行业投资评级 - 对计算机行业维持“推荐”评级 [5] 核心观点 - 大模型正从“聊天工具”进化为“自主员工”，进入Agent时代 [14] - 在Agent时代，模型“谁能以更低成本把强能力变成高频可用的生产力”比“谁更聪明”更重要 [4] - 掌握核心算法与行业接口的大模型厂商有望深度受益于万物智能化的红利 [14] - 建议关注已于2026年初成功上市的“大模型双子星”MiniMax和智谱，作为原生Agent生态的“大脑”，公司具有极高的稀缺性 [14] 事件与市场热度 - 截至2026年2月2日，Clawdbot在GitHub上的星标数量已超过13万个，官网累计访问量突破200万人次，成为近期增长最快的开源技术项目之一 [7] - 近期出现的“AI-only社区”如Moltbook，在极短时间内聚集了百万个代理账号规模，这类交互天然对应更高的请求密度与更频繁的API触发 [7] - 在Clawdbot创始人Peter Steinberger的力荐下，国内AI独角兽MiniMax旗下擅长长文本与逻辑推理的M2.1模型被成功带火 [7] Agent范式带来的变革与挑战 - 在传统对话范式下，单次交互仅需少数几次模型调用；但在工作流范式下，一个任务往往横跨计划、检索、工具调用、校验纠错及外部系统写入等多个阶段，导致模型调用频率、上下文长度及中间信息的复杂程度倍增 [7] - 多步推理与多轮工具调用天然带来“多回合上下文”，同时重试与自纠错会额外产生无效token [7] - 相较基础聊天，面向复杂任务的agent服务可能会消耗数十倍多的token [7] - “模型的单位成本×单位产出”是Agent类产品能否规模化落地的“生死线” [3] - 多模态与“视觉执行”走向前台：Agent进入办公与生产场景后，输入大量来自截图、PDF、表格、图表、界面元素等视觉信息 [4] MiniMax M2.1模型的核心优势 - 兼具效率与成本：M2.1模型旨在通过极致的成本优势解决当前开发者在自动化编程中面临的高昂token成本痛点，其定价体系约为Claude Sonnet的8% [7] - 创新的计费模式：不同于底层大模型厂商通用的token按量计费逻辑，公司转而采用分层月度订阅制 [7] - 高频刷新机制：Coding Plan创新性地引入“每5小时重置额度”的高频刷新机制，打破了行业通用的按天或按月限额模式，释放了高频重度开发场景下的生产力 [7] - 长文本能力强：M2.1的长文本能力让它更适合完成“持续记忆”，即读更长的文档、容纳更多中间结果、减少因截断导致的逻辑断裂 [7] - 推理与编程能力：M2.1在推理与编程能力上“够用且性价比极高”，使其成为最适合被放进生产系统、被高频调用的选择 [7] - 多模态能力：MiniMax的多模态能力辅助Agent更好地理解界面、提取关键信息、输出可执行的步骤/代码、再用截图回读做校验纠错，实现“视觉驱动的更强的可交付性” [4][14] 市场数据与表现 - 根据OpenRouter数据，截至2026年1月26日，MiniMax M2模型在AI编程的市占率已超过10% [13] - 2026年初至今tokens调用量趋势图显示，MiniMax M2.1模型的调用量在1月24日Clawdbot发布后出现显著增长，峰值接近50B（五百亿） [15][16] - 同期其他主要模型（如DeepSeek V3.2、智谱GLM4.7、Kimi K2 Thinking、Claude Sonnet 4、Qwen 3、GPT-4o-mini）的tokens调用量趋势图也被列出以作对比 [17][19][21][23][26][28][31]