在Seaborn库中，如果你想通过可视化的方式快速判断多个连续型变量之间的相关性，最常用的方法是使用 `sns.pairplot()`。因此，正确答案是 **B: sns.pairplot()**。

### 专业分析：

1. **sns.pairplot()**:
- `sns.pairplot()` 是一个非常适合用于可视化多个变量之间关系的函数。它会为每一对变量绘制一个散点图，并在对角线上绘制每个变量的分布（通常是直方图）。
- 通过 `pairplot()`，你可以快速识别出哪些变量之间可能存在线性或非线性关系，因为它提供了一种直观的方式来查看变量之间的相互关系。
- 这种方法特别适用于初步探索性数据分析（EDA），帮助识别可能需要进一步分析的变量对。

2. **其他选项分析**:
- **sns.joinplot()**: 这个选项是错误的，因为 `sns.jointplot()` 是用于绘制两个变量之间关系的图表，比如散点图、回归图等。它不适用于一次性显示多个变量之间的关系。
- **sns.subplot()**: 这个选项也是错误的。`sns.subplot()` 并不是 Seaborn 的一个函数，而是 Matplotlib 中的一个函数，用于创建子图。它不直接用于显示变量之间的关系。
- **sns.grid()**: 这个选项同样错误，因为 Seaborn 中并没有 `sns.grid()` 函数。可能是指 `FacetGrid`，但这用于条件关系的可视化，不适合直接查看变量间的相关性。

综上所述，`sns.pairplot()` 是最适合用于可视化多个连续型变量之间关系的工具。它提供了一个全面的视图，帮助识别可能的强相关性。