2026年的AI行业，迭代速度早已突破常理。
Vibe Coding成为行业标配，代码智能体赛道内卷白热化：Claude Code、Codex、Cursor正面厮杀，Trae、Qoder、CodeBuddy接踵入局。行业热词快速迭代，去年还是人人追捧的Skill（技能），如今已然被Harness（工程脚手架）取而代之，成为定义AI能力的核心关键。
当下大模型的能力差距正在无限收窄，Opus、GPT、Qwen、GLM、Kimi、MiniMax等主流模型，在代码编写、复杂任务处理等核心能力上基本持平。真正拉开头部企业差距的，早已不是模型底层算力与基础能力，而是包裹在模型外层的Agent工程架构与落地范式。
一份针对Claude Code泄露代码的拆解数据极具颠覆性：真正由模型自主决策的代码仅占1.6%，剩余98.4%的核心能力，全部来自权限管控、上下文管理、错误兜底的Harness脚手架系统。
范式迭代之下，新一代自主Agent产品集中爆发，Grok Build、Qoder 1.0、TRAE SOLO接连上线，一向低调的DeepSeek也大规模扩招Agent研发团队，全行业正式进入Agent架构决胜时代。
在这场行业剧变中，MiniMax率先跳出内卷，在M2.7模型阶段提前落地自研Agent Team对抗式架构，无需等待M3迭代，提前向行业输出全新认知与落地范式。APPSO专访MiniMax Agent核心研发工程师择因，深入拆解Agent Team的技术内核、行业差异化思路，直面人机竞争、就业重构、行业壁垒等核心命题，更抛出终极思考：当Agent全面超越人类，人类将何去何从？
一、架构即认知：Leader-Worker-Verifier对抗式架构，根治行业顽疾
当下主流多Agent产品，大多依赖提示词角色扮演编排，极易出现上下文污染、上下文焦虑、智能体共谋、长程任务失效等痛点。而MiniMax自研的Agent Team，核心是一套Leader-Worker-Verifier（领导-执行-验证）对抗式架构，通过职责拆分、上下文隔离、状态机管控，从底层解决行业共性难题。
谈及为何不等M3模型迭代，提前在M2.7上线架构，择因表示，这是MiniMax的核心节奏：相较于模型版本迭代，行业认知输出、核心用户沉淀更为重要。这套架构已在内部稳定运行一个月，经过充分实战验证，提前发布是为了持续向行业传递最新落地认知，沉淀核心用户生态，后续还将考虑开源整套Agent Team架构，推动行业共识升级。
不同于传统Agent工作流的刻板线性执行，MiniMax架构实现了确定性约束+高自由度协同的完美平衡。在运行层面，整套系统由固化的代码状态机管控，拥有严格的执行规范与准出标准，杜绝模型随意发挥、偷懒糊弄；在协作层面，所有智能体可自由通讯、动态联动，彻底打破传统工作流“步骤卡死、无法变通”的弊端。
择因以实战场景举例：传统Agent工作流遇到代码缺包、环境报错等问题会直接卡死停滞，而MiniMax的Worker与Verifier可主动识别问题、同步预警，避免其他智能体重复踩坑；面对长期研究任务，Leader可随时接收用户新指令、打断现有流程、重构任务编排，无需重启整个工作链路，人机协同灵活性大幅提升。
针对长程任务的“上下文焦虑”痛点——模型因上下文过载、轨迹冗余而消极怠工，MiniMax通过上下文隔离机制彻底破解。Agent上下文分为用户指令、生产资料、执行轨迹三部分，系统自动隔离无效错误轨迹，避免不同智能体之间互相干扰、信息污染，保障长时任务稳定高效运行。
为解决同源智能体“共谋摆烂”问题，团队依托成熟提示词工程+明确停止条件，实现真正的对抗校验：Worker的核心目标是完成任务，Verifier的核心目标是排查漏洞，二者职责完全对立、相互制衡。同时开放自定义权限，用户可根据场景自主设定对抗强度与停止条件，系统会通过Skill沉淀用户习惯，持续优化执行逻辑，适配千人千面的使用需求。
这套架构落地后，带来了全新的工作范式：用户只需设定可量化、可观测的准出标准，即便部署夜间复杂任务，多智能体团队也能自主运转、迭代校验，次日即可交付完整成果，彻底重塑了人机协作效率。
值得一提的是，MiniMax全模态特性催生了大量意料之外的C端场景：用户利用Agent Team生成超长视频、制作古文诗朗诵音频，这类兴趣向、创作向的落地案例，让智能体不再局限于代码、办公等工具场景，同时“多员工协同打工”的体验，为用户带来了极强的情绪价值。
二、行业范式对比：Anthropic过度约束，OpenAI极简循环，MiniMax走出中间最优解
随着Claude Code跟进推出Verifier校验机制、动态工作流架构，行业头部玩家的Agent设计思路出现趋同，核心都指向“分工校验、代码级编排”。但择因指出，看似相似的架构之下，各家设计哲学、落地细节天差地别，这正是未来行业差异化竞争的核心。
目前行业形成了两种极致的Agent搭建思路，各有优劣且弊端显著。Anthropic骨子里对模型持不信任态度，预设模型会作弊、偷懒、耍小聪明，因此在Harness中层层加码约束、叠加规则。最终形成悖论：拥有顶级模型能力的Opus 4.7，在超长任务中反而容易出现黑天鹅问题，稳定性不足。
而OpenAI的Agent思路极致极简，仅保留基础的Agentic Loop循环架构，无多余约束。依托GPT 5.5极强的遵循度与主动性，极简框架就能榨干模型全部能力，在编码、复杂生产任务中表现极致稳定、极少摆烂。
MiniMax走出了兼顾信任与约束的第三条路径：充分信任模型能力，赋予智能体与人类一致的操作权限，释放其自主创造力；同时通过成熟的脚手架状态机、校验机制、停止条件，设置合理边界，规避模型缺陷。既不会因过度约束限制能力释放，也不会因放任自由导致执行失控。
针对业内“Anthropic模型强、工程弱”的普遍评价，择因认为不能一概而论。Claude Code泄露代码中暗藏大量未公开功能，其内部工程版本体验大概率优于公开版本。同时他强调一个核心行业规律：顶级Agent需要适配懂脚手架的顶级模型。去年Skill机制落地时，Sonnet 4.5与4.6的体验差距极大，模型能力跟不上架构迭代，再先进的工程设计也无法落地价值。当下行业共识迭代速度远超模型迭代速度，这是所有玩家需要面对的核心问题。
三、无壁垒时代：Agent无技术壁垒，胜负手在细节与组织效率
行业普遍追逐Agent技术、搭建差异化架构，但择因直言一个颠覆行业的真相：当下Agent赛道不存在绝对技术壁垒。
他引用一篇71页的行业顶会论文《Agent Harness Engineering:a Survey》表示，目前所有Agent的核心原理、架构逻辑、落地范式，均已被完整总结、公开透明，全行业可快速复用、跟风迭代。行业共识的形成速度越来越快：Skill机制普及用了半年，龙虾模型共识仅用一个半月，多Agent架构共识成型只用一个月，不存在任何独家技术护城河。
真正拉开差距的，一是落地细节的深耕能力，在统一行业共识下，谁能把通用架构做深、做透、适配更多场景，谁就能抢占优势；二是企业组织效率，模型赛道下半场不再是单点技术比拼，而是团队执行力、目标统一性、迭代效率的综合竞争。组织承压能力不足、资源内耗的团队，终将被快速迭代的行业淘汰。
而让所有模型公司产生“存在主义危机”的，是OpenClaw的崛起。非模型行业出身的个人开发者，凭借精细化的场景落地、生态适配（打通飞书、微信等办公生态），做出了全网用户量最大的Agent产品，甚至反向推动飞书官方迭代接口协议、优化模型适配能力。这足以证明：Agent的核心竞争力，从来不是底层模型，而是场景落地与生态适配能力。
对于DeepSeek等新晋发力Agent赛道的玩家，择因表示，模型公司布局Agent是必然趋势。Agent的核心价值有二：一是百分百适配、放大自有模型能力，让模型摆脱闲聊、角色扮演等浅层场景，落地严肃生产任务；二是大幅提升模型Token消耗量与订阅规模，形成“模型能力- Agent落地-数据反馈-模型迭代”的正向闭环。
针对大厂“赛马式、养蛊式”的Agent研发模式，择因保持理性态度。多数大厂的多产品布局存在资源内耗、目标分散问题，大量Agent产品无法闭环赋能模型训练，仅停留在表层功能堆叠。但不可否认，大厂在B端Agent场景的投入具备明确商业价值，落地收益更为直接。
四、开源红利消退：国产模型告别盲目开源，创新转向认知输出
回顾近两年国产大模型的崛起，开源是核心助推器。但择因预判，国产模型的开源红利期即将落幕，行业玩法将迎来根本性转变。
行业早期，国内模型企业作为追随者，通过开源快速积累用户、沉淀生态、补齐技术短板。但随着行业进入存量竞争、价格战临近，盲目开源的行业风气将逐步消退。未来头部模型企业不会再轻易开放权重、训练框架等核心资产，但会持续通过论文、技术解读、架构公开等方式，向行业输出创新认知，维持行业影响力。
这也是MiniMax不等M3迭代、提前公开Agent Team架构的核心逻辑：模型能力可以不开源，但前沿的技术认知、落地范式需要及时共享，引领行业共识升级。
五、未来预警：Agent全面超越人类，“付费上班”时代或将到来
当被问及《Her》《钢铁侠贾维斯》式的终极Agent距离现实还有多远，择因给出了乐观判断：真正的智能时代，山雨欲来，已然临近。
偏情感陪伴的《Her》式智能体，目前的多模态交互、场景适配能力已基本接近；而连接物理世界、实现全域操控的贾维斯式Agent，随着全模态模型的迭代突破，未来只需打通物理世界交互接口，即可快速落地。当下GPT Image 2等模型的实景理解、生成能力已趋近真实世界，足以支撑物理场景的智能交互。
AI Agent的飞速进化，正在彻底重构人类工作范式。MiniMax团队内部早已形成全新工作模式：不再需要人工机械执行繁琐任务，人类的核心价值转变为任务抽象、规则制定、Skill沉淀、体系优化，每一位从业者都被迫、也得以成长为更资深的创造者。
随之而来的，是一个颠覆大众认知的行业预判：未来职场或将迎来“付费上班”模式。
目前视频剪辑行业已经出现雏形：人工剪辑成本低于AI，市面上甚至出现“大学生付费学剪辑，课程任务即为商业接单”的模式。随着Agent能力全面赶超人类，企业的成本核算将彻底重构——初级员工的执行、剪辑、编码、调研等基础工作，AI的效率、成本、稳定性全面占优，企业将不再招聘初级员工。
未来职场新人想要入行，需要自行承担Agent调用的Token成本，借助AI完成实战历练、沉淀资深能力，相当于“付费交学费、积累工作经验”，直至成长为能够制定规则、抽象任务、把控核心的资深从业者，才能真正实现职场变现。这一趋势，是现有教育体制与AI高速迭代不匹配催生的必然结果。
但这并非纯粹的行业危机，而是人类角色的终极转型。当AI包揽所有重复性、工具性、流程化工作，人类将彻底摆脱机械劳动，脱离生存内卷，专注于人文创作、情感表达、价值思考、未知探索等AI无法替代的人性核心价值。
六、终极愿景：算力自由之下，打造人类平行人生分身
访谈最后，择因抛出了一个跳出商业、回归人类本身的终极思考：如果拥有无限制、低成本的算力，他最想实现的愿景，是为每个人打造专属人生分身，解锁所有认知之外的人生可能。
在他的推演中，人类的人生轨迹看似充满变数，实则大多可被量化测算：基因特质、性格倾向、激素水平、家庭环境、教育背景、成长经历，所有要素共同决定了人类的选择与行为。基于海量数据与极致算力，AI可以完整建模一个人的全部特质。
这并非用于预测命运、定义人生，而是为人类提供决策分身与平行人生参考。人类的人生是单行线，受限于自身认知、经历，每次选择都只能走向唯一结果，无数潜在可能性被埋没。而专属AI分身可以复刻个人全部特质，模拟每一个人生分支的走向，帮人类看见自身认知以内、以外的所有选择与未来。
同时，人生真正的颠覆性转折，往往来自小概率“肥尾意外”，这是现有经验、逻辑无法推演预判的。而极致算力驱动的AI分身，能够精准捕捉、模拟未知变量，帮人类聚焦那些足以改变人生的小众机遇、突发变数，跳出固有认知的局限。
在择因看来，这才是AI解放人类的终极形态：AI接管所有确定性的重复工作，人类拥抱所有不确定性的惊喜与可能。机器追求极致效率，人类回归人性本身，这就是人机共生的终极答案。
访谈核心总结
1. 范式转移：大模型竞争落幕，Agent工程架构与Harness脚手架成为行业决胜核心，98%的模型能力释放依赖外层工程设计。
2. 最优架构：MiniMax LWV对抗式架构，平衡OpenAI的极致放任与Anthropic的过度约束，以确定性流程+高自由度协同解决长程任务痛点。
3. 无壁垒时代：Agent技术已形成全行业公开共识，无独家壁垒，胜负手在于落地细节与企业组织效率。
4. 职场重构：Agent将全面替代初级执行岗，“付费上班”或将成为新人入行新常态，人类价值转向规则制定与抽象创新。
5. 人机终局：AI负责确定性效率，人类拥抱不确定性创造，终极AI的价值是成为人类分身，解锁平行人生、突破认知局限。