養蝦？MiniMax選擇「水大魚大」

文 ｜ 闌夕

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

這種指數級的增長，對應的自然也是指數級的需求，就在國內大廠為了這個春節檔一擲千金沖用戶量的同時，以MiniMax為代表的「后輩們」已經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，誰也沒能預料得到，Agent的應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。

無論是開發者對于Tokens的欲望，抑或模型回應以吞食市場的欲望，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。」

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

MiniMax Agent新發布的Expert（專家）能力，相當于模型自有的Skills，集成了專業化的工作流和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養流程，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。

我會經常把「通往AGI之路」當成系統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「卡拉贊畢業才能打卡拉贊」的悖論？

直到MiniMax的這波更新，我索性創建了一個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，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廣場當成一個創意庫來用，它的豐富供給也足以激發源源不斷的驚喜。

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，然后就發現完全可以用多個Expert來組建完全服務于我的AI漫劇團隊。

我可以配置專門的Expert去蹲守訂閱網文的連載，然后在第一時間把更新章節改成分鏡腳本，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，讓它繼續根據上下文來做剪輯。

多提一句，MiniMax是國內的「AI六小虎」里唯一一家在文本、圖片和視頻的多模態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——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之路。

也就是說，MiniMax Agent的多模態能力，不但為用戶和開發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和迭代，成為MiniMax的技術護城河。

除此之外，在試用了爆款獵手、投研團隊等預設Expert之后，我只想說，人找信息和信息找人的關系，已經徹底地重組了，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了一遍，于是大家又去復讀Karpathy的推文，是的，在蘋果和谷歌不知道的情況下，應用商店的時代又結束了一次??

1990年，未來學家托夫勒在「權力的轉移」一書里首次提出了「數字鴻溝」的概念雛形：因為接入、使用互聯網技術的條件不同，加劇了新興財富和階層分化。

按照「數字鴻溝」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。

這是科技行業有史以來第一次出現了技術發展方向和體驗下沉方向背離的現象，都說AI會成為下一個操作系統，然而AI開始用上了類似Dos視窗的CLI環境，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生態重新做成「開箱可用」的產品，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」。

歡迎用我創建的Expert「AGI私教」。

根據官方公布的數字，短短幾天內，就有超過1萬個Expert被創建到MiniMax Agent，而且還在高速增長中，加上可以擴展到飛書、釘釘等國產辦公產品里使用，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。

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系的猜測，認為是OpenClaw的創始人被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，一個人可以調用的Tokens，決定了他的生產力上限，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。