一手实测：MiniMax 全新发布 Mavis，是什么？
一手实测：MiniMax 全新发布 Mavis，是什么？
来源：htmlDecode("十字路口Crossing")
原文链接：https://mp.weixin.qq.com/s/kiFSBduC1r0FJC8DjtMOLA
** 把 Agent 从单体，组成一支可以协作的 Agent Teams。 **
👦🏻 作者: GaKi
🥷 编辑: Koji
🧑🎨 排版: NCon
进入 2026 年的这几个月，所有 AI 基础模型厂商的产品方向都很一致：
** 把 Agent 从单体，组成一支可以协作的 Agent Teams。 **
前天晚上，Claude Code 发了 2.1.139 版本，最显眼的更新是 Agent View。在 CLI 里敲一句 Claude Agents，所有在跑的 session 全列出来，状态、阻塞点、需要决策的节点可以一个屏幕里看全。
再往前翻，其他厂商也都围绕着自己的多 Agent 框架，做了大量优化。可以说，Agent 产品的重心，正在从 Prompt 层往下沉到 Runtime 层。
今天早上，MiniMax 也上新了。 ** MiniMax Agent 桌面端这次整体升级，起了个新名字叫 Mavis，MiniMax as a Jarvis，并随之附带了 Tech Blog。 **
这次更新的核心做了 2 件事：
** 第一，上线 Agent Teams。 **
桌面端现在支持多个 Agent 并行工作，你可以定义 Leader、Worker、Verifier 这样的角色组合，让一个团队去接长程、复杂的任务。
** 第二，TokenPlan 和 Agent Plan 合并。 **
一份订阅打通 CLI、API、Agent 三端，M2.7、音乐、视频、语音所有模型都包在里面，Credits 额度在 Agent 和 API 之间可以共享。之前同时订阅两个 Plan 的用户，额外送一个月会员。
🚥
接下来我们用一个完整的多 Agent 制作电商站案例，把 Mavis 的 Agent Teamss 跑了一遍，分享我们的体验与对 Tech Blog 的观察。
让 Mavis 搭一家智能家居电商网站
我们设计了一个相对复杂的综合任务，用来看 Agent Team 在真实链路上的表现。
首先，需要下载 MiniMax Agent 桌面版，链接如下：
agent.minimaxi.com/download
下载后就能看到它已经配置好了一个默认的 Agent，叫做 Mavis。
桌面版左侧是 Agent 列表，每个 Agent 对应一个固定的角色。系统默认带了三个，自己再加也很简单，填一个名称、写一段职责描述就行。一次可以建多个 Agent，最后把它们组成一个 ** Agent Team ** 。
我自己加了一个叫 ** Leader ** 的 Agent。它的职责是拆解项目流程，把子任务分配给其他 Agent，监督进度，控制每一步的停止与交付节点。
每个 Agent 还可以单独设置工作目录。这样不同 Agent 拿到的是不同的本地上下文，最后再串联起来一起跑。
这次让 Agent Team 跑的是一个相对完整的任务：自主调研北美智能家居市场。整套链路里有几条分工，市场调研、产品信息搜集、前端开发、网站搭建，分别落到不同的 Agent 上。
先说结论。这一版桌面版最关键的更新是 Agent Teams。和之前的单 Agent 模式相比，它能把多个 Agent 拉起来并行执行，Agent 之间的衔接也比之前更紧。 ** 其中比较关键的一个角色是 Verifier Agent，系统默认带，作用是复核其他 Agent 在任务中的执行情况，把出现的问题挑出来。 **
下达「北美智能家居电商站」这个任务之后，系统会先盘点已经设置过的所有 Agent，判断哪些可以参与这次任务，再把它们集合成一个 Agent Team。
接着是任务拆解。Mavis 会按提示词把整个任务切成若干子任务，比如把市场调研派给 Worker Researcher，前端开发、产品数据收集、内容撰写、调研、复核也分别落到对应的 Agent 上。
拆完之后，子任务会先送到 Leader 这里，由它做第一轮节点审阅，再读取并执行分配下来的任务。
任务真正跑起来的时候，可以看到市场调研、前端开发、后端开发是并行进行的，另外有两个任务需要等前面节点到某个状态才会启动。比如「30 个产品的数据」会等市场调研跑完后再开始。
市场调研报告做得比较细。市场规模数据来自 Fortune Business Insights、Global Growth Insights 等行业报告，品牌和价格数据来自 Amazon 这类官方公开信息，用户痛点则取自公开的用户反馈分析报告，每一类数据都标了出处。
整个执行过程里， ** 比较值得注意的是 Mavis 这次在「核验」这件事上加了权重。 **
之前在单 Agent 模式下，一个 Agent 既是执行者也是审核者，自己跑完任务再自己验收一遍，多数时候直接判通过然后进入下一步。一旦中间某一环走偏，后面的链路也会跟着变掉。
这一版的逻辑是按 Cycle 走的：每跑完一个 Cycle 触发一次核验，由 Verifier Agent 来检查整批任务。 ** 比如这一次有三个任务在核验阶段没过，问题既有程序层面的，也有内容层面的。问题被标出来之后，对应的 Agent 会把这部分任务重做或重新交付。 **
确认决策提交之后，下一个 Cycle 才会启动。在 Cycle 2 里，Market Research 会被重新核实，前端那部分也会重做一遍交付，测试阶段则继续往后补。
「决策已提交。Cycle 2 即将启动。」
到这一轮，前端页面（首页、产品列表、购物车、导航栏）全部完成，并通过验证。
产品数据这一类内容会经过多轮反复的测试和修订。最终落到结果里的字段比较细：产品名称、价格、数据来源、网站简介，再加上像地区这样的细分维度。 ** 这些数据相比之前的版本，是经过多轮 Verifier 核验之后才确定下来的。 **
在实际执行过程中，还有一个比较有意思的细节。
以前大多数 Agent 的对话流是这样：它在执行任务的时候，你插不进话，想补一句需求只能先暂停，等它停下再说。
** Mavis 这次不一样，Agent 自己在干活的同时，你可以随时检查、确认，也可以直接在对话里追加新需求，两条线互不打扰，需求会被它自然接进当前的任务队列。 **
最后出来的网站完成度挺高。整体风格是粉色撞色加粗黑描边，现代感很强。功能上，主登录页、主落地页、产品介绍、加入购物车、FAQ 支持区都齐了，商品图用的是 Agent 自己搜集回来的真实素材，带各类标签。
具体到商品，Agent 前期就把北美主流品牌调研过一遍，比如 Google 的 Nest 系列，每个产品都配了简介、规格标签、价格，甚至能跳到对应的外部商品页，然后支持一键加入购物车。
结账这边做了一个完整的 demo checkout，可以自由加购，后端还带了一个简易数据库：
另外，这一版的 Mavis 也支持直接绑定 IM 工具，整个接入过程很简单：
Tech Blog 里的 3 个值得注意的点，和一次订阅方式的调整
做完这个测试，我又把 MiniMax 今天发的 Tech Blog 翻了一遍，完整 Blog 在知乎，链接如下：
https://zhuanlan.zhihu.com/p/2037877345634276836 [1]
Blog 里有一些值得注意的小亮点，也代表了背后团队的判断。
【1】最核心的一句话是： ** 多 Agent 系统是 runtime，不是 prompt 编排。 **
真正的团队协作要回答的是「谁分配任务、卡住了怎么办、做完了谁验收」这类问题，prompt 层只能做软约束，必须有一套持续运行的引擎在背后撑着。
MiniMax 把它叫 Team Engine，和 OpenAI 的 Agents SDK、Google 的 ADK、Claude Code 的 Agent View 基本是同一件事。
可以说，Agent 产品的重心，已经从 prompt 层转到 runtime 层了，这在 2026 年 5 月更像行业共识。
这个判断对用户的影响其实比较直接。过去两年大家讨论 Agent，多少都被「Prompt 工程」这个词带着走，好像 Prompt 写好了，事情就办完一半。但真到了长程任务上，Prompt 再细，也架不住模型在多步任务里上下文溢出、混乱。
Prompt 更像脚本，runtime 是执行它的环境，脚本再整齐，环境不稳的话结果也稳不了。厂商们今年集体往 runtime 这层下重注，对普通用户而言多出来的一个好处是：你不用太懂 Prompt，长任务也有机会稳定跑完。
【2】 ** 单 Agent 不能自己又当裁判又当选手。 **
Worker 和 Verifier 的目标函数互相反向，Worker 想做完，Verifier 想挑毛病，两者不共享上下文。这种设计有点像控制论里的闭环，两个极性相反的力把质量约束在稳定区间。
单 Agent 最大的问题就是自己当裁判又当选手，靠单体迭代永远解决不了。
这点我的感受比较深。在很多 Agent 产品里，Verifier 这个角色更像一个「礼貌性的盖章人」，这个比喻比较贴近。
Agent 自己给自己进行验证，而验证的结果往往由于模型本身的「偏好」，扫描不出太多的重要错误，几乎不打回。
原因也很简单，它和 Worker 共享同一套上下文、同一套判断标准，看 Worker 的产出怎么看怎么合理。Mavis 这次的做法是把 Verifier 的目标函数改成了「找问题」，再加上上下文隔离。
换个角度看，相当于不再让团队内部 PM 自检。这件事对使用者最直接的影响是在真实业务场景下，Agent 的工作效率、以及带来的价值会明显一些。
【3】 ** 多 Agent 有三类单 Agent 不会遇到的成本 ** ：交接成本（信息在 Agent 之间要重新组织）、共享成本（全量共享会把上下文撑爆）、聚合成本（把十份结果合成一份一致的交付物没有捷径）。
** 没有结构、没有验证、没有停止条件的多 Agent，只是把不确定性并行扩散。 ** 所以 Team 不是默认选项，是策略选项，任务越复杂、链路越长、风险越高，越值得上 Team。
改个错别字就让 Agent Team 上，那是浪费。
这一段是 Tech Blog 里比较坦诚的部分。多 Agent 这个概念过去一年被讨论得比较多，听上去是「Agent 越多越聪明」的直觉。但 Cost of Consensus 的论文里也提过，无结构的多 Agent 在 token 消耗上能达到单 Agent 自纠错的 2-3 倍，准确率不一定有提升。
MiniMax 自己把这件事讲清楚，等于提醒用户：Team 是一种成本和收益都更高的工具，得放在合适的场景里用。这种主动划界的态度反而比堆功能让人安心一点。
它不会鼓励你用 Team 跑一切任务，但是会帮你识别哪些任务值得上、哪些任务其实单 Agent 就够了。
订阅方式调整了
与这回的 Agent Teams 上线相对应的是，MiniMax 把原来两个独立的订阅 ： ** TokenPlan ** 和 ** Agent Plan ** ，合并成了一份，算是做了点优化。
合并之后的变化，我大致梳理了下，有下面几点：
【1】 ** 一份订阅，全端打通 ** 。CLI、API、Agent 桌面端，用同一份订阅都能调用。
【2】 ** 所有模型都包含 ** 。M2.7、音乐、视频、语音这几个核心模型，全部纳入这一份订阅。
【3】 ** Credits 共享 ** 。同一份额度可以在 Agent 和 API 之间自由调度。如果你今天想用 Agent 跑一个长任务，明天想拿 API 去写自定义工具，同一份额度可以自己分配。
【4】 ** 之前双订阅用户送一个月会员 ** 。这算是对老用户的额外的福利。
这件事放在 Agent Teams 上线这个时间点来看，其实逻辑还挺明确的。
多 Agent 协作天然会比单 Agent 贵，前面讲过交接、共享、聚合这三类新成本。
如果还保持两份订阅各自算账，那用户每次要上 Agent Team 跑一个长程任务前，都得先犹豫一下：这一个任务完整做下来会不会把 Agent Plan 的额度打穿？要不要留点给 API 那边开发用？算得太细，反而不敢放开用。
合并之后，这笔账好算多了。
** 一份订阅背后，模型付费（API、CLI）和产品付费（Agent 桌面端）的逻辑被打通 ** ，额度在两端可以自由调度。一方面可以用 Agent Team 跑具体的任务，剩下的可以用 API 继续精细打磨，同一份 Credits 现在可以自行分配，不用再切账号、不用再分预算。
对开发者和重度用户来说，这等于自由度提高了一档，能力怎么用、什么时候用，决策权算是交给了用户。
对 MiniMax 来说，这也是一个务实的选择：与其让用户在两个计费体系之间反复权衡，不如合成一个池子，降低决策摩擦，用户才敢放开用。
🚥
2026 年 5 月的这一周，Claude Code 上了 Agent View，MiniMax 上了 Agent Teams。再往前看 OpenAI 的 Agents SDK、Google 的 ADK、AWS 的 Agent 框架。
所有 AI 基础模型厂商几乎在同一个时间点，集体把注意力从转向「一组 Agent 怎么稳定协作」。
** 当单 Agent 在长程任务上的天花板已经快被自己撞到，下一步的差异化大概率只能来自 runtime ** 。
这些就是 2026 年 Agent 产品竞争的新维度。
回到 Mavis 这次更新本身，跑完整套电商案例再看完 Tech Blog，比较意外的是 Verifier 的存在感。过去半年大多数多 Agent 产品里，「核验」都是一个可选模块。
Mavis 这一版把它直接写进了 Cycle 的硬流程，每跑完一轮就强制核验一次，没过就重新核验，看起来像给自己加成本，但实际跑下来长程任务的稳定性确实上来了。
单 Agent 时代「自己当裁判又当选手」的老毛病是被架构层面解掉的，不是靠 prompt 打补丁，效率可能反而提升了。
另外一个体感上的变化是 Mavis 这次更像一个持续在线的工作群，Agent 在跑的时候用户可以随时插话追加需求，Leader 自己会调度到对应的 Worker 上。这件事工程上不容易做，但用户感受上的变化是相对大的。
可以说， ** Mavis 这次整体选的是一条「重 runtime」的路线作为 MiniMax 在「多 Agent 协作」方向上的的答案。 **
至于这个答案是否完整、是否好用，推荐大家去试一下。
链接如下：
agent.minimaxi.com/download
** 十字路口正在寻找独立撰稿人，撰写 AI 产品和模型评测。 **
如果你写过类似文章：《 实测 PixVerse C1 》、《 实测 LibTV 》，请联系 zeo0811@gmail.com ，邮件内容请包括：① 个人介绍、② 你写过的 AI 评测文章。
我们会提供有竞争力的稿酬。期待与你一起观察与记录 AI 时代 🎪