终于不用对着AI狂打「继续」了。
MiniMax刚推出的新Agent叫Mavis，名字挺有意思——MiniMax as a Jarvis。我试了个懒办法：丢给它一句话，让它基于官方博客做个HTML专题页，然后就去午睡了。结果28分钟后回来，它回了一句「完成了」。不是分段交付，不是中途请示，是真的一次跑完，图文并茂还能交互。
但侧边栏冒出一堆对话框，我才反应过来：这不是一个Agent在干活，是它自己组了个团队。
三个角色分工：Leader统筹、Worker执行、Verifier验收
Mavis的核心设计是Agent Team。Leader是第一话事人，负责收任务、拆目标、派活儿。Worker分角色干活——内容、设计、代码各管一摊。Verifier中间介入，从事实准确性、页面可读性、代码可运行性几个角度验收，最后出报告。
我的任务用了3个Worker：一个写内容，一个做设计，一个生成HTML。全程没让我说「继续」，没让我纠偏，内部自己开会、分配、迭代。最后交付的页面带星尘背景、粒子动效，还做了step时间线脉冲效果，甚至自己准备了下载链接。
单Agent做这事，我大概要说十几次「继续」，还得反复纠错。现在这些全被内部消化了。
价格没想象中离谱
多Agent第一反应是Token烧不起。MiniMax这次把Token Plan和Agent Plan合并了，一份订阅CLI、API、Agent全打通，M2.7、音乐、视频、语音模型都包含，Credits额度共享。之前双订的用户，额外送一个月。
单Agent的三大崩溃瞬间
这事之所以戳中痛点，是因为长程任务一直是AI用户的噩梦。MiniMax在技术博客里总结了三个典型场景：
一是Agent总偷懒。写三段就停，问「需要继续吗」，一晚上一半时间在打「继续」。二是长任务越跑越笨。一开始聪明，跑着跑着变成带一个容易分心的人，得不断追问「刚才的要求还记得吗」。三是冷暴力。IM里要么30秒丢个浅答案，要么等10分钟没反馈，不知道干到哪了。
根子不在模型能力，是架构问题。单Agent有上下文焦虑——训练超长任务成本太高，模型对「什么时候算做完」判断模糊，怕干崩Token就中途停下请示。即便狂灌上下文，底层注意力机制也会导致长上下文下Agent走神，只能压缩上下文，但会丢信息。更麻烦的是自我制衡困难，又当选手又当裁判，检查的是自己刚构造的东西。最后，长任务和当前对话绑在同一个上下文里，没法边干边聊。
Mavis的做法是换架构：让一群Agent互相PUA，用户只跟Leader说话就行。
热门跟贴