文 ｜ 闌夕

發(fā)布一周之后，MiniMax M2.5登頂OpenRouter調(diào)用榜第一，開發(fā)者們用M2.5燒掉了超過3T的Tokens，比第二名到第四名加起來還多。

這種指數(shù)級的增長，對應(yīng)的自然也是指數(shù)級的需求，就在國內(nèi)大廠為了這個春節(jié)檔一擲千金沖用戶量的同時，以MiniMax為代表的「后輩們」已經(jīng)站在了全球舞臺的正中心。

另一個原因當然是疊加了OpenClaw的火爆周期，喊了一整年的Agent概念，誰也沒能預(yù)料得到，Agent的應(yīng)用場景會以這么一種計劃以外的方式降臨，畢竟沒有人會拒絕讓AI變成全年無休的賽博牛馬，而且還不止一匹。

如果說撞上OpenClaw是幸運的巧合，那么不放過這次機會就是必然的使命了，從MiniMax Agent加急更新的功能來看，這家模型廠商是要趁火打劫——不對，是趁熱打鐵——的吃掉這輪增長蛋糕的最甜部位。

無論是開發(fā)者對于Tokens的欲望，抑或模型回應(yīng)以吞食市場的欲望，讓人想起法國作家卡諾納那寫過的那句話：「僅就欲望的自身來看待它，我覺得欲望意味著力量、能量和對快感的承諾。」

很難說是不是已經(jīng)形成了共識，但在AI行業(yè)的局部判斷里，世界線進入2026年，已經(jīng)是和以前完全不同了。

MiniMax Agent新發(fā)布的Expert（專家）能力，相當于模型自有的Skills，集成了專業(yè)化的工作流和SOP，即插即用。

在此之上，MiniMax還新配了MaxClaw模式，便于用戶把自己的Expert直接安裝到OpenClaw的生態(tài)里，不再需要手動部署。

只能說但凡體驗走完這套賽博牛馬領(lǐng)養(yǎng)流程，就能理解為什么M2.5的Tokens消耗量能夠突破天際：真的是每一分鐘都在玩命計算，而帶回來的體驗和回報也是真的停不下來。

舉個例子，很多新讀者會說他們對于AI的焦慮：知道AI很重要，卻不知如何入手，一不留神就去買課了，最后拿著一堆包漿的提示詞，仍然不知所措。

我會經(jīng)常把「通往AGI之路」當成系統(tǒng)性入門的材料推薦給他們，這大概是沒毛病的，但是隨著幾年下來的積累，「通往AGI之路」的內(nèi)容厚度也變得空前龐雜，消化本身也變成了一種成本。

你必須要有理解，才能開始理解，這是AI向下普及的過程里難以避免的卡頓，何嘗不是又一種「卡拉贊畢業(yè)才能打卡拉贊」的悖論？

直到MiniMax的這波更新，我索性創(chuàng)建了一個MaxClaw「AGI私教」，讓它定制為期一周、高度個性化的學習課程，在交互性的幫扶下，從淺到深地學完「通往AGI之路」，全程都在飛書里打卡完成。

可以看到，從定時的課件推送，到實時的拆解追問，再到每天的自動追更，全都暢通無阻，真正做到了「一次配置、終生受用」。

AI可以是光彩奪目的新技術(shù)，但用AI的方式大可不必獨孤求敗，有的時候，「水電煤」的普惠路徑，或許更容易讓人親近和受用。

即使是把Expert廣場當成一個創(chuàng)意庫來用，它的豐富供給也足以激發(fā)源源不斷的驚喜。

比如「鏢人」電影的出圈，讓很多以為自己早已老去的武俠迷們——包括我自己——重燃熱血，然后就發(fā)現(xiàn)完全可以用多個Expert來組建完全服務(wù)于我的AI漫劇團隊。

我可以配置專門的Expert去蹲守訂閱網(wǎng)文的連載，然后在第一時間把更新章節(jié)改成分鏡腳本，并由導演編排本集劇情，按風格生成圖片和視頻，最后交付完整的一條AI漫劇。

在我的視角里，整個流程就是，我會在飛書里收到提醒，知道今天有哪一部作品更新了，在看完之后還能額外欣賞一部影像化的復(fù)刻漫劇。

只能說，這個「坐上來自己動」的自動化體驗，只有被騎過的才知道是真的好。

而且對于要求更高的用戶來說，隨時接管也是一個合理的可選項，你甚至可以把分鏡作為參考，在其他模型里生成視頻，再回喂給這邊的AI漫劇導演，讓它繼續(xù)根據(jù)上下文來做剪輯。

多提一句，MiniMax是國內(nèi)的「AI六小虎」里唯一一家在文本、圖片和視頻的多模態(tài)模型上都有建樹的公司，從谷歌、阿里等巨頭的研究成果來看，在一個基座模型上訓練所有模態(tài)——而不是分類單獨訓練——是一個正確且先進的趨勢，也是沒法偷懶的必經(jīng)之路。

也就是說，MiniMax Agent的多模態(tài)能力，不但為用戶和開發(fā)者提供了把想象變得可行的機會，本身也有利于指導基座模型的研發(fā)和迭代，成為MiniMax的技術(shù)護城河。

除此之外，在試用了爆款獵手、投研團隊等預(yù)設(shè)Expert之后，我只想說，人找信息和信息找人的關(guān)系，已經(jīng)徹底地重組了，那個惋惜RSS的舊世界，恍若上個世紀。

AI一日，人間十年，火山頻頻噴出巖漿的地面以下，是歌舞升平的靜水流深。

GPTs的推出好像已經(jīng)是上個世代的事了，那些驚呼App Store要完蛋了的定論歷歷在目，而Skills的興起又把所有敘事幾乎完全相同的重復(fù)了一遍，于是大家又去復(fù)讀Karpathy的推文，是的，在蘋果和谷歌不知道的情況下，應(yīng)用商店的時代又結(jié)束了一次??

1990年，未來學家托夫勒在「權(quán)力的轉(zhuǎn)移」一書里首次提出了「數(shù)字鴻溝」的概念雛形：因為接入、使用互聯(lián)網(wǎng)技術(shù)的條件不同，加劇了新興財富和階層分化。

按照「數(shù)字鴻溝」的說法，從GPTs到Skills，從一段提示詞到一套技能組，那條擋在普通人面前的深谷并沒有變得更窄，而是裂得兩端愈加遙遠。

這是科技行業(yè)有史以來第一次出現(xiàn)了技術(shù)發(fā)展方向和體驗下沉方向背離的現(xiàn)象，都說AI會成為下一個操作系統(tǒng)，然而AI開始用上了類似Dos視窗的CLI環(huán)境，這種「返祖」趨勢多少有些諷刺。

所以當部署OpenClaw成了閑魚上的熱賣鏈接之后，MiniMax要把最前沿的Agent生態(tài)重新做成「開箱可用」的產(chǎn)品，這才是有普惠價值的做法。

換句話說，一頭扎入新的土地探索未知固然值得欣賞，在點亮的地圖上填滿適合住人的帳篷，可能同樣重要。

MiniMax選擇了UGC模式——任何人都能制作自己的Expert，并分享給任何人接入OpenClaw，甚至兼容原生Skills——這很開放，相當于在網(wǎng)頁端就能快速起步，讓用戶以最低的成本用上這些天來只聞其聲、不見其形的那只「龍蝦」。

歡迎用我創(chuàng)建的Expert「AGI私教」。

根據(jù)官方公布的數(shù)字，短短幾天內(nèi)，就有超過1萬個Expert被創(chuàng)建到MiniMax Agent，而且還在高速增長中，加上可以擴展到飛書、釘釘?shù)葒a(chǎn)辦公產(chǎn)品里使用，一切都在欣欣向榮。

古老的地球曾是一片不毛之地，海洋的形成，就是填滿了一個個鴻溝裂谷，水大魚大，才有龍蝦成群的豐富生態(tài)。

也是在這幾天，谷歌開始「斷供」OpenClaw的消息越鬧越大。

DeepMind的工程師Varun Mohan出來解釋，表示谷歌的協(xié)議明確反對「Token套利」，而將Gemini模型接入OpenClaw之后不眠不休的工作行為，就命中了這道禁忌。

當然市面上也有基于利益關(guān)系的猜測，認為是OpenClaw的創(chuàng)始人被OpenAI「詔安」在前，谷歌不愿意幫助提升核心競爭對手的業(yè)績了。

這說明什么？

AI沒有邊界，但AI主理人有??

無論如何，Tokens，是在成為AI時代最有性價比的杠桿，一個人可以調(diào)用的Tokens，決定了他的生產(chǎn)力上限，在這個巨變中，有人站在歷史的正確一面，也有人并沒有這么選。

而MiniMax，也在做會讓歷史記住的事情。