B 站一场直播，一个老外的四个字直接炸了弹幕区—— " 不熟，勿 Cue"。说这话的是全球爆火开源 Agent 项目 Hermes Agent 的业务负责人 Tommy Eastman，首次来中国就被弹幕追问 " 你们是不是抄了 EvoMap"。

他当场澄清："Hermes 代码仓库存在一年多，直到那些推文出现我才听说 EvoMap，Nous Research 是理念驱动的团队，绝不会抄别人仓库据为己有。"

争议三分钟翻篇，但接下来两个多小时的技术对谈，戳中了 AI 行业被忽视的核心问题：当模型能力趋于收敛，下一个竞争维度在哪里？

AI 卷不动跑分了？下一个战场在这

过去几年，AI 圈比的是参数大小、跑分高低，但 2026 年初 OpenClaw 一夜爆火，连老黄都在摩根士丹利论坛感叹这可能是 " 有史以来最重要的软件 "。所有人突然醒了：模型再强，不会用工具、不能真正干活，就只是个聊天机器人。

一夜之间，行业焦点转向了 Harness —— Agent 的运行框架，包括工具调用编排、记忆管理、Skills 系统、沙箱环境等。OpenAI 在《Harness Engineering》博客里定义得很清楚：" 人类掌舵，智能体执行。"MiniMax Agent 首席架构师阿岛用高达打比方：模型是引擎，Harness 是机甲，光有引擎造不出高达，得有完整外骨骼才能让引擎能力最大化。

人类成了 AI 的瓶颈？工程师被 " 蒸馏 " 成代码

阿岛的工作方式早就变了：去年九十月份起，他不怎么打开 IDE 了，日常同时跑五六个本地 Agent，云端还有十个在沙箱里。" 我发现，人类成了瓶颈。" 他说。工程师构建 Harness 的过程，就是把自己的工作方式蒸馏成 Skill 和代码——目的是让人类去做真正热爱的事，就像发明蒸汽机、电力一样。

MiniMax 在这波浪潮里动作密集：发布首个参与自我迭代的模型 M2.7，推出全球首个云端沙箱 MaxHermes，上线基于 OpenClaw 架构的 MaxClaw，三者形成 "Model+Harness" 双向飞轮：M2.7 优化底层能力，MaxHermes 和 MaxClaw 验证场景需求，再反馈回模型训练。

Model+Harness 双向飞轮：模型自己迭代自己

竞争维度变了：过去比模型聪明，现在比同等 Token 产出多少价值。MiniMax 的解法是让模型专门为 Harness 而生。

M2.7 是 3 月 18 日发布的最新编程模型，也是第一个在训练中深度参与迭代自己的商用大模型。它的自我进化有三个层次：1. 承担公司强化学习团队 30%-50% 日常工作流；2. 自主迭代 Harness 超过 100 轮，评测效果提升 30%；3. 在 MLE Lite 竞赛中得牌率 66.6%，仅次于 Opus-4.6 和 GPT-5.4。在 40 个复杂 Skills 测试中，M2.7 仍保持 97% 的遵循率。

海外开源圈集体站队：中国模型领先

最先认可这套能力的是海外开源圈。Hermes 联合创始人 Teknium 多次在 X 上夸 MiniMax 模型的工具调用、速度和性价比；M2.5、M2.7 发布时，Hermes 第一时间接入，现在 MiniMax 是 Hermes 使用量最高的模型之一。

Hermes 日均 Token 消耗从 20 亿飙到 3000 亿，M2.7 在 OpenRouter 上日均消耗超 250 亿。OpenClaw 创始人 Peter 连发五条推文称 MiniMax 是最好的开源模型，M2.1 能以 5% 成本运行 OpenClaw，效果不输顶尖闭源模型。

Notion 联合创始人宣布 M2.5 成为 Notion Custom Agents 首个开源权重模型，Kilo Code 也选它做默认模型。Tommy 在直播中直言：" 中国在开源模型方面已经领先了，开源和闭源从未如此接近。"

养虾养马：AI 智能体自己进化技能

模型和 Harness 的闭环要转起来，得靠产品验证。MiniMax 推了 MaxHermes 和 MaxClaw 两条线：MaxHermes 基于 Hermes Agent，核心是 " 学习闭环 " ——完成任务后自动提炼可复用 Skills，自主迭代，像会举一反三的员工；MaxClaw 基于 OpenClaw，解决本地部署门槛高的问题，上线 120 小时四次扩容，修复 IM 和稳定性问题，预置专家 Skill、50G 云空间，新增图片视频生成工具，还能安全诊断报错。

MiniMax 内部甚至有个数字员工，每天自动扫描开源项目提 PR，用 Agent 推广 Agent 背后的模型，这招在海外社区很管用。

沙箱卡脖子？两大云厂商同时撑腰

Agent 在云端大规模运行，最容易卡住的是沙箱——安全隔离、弹性伸缩的执行环境。

MiniMax 的解法是训练侧找腾讯云，部署侧找阿里云：腾讯云提供 80ms 极速启动、每分钟 60 万沙箱实例，支撑 M2.7 的自主进化训练；阿里云 ACK 承载控制面，ACS 提供 20-40ms 实例供给，每分钟 15000 个沙箱弹性扩缩。两大云厂商同时选 MiniMax 做核心合作伙伴，是对其技术和规模的双重背书。

Token 含金量变了：比的不是数量是价值

MiniMax CEO 闫俊杰提出公式：AI 平台价值 = 智能密度 × Token 吞吐量。过去比参数、跑分，现在比同等 Token 产出的价值。

当两家头部云厂商修路、四个海外开源项目选它做默认模型，这个逻辑已经跑通了。大家最关心的 M3 也有了方向：更大更智能（coding 和办公场景）、原生多模态、价格亲民，让每个人都负担得起 7 × 24 小时的 Agent。

当 AI 不再比谁更聪明，而是比谁更会干活，我们离真正的智能时代又近了一步。你觉得未来的 AI 会是什么样？是能帮你写代码、做 PPT 的数字员工，还是能自主进化的智能体？评论区聊聊你的看法，顺便点个赞让更多人看到 AI 的下一个风口！