Agent 的世界，四月還是山雨欲來。五月尚未結(jié)束，已然血雨腥風(fēng)。

整個行業(yè)的加速快到不講道理。Vibe Coding 已經(jīng)不再是新名詞，編程這條賽道也從未如此擁擠：Claude Code、Codex、Cursor 貼身肉搏，Trae、Qoder、CodeBuddy 殺成一團(tuán)。

黑話一個接一個流行起來，支配所有人的注意力。去年還是 skill（技能）的天下，如今 harness（腳手架）站上了王座。

熱詞之下，模型已經(jīng)卷到幾近一條平直的線：不同的基準(zhǔn)測試會給不同的答案，但總體來說，無論是 Opus、GPT，還是 Qwen、GLM、Kimi 和 MiniMax 們，無論是寫代碼還是執(zhí)行越來越復(fù)雜的任務(wù)，都已不在話下。

模型之間仍然存在差距，但拉開模型公司之間真正差距的，早已不再是模型本身，而是套在外面的那層殼。

之前一份研究報告拆解了 Claude Code 泄露的代碼，發(fā)現(xiàn)真正屬于模型決策的代碼只有 1.6%，剩下 98.4%，全是管權(quán)限、管上下文、兜錯的 harness。

為了進(jìn)一步發(fā)揮模型的優(yōu)勢，全新一代的 agent 產(chǎn)品如排山倒海而來。Grok Build、Qoder 1.0、TRAE SOLO 紛紛推出。連一直以來低調(diào)沉默的 DeepSeek 都掛出多崗位招聘，組建 agent 開發(fā)隊伍。

早于業(yè)界布局 agent 的 MiniMax，在混戰(zhàn)中落下自己的子。桌面端產(chǎn)品先是在 5 月中推出主打全新多 agent 編排架構(gòu)的 Agent Team 功能。而隨著 M3 旗艦?zāi)Ｐ停琈iniMax 桌面端全面升級為 MiniMax Code，再次攪動了大廠、小龍云集的 agent 市場。

Agent Team 的內(nèi)核是一套 Leader-Worker-Verifier（領(lǐng)導(dǎo)-執(zhí)行-驗證）的「對抗式」架構(gòu)。負(fù)責(zé)干活和負(fù)責(zé)挑錯的職責(zé)，被拆成不同的 agent，受到經(jīng)過代碼邏輯固化的狀態(tài)機(jī)去管理，彼此之間上下文隔離。

這味藥，治的是長程 agent 任務(wù)中那些出了名的頑疾：上下文污染、上下文焦慮、agent 之間的「共謀」。

有趣的是，正如前述 MiniMax 并沒有等 M3 發(fā)布，而是率先在 M2.7 上就將 Agent Team 推了出來。M2 這一代，被 MiniMax 稱為「大巧若拙」，模型和腳手架之間的共融共生已經(jīng)看到了黎明前的曙光。預(yù)料之中，M3 只會更強(qiáng)。

在訓(xùn)練 M3 的最關(guān)鍵時刻，APPSO 與 MiniMax Agent 研發(fā)工程師（周淳輔）做了一場對談。

我們聊了 Agent Team 的設(shè)計原則及其所體現(xiàn)的 MiniMax 認(rèn)知，探索了 Agent Team 的技術(shù)內(nèi)核，淺析其它玩家對于 agentic 模型如何約束與放任。

業(yè)界有一種觀點(diǎn)正盛：Anthropic 擁有最好的模型和最爛的工程。在擇因看來，Anthropic 骨子里不信任模型，預(yù)設(shè)模型會作弊、耍小聰明，于是到處加以約束。OpenAI 的 harness 核心卻是一個極簡的 agentic loop。

一個極簡框架養(yǎng)出了遵循度極好的模型，一個約束極強(qiáng)的框架卻養(yǎng)出了「黑天鵝」。MiniMax 做 agent 的思路，既將兩者融合，又不完全相同：要相信模型，給它和人一樣的操作權(quán)限，但也要在腳手架中加入合理的約束。

這些思路在業(yè)界獨(dú)樹一幟，但業(yè)界追趕新東西并將之確立為共識的節(jié)奏，早已快過于新思想誕生的速度。在 agent 上，MiniMax 沒有壁壘——沒有任何人有。擇因發(fā)給我一篇 71 頁的論文，告訴APPSO：

「關(guān)于 agent 的所有東西，都在這篇論文里了。如果一篇就能說清楚，還有什么壁壘？」

但 MiniMax 仍有絕活。

他們力求以最快的速度不斷向整個行業(yè)輸出新的認(rèn)知，做共識的領(lǐng)導(dǎo)者、執(zhí)行者、驗證者——這也是為什么 Agent Team 及其背后架構(gòu)沒等 M3，就公之于眾了。

究其根本，中國模型公司的「開源」玩法不會一直持續(xù)下去。

但這并不代表，優(yōu)秀的認(rèn)知不應(yīng)該及時與世界分享。

就像一個 agent 的工作會有它的停止條件，開發(fā) agent 的人們也有停止的那一刻。對于擇因，可能會是當(dāng) agent 可以實現(xiàn)真正的自進(jìn)化，并且在幾乎任何數(shù)字或物理世界的任務(wù)上效率和成本優(yōu)于人類。

從站在第一線的他的視角來看，我們離那個未來并不遙遠(yuǎn)。

以下是 APPSO與 MiniMax Agent 研發(fā)工程師擇因的對話。賣個關(guān)子： 在最后我們提出了一個開放性的問題，并獲得了意想不到的答案。

架構(gòu)即認(rèn)知

APPSO：Agent Team 為什么沒等 M3，直接在 M2.7 上就發(fā)布了？

擇因：不用非等到和新模型一起發(fā)，是我們的意愿，也是自己的節(jié)奏，就是希望不停地把最新的認(rèn)知傳達(dá)給外界，這件事情很值得做。以及它在我們內(nèi)部已經(jīng)使用很久了，一個月的時間，我們覺得可以對外發(fā)布了。

APPSO：今天一切的周期都變得很快，一個月已經(jīng)很久了。

擇因：發(fā)布時我們模型還沒迭代，但是有一批核心用戶對我們的 agent 的運(yùn)行范式感興趣，所以我們提前發(fā)出去吸引他們。核心用戶的建設(shè)對我們來說非常必要。后面我們也會考慮把我們的 Agent Team 架構(gòu)開源出來。

APPSO：MiniMax Code 到目前為止的反饋如何？

擇因：這次把訂閱邏輯理順了，訂了 token plan 就能用 agent。一個多月下來，下載和訂閱量有一個比較可觀的增長。這其實很有意思，因為如果只是提供 API 的話，用戶用模型的門檻高，使用效果也不是最佳。MiniMax Code 能讓大家直接感受到模型的完全體，這也是我們一直以來的思路，這一次被驗證了，我覺得很好。在 M3 上只會更好。

用戶方面有個比較有意思的點(diǎn)，因為我們是全模態(tài)，發(fā)現(xiàn)很多用戶拿 Agent Team 去做長視頻生成，有古文愛好者用它來生成大量的詩朗誦音頻。這些偏 C 端、興趣向的使用案例，其實我們沒有預(yù)料。

很多用戶也告訴我們，當(dāng) Agent Team 被整個拉起來開始干活的感覺，給他們帶來很大情緒價值。

APPSO：真的像是有了幾個員工給自己打工的這種感覺？

擇因：對。總體上看最近兩個月的多 agent 產(chǎn)品，已經(jīng)是血雨腥風(fēng)。騰訊那個 (Marvis)「打工」感更強(qiáng)。很明顯，在 Agent Team 的共識和落地方面，大家跟的都很緊。

APPSO：你說有人用 MiniMax Code 做視頻，會不會以后可以不用專業(yè)視頻生成工具，不用懂腳本、分鏡、首尾幀，直接用 agent 調(diào)用全模態(tài)模型就能做視頻了？

擇因：首先明確一下，我說的是偏個人用戶、愛好的角度做視頻，我覺得是可行的。專業(yè)的視頻制作，其實讓一個 Agent Team 去做， 跑通打個樣可以，但如果真的投入工業(yè)生產(chǎn)，還是需要分工。比如編導(dǎo)負(fù)責(zé) idea、分鏡、首尾幀這些關(guān)鍵的東西。給到另一幫人負(fù)責(zé)丟給海螺或 Seedance 抽卡。

但我認(rèn)為隨著模型能力提升，抽卡這部分的成本，以及后續(xù)剪輯的成本，會降得非常低。

我們調(diào)研了一下，發(fā)現(xiàn)今天讓剪輯師剪視頻其實比 AI 便宜。甚至市面上有一種服務(wù)，他把抽卡和剪輯都打包了，但價格主要是抽卡的成本，剪輯反倒不花錢。實際上他們找了一堆大學(xué)生上課學(xué)剪輯，交學(xué)費(fèi)，課程任務(wù)就是給我把視頻剪了。

APPSO：如果更強(qiáng)的模型出來，比如 M3，能比人工剪輯還便宜嗎？

擇因：我們的模型在能力上可以。但是你要算賬的話，還是我剛說的套路，人的成本也會越來越低。

APPSO：MiniMax Code 的 Agent Team 架構(gòu)，也就是 Leader-Worker-Verifier，聽上去很合理，你們先做出來，然后 Claude Code 也跟進(jìn)了。

擇因：我們是從三月開始做的，一開始我和邊上同事討論，一個 agent，它一旦做錯了，在上一輪軌跡里面它永遠(yuǎn)會記得自己做錯了這件事。但轉(zhuǎn)念一想，它如果接下來按對的方向去做，其實這段做錯了的記憶它是完全不需要的，對不對？

基于這個想法，我們設(shè)計了這個新的架構(gòu)：讓干活的和負(fù)責(zé)驗證的 agent 之間分開。驗證的時候要有打回的機(jī)制，并且要讓一個新的「腦子」去打回。

當(dāng)月我們就把這套架構(gòu)搭出來了，不過目前那個時候是主要內(nèi)部使用，大家用得非常不亦樂乎。

APPSO：你們內(nèi)部用的爽點(diǎn)具體是什么？是解決了之前的痛點(diǎn)，還是效率高、更不容易出錯？

擇因：我舉個最簡單的例子，比如你睡覺前給它派個任務(wù)，哪怕是極度復(fù)雜的工作，只要你卡控的夠嚴(yán)格，你的準(zhǔn)出標(biāo)準(zhǔn)可量化、可觀測，而不是模型自己覺得可以就可以了——只要你做好這些門禁，這群 worker 和 verifier 就能在你睡覺的時候一直跑，睡醒之后就干完了。

可以說三月開始，這種新的開發(fā)節(jié)奏、新工作方式，就在我們內(nèi)部出現(xiàn)了。

APPSO：這和傳統(tǒng)依賴提示詞的多 agent 編排的本質(zhì)區(qū)別是什么？

擇因：本質(zhì)區(qū)別是我們的 Agent Team 架構(gòu)做了一套復(fù)雜的自由度限制。

首先運(yùn)行層面它是一個狀態(tài)機(jī)，是確定性的代碼，有嚴(yán)格的限制，它不能跳出這套規(guī)范，你可以把它理解為一個更嚴(yán)格的工作流 (workflow）。

在 agent 基建的層面，我們又給了極大的自由度。所有的 agent 之間都可以互相通訊，這和傳統(tǒng)的 agentic workflow，有方向的流程圖是完全不同的。當(dāng)然，以前的 workflow 里面也可以帶循環(huán)，但是核心還是這步走完了下一步。

我舉個例子，比方說你用 agent 做開發(fā)，環(huán)境里少了某個包導(dǎo)致開發(fā)受阻，過去的 workflow 上可能就卡住了，而我們的 worker 或 verifier 發(fā)現(xiàn)了之后，它可以通過多種健全的機(jī)制通知其它 agent 別踩坑。

再比如一個研究類的任務(wù)，一開始的研究計劃需要 leader 做些初步研究，過去 leader 分配完任務(wù)就停止了。但在我們架構(gòu)下，如果用戶有新點(diǎn)子、補(bǔ)充想法可以直接說，leader 能隨時啟動、去打斷當(dāng)前的 agent team、加一個新編排進(jìn)去。Agent 工作流可以隨時調(diào)整，剩下的重活都交給模型就行了。

以及大家知道強(qiáng)化學(xué)習(xí)邏輯下會出現(xiàn)「上下文焦慮」，當(dāng)上下文過長模型就不想干活了——不干活就不犯錯嘛。而我們這套邏輯讓它更嚴(yán)格遵循編排，持續(xù)工作直到達(dá)到準(zhǔn)出標(biāo)準(zhǔn)。

APPSO：你們?nèi)绾巫屇Ｐ屯吹?agent 實現(xiàn)對抗，避免共謀？

擇因：答案很簡單，還是提示詞。2026 年的大多數(shù)模型遵循能力足夠強(qiáng)，提示詞變得更可用。我們也會做一些提示詞上的「雕花」行為，更重要的是給模型可觀測的停止條件，讓 worker 和 verifier 分別管理一些事情，比如 worker 的停止條件就是把活干完了，verifier 的停止條件是在干完的活里找到 bug。

APPSO：我的使用體驗，有時候覺得可以交付了，但 agent 還在打過來打回去。你們怎么定義 agent 之間的對抗強(qiáng)度？太寬松肯定不好，太嚴(yán)格會無限循環(huán)。

擇因：我們不會假定所有的用戶生產(chǎn)場景，所以先把這套框架拋出來，用戶可以自己去定停止條件。至于怎么定，可以通過 Skill，讓 agent 根據(jù)用戶對停止條件的傾向主動總結(jié)成 skill，下次運(yùn)行任務(wù)就可以作為判斷標(biāo)準(zhǔn)。這個 skill 肯定是千人千面的，不是我們來概括。隨著用戶長期使用，Mavis 會越來越懂用戶。

我們在 M3 訓(xùn)練中也加入了類似數(shù)據(jù)，讓模型具備主動性，去總結(jié)之前的軌跡，根據(jù)用戶的反饋去提煉 skill，讓工作更加可觀測。隨著模型能力提高，我們可以做得越來越多。

APPSO：MiniMax Code 的一大特點(diǎn)就是 agent 之間上下文隔離，很反直覺，你們是怎么想的？

擇因：agent 上下文分為三部分：用戶請求、環(huán)境里的生產(chǎn)資料、模型執(zhí)行軌跡。比如當(dāng) agent 執(zhí)行出了錯，會把犯的錯記下來，但這個記錄對另一個 agent 可能是有害的。當(dāng)上下文變得臃腫，這些軌跡一定會污染別的 agent。

長程 agent 任務(wù)跑出幾個小時后，幾乎全部的上下文都是執(zhí)行軌跡，所以我們要隔離這一部分上下文。做這個設(shè)計就是因為我們預(yù)期 agent 會運(yùn)行很久，既然大部分的信息都是不需要的，為什么不隔離？

APPSO：同時執(zhí)行幾個任務(wù)，通過微信、飛書跟 MiniMax Code 查詢也不會「串臺」，這個體驗很獨(dú)特，是怎么做到的。

擇因：你可以理解為在 L-W-V 之外還有一個 IM agent。每個 agent 都有各自的啟停觸發(fā)，IM agent 的啟動就是你給它發(fā)一條消息，它再去檢查正在工作的其它 agent。

我們還有一些更宏大的交互層面的想法，就是所有功能都可以通過說來實現(xiàn)：目前的 agent 產(chǎn)品，比如 Cursor 還有代碼編輯界面；豆包或其它 agent 還有各種具體功能按鈕，比如新建任務(wù)、創(chuàng)建 skill、導(dǎo)入文件——我們覺得這些界面和按鈕，以后都可以消失，你想讓 agent 做什么只需要跟它說就行。

沒有壁壘，全是共識

APPSO：為什么 Anthropic 一天到晚說自己模型多危險，作弊、耍小聰明？是模型沒對齊好還是產(chǎn)品 harness 做的不夠 robust？

擇因：我覺得可能只是 Anthropic 在宣發(fā)上的傾向。從個人體感對比，GPT 5.5 明顯比 Anthropic 模型干活更徹底，更具有主動性，在真正生產(chǎn)上就是最好的 agentic 模型。它完全不繞彎子，不耍小聰明。

Claude Code 泄露過一版源代碼，Codex CLI 也是開源的，你會發(fā)現(xiàn)這兩家公司在 agent 產(chǎn)品上的傾向性完全不同。Anthropic 就是不信任模型的，他們就是假設(shè)模型會出各種問題，于是在各處增加約束。OpenAI 提出 harness 概念更早，你去看 Codex 其實就是一個循環(huán)，非常極簡。

一個極簡的 agent 框架，馭遵循度極好的 GPT 5.5，實現(xiàn)目前最強(qiáng)的編碼和 agent 能力；層層約束的框架，用在 Opus 4.7 上，卻出現(xiàn)了黑天鵝效應(yīng)，在超長任務(wù)中也會偷懶糊弄，這是我所看到的。

Agent 和模型是長短板的關(guān)系，你的 agent 足夠強(qiáng)大，可以榨干模型的能力；相反如果模型足夠強(qiáng)大，其實 agent 不需要特別復(fù)雜，就直接一個循環(huán)，給它工具就能用了。

APPSO：新的Claude Code dynamic workflows 架構(gòu)出現(xiàn)了 verifier 的設(shè)計，以及官方描述把編排從模型上下文搬到可執(zhí)行代碼層面，跟你們的構(gòu)思「所見略同」。你覺得這種設(shè)計哲學(xué)的趨同，是 agent 工程的唯一解，還是階段性偶然？

擇因：目前階段是比較合理的解決方案。其實開發(fā) Agent 是一個比較神奇的過程，收益可能來自于模型能力變強(qiáng)，而非你的框架變優(yōu)秀了；當(dāng)然，也有可能是你的框架比較先進(jìn)，能讓模型完成之前無法完成的任務(wù)。目前大家采用 verifier 的方案，也是因為和這個階段模型的能力水平比較匹配。

相同點(diǎn)上，CC的這套 dynamic workflow 是讓 agent 自主決策如何編排一群 agent 運(yùn)行，這和我們的 Agent Team 設(shè)計思想一致。同時二者的載體都是文件，或者說 coding，模型通過文件的方式去編排一群 agent 運(yùn)行。

而不同點(diǎn)，主要在實現(xiàn)方案和玩法：CC 是讓主 agent 編排完成后一次性并行執(zhí)行大量子 agent，能調(diào)度幾百次。但是它中途不會回頭，和用戶的互動主要是在遇到阻塞時候的詢問。

我們的 Agent Team 在主 agent 編排完成的情況下，用戶和主 agent 都能在執(zhí)行的任意時刻介入進(jìn)行調(diào)整，用戶對 agent 的運(yùn)行可觀測，可以隨時和具體的某個子 agent 聊天。同時能隨時停止和重新繼續(xù)。更強(qiáng)調(diào)人和 agent 用同種方式編排執(zhí)行。

能確信的是，即使工作形式上類似，實際上還是有很多細(xì)節(jié)不同，可能是完全兩種不同的東西。在 agent 時代，大家開發(fā)效率很高、迭代很快，但是決定勝負(fù)手的還是所有的細(xì)節(jié)。模型變快了，但我們得慢下來去知道所有的信息。

APPSO：你怎么看業(yè)內(nèi)有種說法，就是 Anthropic 研究極強(qiáng)，模型很厲害，但他們的工程能力很差，甚至他們自己都說產(chǎn)品是 100% vibe coded。

擇因：可能他們內(nèi)部用的是好東西，只是沒把最好的版本給放出來，所以之前泄露的 Claude Code 代碼有很多非公開功能。

Harness 在四月份成為了共識，但我們也需要等會用 harness 的新模型出來，比如 M3，這樣的產(chǎn)品才是飽滿的。一個例子是去年 skill 提出時，當(dāng)時 Sonnet 4.5 使用 skill 的效果跟后來的 4.6 差距極大——所以，你需要一個懂 harness 的模型才能把它玩得轉(zhuǎn)。我覺得今天整個圈子共識形成得太快了，模型還沒有跟上。

APPSO：所以給模型自由度，它其實能做得很好；但如果用人認(rèn)為合理的架構(gòu)去框住它，效果不一定好？人類的組織架構(gòu)方式、對于該如何工作的想象力，是否制約了 agent？

擇因：也不一定，現(xiàn)在還為時尚早。多 agent 確實是最近的大熱點(diǎn)，大家都在做各自的早期嘗試，包括我看到 Slock 那種把幾個 agent 拉到一個群聊里的組織方式，都很有意思。

MiniMax 的傾向是人和 agent 應(yīng)該擁有相同操作權(quán)限。在模型能力還沒有達(dá)到頂尖的前提下，加各種約束、用現(xiàn)有的組織架構(gòu)去編排它，肯定是為了讓它工作的更好。

這里面當(dāng)然有人性的考慮，你用人能理解的組織架構(gòu)去編排，看 agent 給你干活，確實給你帶來很強(qiáng)的情緒價值。但是從效率維度評價，就不一定合理。比如今天影視工業(yè)用人能理解的工作流去編排生成過程，比直接讓人剪貴得多。

APPSO：DeepSeek 最近在招人做 harness，做 agent 了，很明顯是發(fā)力了。你怎么看？

擇因：我覺得模型企業(yè)做 agent，肯定不是為了做而做。最根本的是 agent 能力跟模型能力實現(xiàn)百分百契合，甚至放大。模型在自己的 agent 里能遵循自己的 harness，用戶才能真正感受到模型的強(qiáng)大之處。

Agent 對于模型使用量也有好處。一個模型公司如果有了 agent，它的訂閱量就會乘以一個系數(shù)；有模型但沒有 agent，模型使用量就要打折扣。我相信這個邏輯對于 DeepSeek 和其它發(fā)力 agent 的公司也是一樣。

APPSO：有個 OpenRouter 的數(shù)據(jù)，Claude 80% 以上的 token 消費(fèi)用于編程和技術(shù)任務(wù)，DeepSeek 主要是閑聊和角色扮演。

擇因：我覺得模型公司做 agent 會有許多的動機(jī)，但最重要的之一，應(yīng)該是讓自己的模型在更嚴(yán)肅的場景里被用起來。

APPSO：之前你們說沒有做 Agent 的企業(yè)敢說自己有壁壘，現(xiàn)在呢？

擇因：大家越來越重視 agent，并且形成共識的速度會越來越快。Skill 用了半年，龍蝦一個半月，多 agent 也就一個月。

前幾天有篇華人團(tuán)隊發(fā)的論文寫得非常好。關(guān)于 agent 的一切，其實都在這 71 頁的論文里了，叫做 Agent Harness Engineering: a Survey——既然 agent 已經(jīng)能被一篇論文所概括了，你說有沒有壁壘？

APPSO：哪個 agent 對你帶來極大啟發(fā)？

擇因：OpenClaw，我覺得是對任何模型公司的 agent 團(tuán)隊的一次存在主義危機(jī)。為什么一個此前不在模型公司工作，不如模型團(tuán)隊更了解模型的個人，能做出一款世界上最多人用的 agent？

APPSO：你覺得 OpenClaw 哪做對了？

擇因：它很多東西做得很細(xì)，就比如說連接飛書、微信，里面其實坑很多。它進(jìn)而影響了整個行業(yè)。甚至在 OpenClaw 出來之前，飛書團(tuán)隊還是以 MCP 這種古老方式維護(hù)；OpenClaw 出來之后，飛書團(tuán)隊很快就推出了官方 CLI 和插件，這些接口和協(xié)議都是面向模型有好的，而且迭代很快。

APPSO：模型公司想要留在牌桌上的最關(guān)鍵因素是什么？

擇因：就我們自己來說，一開始就走在全模態(tài)路線上，有完整的自研模型，并把它們直接部署到我們自己的原生 agent產(chǎn)品、創(chuàng)作平臺、開放平臺中。這種復(fù)合優(yōu)勢會給模型公司帶來更多機(jī)會。

同時，為了不掉隊淘汰，可能拼的是組織效率更多一點(diǎn)。如果你的組織效率足夠高，大家有一個明確的目標(biāo)，奔著這個目標(biāo)去執(zhí)行，這個公司其實就不會掉隊。
如果內(nèi)部組織上扛不住壓力了，做不出東西來，可能就會發(fā)現(xiàn)自己落后了、沒法跟上。

APPSO：你說共識會形成的越來越快。之前 MiniMax 的特色現(xiàn)在快變成全行業(yè)模板了，你們接下來怎么做差異化？

擇因：我覺得需要投入到細(xì)節(jié)上，雖然共識形成的很快，但誰能把相同的事情做透更重要。

APPSO：國產(chǎn)模型開源是否達(dá)到了目標(biāo)？你覺得今后前沿模型還會開源嗎？開源的紅利期是否已經(jīng)結(jié)束？

擇因：如果你的模型能力足夠強(qiáng)，開源不開源取決于團(tuán)隊的偏好與意志。過去兩年里中國模型剛起步的時候，作為追隨者，開源的確能夠更好地體現(xiàn)價值。

我記得很多同行都公開或私底下表達(dá)過，如果有一天模型進(jìn)入價格戰(zhàn)階段，到時候開源的風(fēng)氣可能會有所消減。

全球來看，開源仍是中美之間的最大區(qū)別。即便今后權(quán)重、訓(xùn)練框架不開源，你仍然可以把你的創(chuàng)新成果通過論文開放給全世界，不一定非得是模型能力。

APPSO：你們怎么看大廠用賽馬甚至養(yǎng)蠱的方式做 agent 產(chǎn)品？

擇因：就像我剛才提到的，agent 為什么存在，其實很明確的兩個點(diǎn)：一是讓模型以完全體形態(tài)呈現(xiàn)，放大模型的能力，讓它被真正用起來，二是代表你這家公司對「模型該怎么用」做的探索。你的 agent 產(chǎn)品應(yīng)該能閉環(huán)到模型訓(xùn)練上。

如果你堆了大量的 agent 產(chǎn)品，里面有多少是和你的模型能力閉環(huán)的？有多少能反饋到自己的模型訓(xùn)練當(dāng)中？幾個agent 團(tuán)隊是在整搶資源還是朝著一個大的目標(biāo)？其實都是未知數(shù)。

總的來說，agent 產(chǎn)品要先能在內(nèi)部使用再推出去。我也看到，目前 B 端 agent 產(chǎn)品的收益更明確，效果更直接，所以不能否認(rèn)大廠在這方面的投入。

先交學(xué)費(fèi)再上班

APPSO：人們對于對話助理以及 agent，有很多長久的期待，《Her》里的薩曼莎、鋼鐵俠的賈維斯。幾十年前幻想出的東西今天還沒實現(xiàn)，我們距離那樣的 agent 還有多遠(yuǎn)？

擇因：我覺得其實不遠(yuǎn)。《Her》是聊天陪伴為主，我印象比較深的是和主角一起打游戲，也就是軟件打通的層面，現(xiàn)在做的已經(jīng)不錯了；賈維斯的話，其實和現(xiàn)實世界連接更加緊密。這會有點(diǎn)難，但我很樂觀，因為我覺得物理世界的交互協(xié)議會比代碼層面更加簡單。本質(zhì)上，只要模型的多模態(tài)能力足夠強(qiáng)就可以。

舉個例子就是 GPT Image 2，你會發(fā)現(xiàn)它的生圖能力幾乎和現(xiàn)實世界一模一樣。可以預(yù)見的是，會有一款全模態(tài)模型出現(xiàn)，對現(xiàn)實世界的理解能力是極強(qiáng)的。如果這樣的模型去操作物理世界，唯一剩下的就是物理世界怎么把接口給 AI 打開。

距離還有多遠(yuǎn)？我覺得山雨欲來。

APPSO：你們自己的工作因為 agent 發(fā)生了怎樣的變化？

擇因：建立在 agent 能力自由、有執(zhí)行規(guī)范，并且有一些嚴(yán)格的約束這三件事的前提之上，我們在 agent 自我迭代，也就是讓 Agent 自己開發(fā)自己這件事上達(dá)到了很好的閉環(huán)。你會不斷試探它的底線，交給它越來越復(fù)雜的任務(wù)，它的達(dá)成效果越來越好，我們的預(yù)期也越來越高，進(jìn)入了一個非常高的正反饋循環(huán)。

以及連接飛書了之后，你跟它聊天、它向你匯報工作，這種體驗的情緒價值是極強(qiáng)的。

但最重要的，是我們從過去迫使模型、agent 和我們一起干活，變成我們可以更多深度思考我們的工作，對工作進(jìn)行抽象和模式識別，形成 skill 和規(guī)范——每一個人都變成了更加 senior（資深）的工作者。

APPSO：像你說的，如果 agent 越來越強(qiáng)，甚至自我進(jìn)化，大部分人類都將無法追上它。那到時候人類應(yīng)該做怎樣的提升才能跟得上時代？新的工作范式會是什么樣？

擇因：Mavis 上線后我去了新西蘭 10 天，那里沒有任何的 AI 和 agent，但我過得很快樂。那么我覺得，到時候或許人類只要去享受 agent 提升的效率帶來的便捷性就夠了，大家完全可以去干其它更感興趣、更符合人性的事情。

跟你說個現(xiàn)象：有些大廠開始招高中畢業(yè)生參與研學(xué)了。基于此我還有一個推演：將來大學(xué)本科生畢業(yè)之后，可能要「付費(fèi)再上兩到三年班」，成為一個 senior 之后，才能開始上班賺錢。

APPSO：你覺得未來的就業(yè)市場會成這樣？

擇因：這是在當(dāng)前教育體制下，我回答你「agent 效率高過人類」這個問題的一個推演。這個情況在一開始聊的視頻剪輯領(lǐng)域，其實已經(jīng)發(fā)生了。

「付費(fèi)上班」的意思是，首先你的 token 消費(fèi)可能最初是由自己買單，等同于交學(xué)費(fèi)。如果 agent 的能力真的全面趕超人類，聰明的公司算筆賬都不會再招初級員工，這才是最可怕的。到那時候，你要先成為資深員工，而這個過程可能需要自己付費(fèi)。

當(dāng)然這是基于現(xiàn)有的教育體制。那么會發(fā)生兩種情況，一就是大家享受 AI 帶來的效率，去創(chuàng)造更多更有人文情懷的事物；二是教育制度層面或許會發(fā)生一些創(chuàng)新。

APPSO：太有意思了。最后有個開放問題：如果你能掌握無限制的算力，訓(xùn)練或推理都行，并且可以以親民的價格向用戶提供，你想做什么？

擇因：這個回答和 MiniMax 關(guān)系不大。我可能會把它用在推理上。

之前翁家翌提到（很多人也提過），人類的命運(yùn)是可以被計算的：你的基因序列、傾向性、性格、激素水平可以測算；你的家庭條件，父母對你的影響（通過語言和肢體動作）也可以計算；你所處的環(huán)境是可量化的，小城市還是大城市、教育水平如何等等——在集齊了這些要素之后，每個當(dāng)下的人的后續(xù)行為都可以預(yù)測。

我不是要用這個去預(yù)測別人，我希望它成為每個人的分身，可以把我的一切過往經(jīng)歷和生理資料都給它，在遇到?jīng)Q策點(diǎn)時去跟它討論。

我之前是一個美團(tuán)程序員，我可以跳槽去互聯(lián)網(wǎng)公司或者考公（計算機(jī)還挺吃香），但這些決策更多因為我的過往認(rèn)知。但是否存在一些我想不到的可能性，能夠被建模、預(yù)測出來？

這就是我想做的，我覺得這才是真正解放人類的一環(huán)。人有生老病死，我們認(rèn)為人生是一條單行線。但其實每個分支點(diǎn)都可能展開不一樣的平行人生。

以及前面這些沒有考慮意外。意外反而是最大的、不可預(yù)測的。我希望我做這個東西能夠拯救因為意外而導(dǎo)致所有要素不再成立的人。從「肥尾效應(yīng)」的角度來看，小概率事件才真正支配了我們大部分時間。它能讓我們更多的關(guān)注點(diǎn)放在這些小概率但顛覆性的事件上，因為大概率的事件是能被算出來的。

APPSO：有點(diǎn)《少數(shù)派報告》《超驗駭客》，所以你會希望你的每一步都走對嗎？

擇因：不一定。我更希望能知道我在認(rèn)知之內(nèi)能做什么選擇，認(rèn)知之外能做什么選擇。

認(rèn)知之外的就是驚喜。我想做的東西，對你不就是個驚喜嗎？

文｜杜晨

duchen@ifanr.com 18515419580

我們正在招募伙伴

簡歷投遞郵箱hr@ifanr.com

?? 郵件標(biāo)題「姓名+崗位名稱」（請隨簡歷附上項目/作品或相關(guān)鏈接）