智能——还要看权限、可预测的执行、升级行为、记忆准确性,以及 agent 能不能可靠地识别出”这事儿需要人拍板”。

如果 Bot 是主动行动、主动续上被遗忘的工作、彼此协作而用户不当中间人,这套能力在跑对的时候减少需要的监督,但同时也放大了”一次错假设、过期上下文、或权限越界”的后果。

---

六、界面可能和模型一样重要

Shumer 把产品界面的感觉比作 iMessage——这个比喻是有意为之的,考虑到底层架构(自主电脑、持续记忆、agent orchestration、自动模型路由)对非技术用户来说,直接配出来门槛不低。

SpaceXAI 在发布稿里也几乎是同样的可用性论点。它不让你在开始用之前先去搭工作流,而是说用户可以直接从手机或桌面给 Bot 发消息,把手上的活丢过去,之后从另一台设备接着同一个对话。

这种”简单”是产品策略的一部分。Grok Bot 想把自动化常规的那些机器——workflow builder、显式集成、agent routing、orchestration——藏到一个像”给同事发消息”的交互模型后面。

这可能才是 Grok Bot 背后更大的一注。

整个 AI 行业花了几年,让模型越来越会用工具、跑多步任务;Grok Bot 试图把这些能力翻译成一个组织已经能理解的抽象——给一个人一份工,教他你怎么干,让他和团队其他成员协作。

如果这个抽象被证明可靠,企业 agent 的竞争可能越来越从”哪家助手给的单条回复最好”,挪到”哪家平台能最可靠地管一支持续干活的 agent 队伍”。

---

🔗  : https://venturebeat.com/orchestration/spacexais-grok-bot-turns-agents-into-persistent-digital-coworkers-that-can-operate-your-apps-for-120-per-month