機器之心編輯部

如果說 2025 年是 Agent 落地元年，那么剛剛開始的 2026 年勢必迎來新一輪爆發(fā)。

一開年，Agent 賽道便進入到了白熱化的競爭，國外如 Anthropic 發(fā)布 Cowork，國內(nèi)如千問 APP 上線「任務(wù)助理」。在這一背景下，市場出現(xiàn)了分化，或?qū)Ｗ⒂诠ぷ魈嵝В蚓劢褂谌粘Ｉ铙w驗重塑。

在這個紅海市場，10 多天前登陸港股的國產(chǎn) AI 大模型獨角獸 MiniMax 選擇的路線是「將釋放生產(chǎn)力進行到底」。

1 月 20 日，MiniMax 揭開了其第二代智能體產(chǎn)品 ——MiniMax Agent 2.0 的面紗，為這個火熱的 AI 賽道添加了又一個生力軍。此次的更新被定義為了一個「AI 原生工作臺」（AI-native Workspace），從產(chǎn)品形態(tài)和能力分布上進行了深度重構(gòu)。

這個全新的工作臺不再像過去那樣依賴簡單的 Chat 式對話框，而變身為能感知本地環(huán)境、自主拆解復(fù)雜任務(wù)且提供專家級專業(yè)技能的進階型智能協(xié)作伙伴。這些能力實現(xiàn)的背后立著以下三大核心支柱：

首先是桌面端應(yīng)用「MiniMax Agent Desktop」，它讓 Agent 跳出了瀏覽器網(wǎng)頁，而能在操作本地文件和本地環(huán)境的同時啟動網(wǎng)頁自動化任務(wù)。這意味著，該 APP 實現(xiàn)了本地與云端之間的無縫連接，通過一個全局視角滲透到各個職能角色的核心工作流中，將人類從「在不同窗口間切換、復(fù)制粘貼、點擊按鈕」的重復(fù)勞動中解放出來。

MiniMax 桌面端已經(jīng)上線了 Windows 和 Mac 雙版本。

其次是「Expert Agents」 ，打造垂直領(lǐng)域的頂級專家分身。Expert Agents 超越了現(xiàn)有預(yù)設(shè)的 Multi-agent 的 Pro 模式，通過封裝私有知識和行業(yè)獨家 SOP（標準操作流程），用專家級的知識、能力和經(jīng)驗儲備來武裝用戶。

MiniMax 表示，1.0 時代依賴的 Multi-agent 多專家系統(tǒng)只能提供 70 分的通用專家組合，現(xiàn)在借助 Expert Agents 可以將這一分數(shù)拉升到 95 分甚至 100 分，可靠性有了質(zhì)的提升。并且官方還會提供大量開箱即用的 Expert Agents，降低了操作門檻，上手更輕松。

用戶現(xiàn)在可以在桌面和網(wǎng)頁雙端限時免費體驗 Expert Agents 功能。

最后定義自己的 Expert Agents，通過更多的上下文信息和更自由的自定義設(shè)置，讓 Agent 在更懂你的基礎(chǔ)上提供個性化的專家服務(wù)。

如果說去年發(fā)布的 MiniMax Agent 1.0 定義了「靠譜的 AI 伙伴」，如今的 2.0 在同樣確保結(jié)果的準確性之外，在 AI 原生自動化執(zhí)行的廣度、深度、專業(yè)度上來了波全方位加強。

一手實測：這個 Agent 真是能文能武

表現(xiàn)如何還得看實戰(zhàn)。打開 MiniMax Agent 官網(wǎng) ，下載最新上線的 MiniMax 桌面端，即可開啟 AI 原生工作臺體驗，重塑工作流。

官網(wǎng)地址：https://agent.minimaxi.com/

安裝完成后，在引導(dǎo)界面可以看到 MiniMax 桌面端已經(jīng)深度打通本地文件，我們只需選定一個工作目錄，即可讓 AI 讀取、分析、批量處理該目錄下的所有文件。這一設(shè)計體現(xiàn)了其打造「AI 原生工作臺」的核心思路。

下面就開始測試吧。

作為一家媒體，我們的日常工作中一大很重要的任務(wù)是刷選題，直接輸入下面的提示詞，看看我們能否在 MiniMax 桌面端中讓 Agent 自主實現(xiàn)這個定時任務(wù)，提升我們刷選題的效率。

每天 9:00 為我提供過去 24 小時內(nèi) AI 領(lǐng)域的重點新聞?wù)�。每條新聞提煉一個核心要點，并附帶網(wǎng)絡(luò)檢索來源，確保清晰易讀

4 倍速視頻

僅僅 2 分多鐘，MiniMax 的 Agent 就成功完成了任務(wù)，正確編寫了腳本并進行了可行性測試。不僅如此，該 Agent 還給出了后續(xù)實現(xiàn)定時任務(wù)的教程，讓我們只需一些復(fù)制粘貼，即可在我們的設(shè)備上將這個 AI 任務(wù)變成每天上午的日常。下圖總結(jié)了此次任務(wù)的執(zhí)行結(jié)果：

而作為一家專業(yè)的人工智能媒體，讀論文也是我們的一個日常，接下來我們試了試讓 MiniMax 桌面端分析解讀 MiniMax-M1 背后的技術(shù)脈絡(luò)。

這是 MiniMax-M1 的技術(shù)報告 https://arxiv.org/pdf/2506.13585，研究其參考文獻，了解其背后的技術(shù)，然后制作一個網(wǎng)頁，展示 MiniMax-M1 背后的技術(shù)進化圖譜，務(wù)必盡量往前追溯。

很顯然，這個任務(wù)會更加復(fù)雜一些，耗時大概 6 分鐘。

4 倍速視頻

在執(zhí)行過程中，Agent 首先分析了任務(wù)需求，然后調(diào)用工具下載了指定文檔，之后對文檔進行了分析解讀以及技術(shù)追溯。之后，它又按照要求編寫了一個網(wǎng)頁來進行了展示。

最后，MiniMax 的 Agent 為我們創(chuàng)建了這樣一個網(wǎng)頁，：

不僅如此，該 Agent 還自動在 MiniMax Space 上部署了這個網(wǎng)頁， 讓我們可以直接使用和分享這個網(wǎng)頁：https://sqwu1jsy96cd.space.minimaxi.com/

這種從研讀到交付的閉環(huán)能力，展現(xiàn)了其在任務(wù)執(zhí)行上的工程深度。

當然，得益于工作目錄的設(shè)計，MiniMax 桌面端不僅能處理單篇論文，更能直接處理一個裝滿文件的文件夾。舉個例子，我們的日常工作將會積累很多選題，其中包括一些高質(zhì)量的技術(shù)博客，使用以下提示詞，我們可以讓 MiniMax 將這些博客從文檔中提取出去，并制作成精美的 PPT 進行展示。

這是我們近幾個月的日常選題整理文檔，請梳理出其中所有的技術(shù)博客，并訪問每篇技術(shù)博客的內(nèi)容，給出簡短的內(nèi)容整理。將結(jié)果整理成一個 PPT，每一頁展示一篇技術(shù)博客，其中應(yīng)包括一些引用自博客的圖片或截圖、博客標題和鏈接以及內(nèi)容簡介。使用莫蘭迪色系。

這個任務(wù)就更加復(fù)雜了，而且非常繁瑣，也因此我們此前都沒去處理。而在 MiniMax 桌面端的幫助下，我們僅用 23 分鐘時間就完成了整個任務(wù)。

16 倍速視頻

可以看到，我們的初始文件是一大堆的 docx 文檔，MiniMax 桌面端首先調(diào)用工具將所有這些文檔轉(zhuǎn)換成了 LLM 最喜歡的 markdown 格式，然后讀取詳細內(nèi)容，并提取出了分散在各個文檔中的技術(shù)博客。之后它繼續(xù)調(diào)用工具，讀取了文檔中這些技術(shù)博客鏈接的具體內(nèi)容。之后它繼續(xù)推進，將這些內(nèi)容總結(jié)成了適合制作 PPT 的文案，接下來，還是調(diào)用工具，它使用這些文案生成了圖像和演示 PPT。

至于效果，可以說是超乎想象地好。

通過以上測試示例，我們看到了 MiniMax 桌面端在日常工作中對我們的強大助益，同時，我們也看到了將 Agent 接入本地計算機的無限可能性。

舉個例子，對以上視頻的加速處理，我們也完全是通過 MiniMax 桌面端完成的。而我們所做的，不過是輸入了這樣一段提示詞：

處理一下文件夾中的視頻：將 MiniMax-1 和 2 加速 4 倍，將 3 加速 8 倍，將 4 加速 16 倍。我本地已經(jīng)安裝 ffmpeg。

Agent 精準識別了本地環(huán)境中的工具路徑，并生成了對應(yīng)的處理指令。無需用戶手動輸入復(fù)雜的命令行參數(shù)，視頻加速任務(wù)便在后臺安靜、高效地完成了。

最后，我們還簡單嘗試了 MiniMax 提供的專家 Agent 創(chuàng)建能力。據(jù)介紹，該功能「允許用戶構(gòu)建在特定領(lǐng)域達到 95 分甚至 100 分的領(lǐng)域的專家 Agent。不僅僅是簡單的 Prompt 調(diào)整，而是深度的知識與能力注入�！�

創(chuàng)建過程非常簡單直觀。在對話框左下方選擇「子代理」→「管理子代理」，即可創(chuàng)建出可以多次復(fù)用的 Agent，比如這里我們簡單創(chuàng)建了一些「專家」。而在每個 Agent 的配置中，我們也可以選擇啟動不同的工具。

之后，我們只需在開啟任務(wù)之前選擇我們想要使用的子代理，即可將相應(yīng)的 Agent 納入到我們的工作流程中。比如在下面的例子中，我們啟用了上面配置的一系列專家，然后讓它們圍繞「AI 究竟是什么」進行了一系列深度探討。這時候，MiniMax 本身會化身這場多智能體討論的主持人，通過在探討中調(diào)用不同配置的子代理，實現(xiàn)對這一話題多視角反復(fù)深度討論。

這項能力具有巨大的想象空間。它意味著用戶可以將行業(yè)經(jīng)驗、部門 SOP 甚至復(fù)雜的業(yè)務(wù)邏輯轉(zhuǎn)化為可調(diào)用的模塊。當用戶面對一項復(fù)合任務(wù)時，不再是與一個通用模型交談，而是指揮一支由特定領(lǐng)域?qū)＜医M成的數(shù)字團隊。這種從「單點能力」向「專家協(xié)作」的轉(zhuǎn)變，為大模型在專業(yè)垂直場景的落地提供了更具實操性的路徑。

整體體驗下來，我們看到 MiniMax Agent 能夠理解復(fù)雜的 SOP 流程，自主調(diào)用本地與云端工具，將原本需要多款軟件協(xié)作的任務(wù)濃縮在單一的提示詞輸入框中。這種以任務(wù)完成率為核心的設(shè)計，正是 MiniMax 試圖定義的 AI 原生工作范式。

從刷分到會干活：MiniMax 正在重新定義 AI 能力邊界

總結(jié)來看，MiniMax Agent 2.0 并不是在展示它想得有多聰明，而是在證明它能把事做到哪一步。

在 Agent 2.0 的工作方式里，AI 不再等待人類一次次補充上下文，而是主動進入工作環(huán)境，理解你的文件、網(wǎng)頁、工作流程，持續(xù)推進任務(wù)本身。你只要給出一個指令，剩下的拆解、執(zhí)行與跟進，交由 Agent 在 Workspace 中完成。

這也解釋了為什么 MiniMax 要把 Agent 2.0 定義為 AI-native Workspace。

這背后，是MiniMax 在模型層面的持續(xù)升級，以及一套在內(nèi)部真實運轉(zhuǎn)的工作方式

去年 6 月提出的 Lightning Attention 將長序列計算成本從二次方降為線性，讓 Agent 不再失憶；10 月發(fā)布的 M2 定位為 Agent & Code Native，采用交錯思維機制和 MoE 架構(gòu)（230B 總參數(shù)、10B 激活），API 價格僅為 Claude Sonnet 4.5 的 8%；12 月的 M2.1 則向 Rust、Java、C++ 等后端語言深入，使得模型具備全棧工程能力。

而這些能力，首先被 MiniMax 自己用在了內(nèi)部。模型被直接嵌入研發(fā)與辦公的核心流程，從寫代碼、拆需求到跑 Agent 任務(wù)。據(jù)了解，在過去數(shù)周內(nèi)，MiniMax 內(nèi)部接近 100% 的同學(xué)開始使用 Agent 實習生。

這樣一來，模型能力的每一次升級，都會在真實業(yè)務(wù)中被高頻使用和反復(fù)打磨，而內(nèi)部產(chǎn)生的反饋，又返回到下一輪模型和系統(tǒng)設(shè)計上來，形成了一條快速自我強化的迭代閉環(huán)。

此次 MiniMax 定義的「AI 原生工作臺」將掀起一場對 AI 參與高復(fù)雜度工作的價值重構(gòu)。其中一點是交互邏輯發(fā)生了變化，從「人要被動適應(yīng) Agent」變?yōu)椤窤gent 主動適應(yīng)人」。另外通過定制化的 Expert Agents，專業(yè)壁壘被打破，普通人無需經(jīng)歷漫長的學(xué)習就能獲得行業(yè)頂級的知識與經(jīng)驗。

文中視頻鏈接：https://mp.weixin.qq.com/s/I2RgH04J2l5mG1x492T17A