行业趋势与竞争格局 - 2026年被预期为AI智能体（Agent）赛道新一轮爆发之年，行业竞争已进入白热化阶段[1] - 市场出现分化，主要参与者专注于两大方向：提升工作效率与重塑日常生活体验[1] - 国外如Anthropic发布Cowork，国内如千问APP上线“任务助理”，表明国内外厂商均在积极布局[1] MiniMax Agent 2.0产品核心升级 - 公司于2026年1月20日发布第二代智能体产品MiniMax Agent 2.0，将其定位为“AI原生工作台”，在产品形态和能力上进行了深度重构[2] - 产品核心目标是从“靠谱的AI伙伴”升级为能自主执行复杂任务的“进阶型智能协作伙伴”，在自动化执行的广度、深度和专业度上全方位加强[2][5] - 产品升级建立在三大核心支柱之上：桌面端应用、垂直领域专家智能体（Expert Agents）以及用户自定义专家智能体的能力[2][3][5] 核心支柱一：桌面端应用（MiniMax Agent Desktop） - 桌面端应用让智能体跳出浏览器，能够直接操作本地文件和环境，并启动网页自动化任务，实现了本地与云端工作的无缝连接[2] - 该应用已上线Windows和Mac双版本，通过一个全局视角渗透到各职能角色的核心工作流中，旨在将人类从重复性劳动中解放出来[2][3] - 其核心设计是深度打通本地文件，用户指定工作目录后，AI可读取、分析并批量处理该目录下的所有文件，体现了“AI原生工作台”的思路[7][9] 核心支柱二：垂直领域专家智能体（Expert Agents） - Expert Agents旨在打造垂直领域的顶级专家分身，通过封装私有知识和行业独家标准操作流程（SOP）来武装用户[3] - 相比1.0时代依赖的、只能提供70分通用专家组合的多专家系统，Expert Agents可将专家水平提升至95分甚至100分，可靠性有质的飞跃[3] - 官方提供大量开箱即用的Expert Agents以降低操作门槛，用户可在桌面和网页双端限时免费体验该功能[3][4] 核心支柱三：用户自定义专家智能体 - 用户可通过提供更多上下文信息和更自由的自定义设置，创建更懂用户、提供个性化服务的专家智能体[5] - 创建过程简单直观，用户可将行业经验、部门SOP或复杂业务逻辑转化为可重复调用的模块[24][28] - 在面对复合任务时，用户可指挥一支由特定领域专家组成的数字团队进行协作，实现了从“单点能力”向“专家协作”的转变[26][28] 产品实测与功能展示 - 在“刷选题”任务测试中，智能体在2分多钟内成功编写脚本并完成可行性测试，还能提供后续实现定时任务的教程[11] - 在复杂的“读论文并制作技术图谱”任务中，智能体耗时约6分钟，完成了下载文档、分析解读、技术追溯并最终生成和部署展示网页的全流程[12][13][14][15][17] - 在“从多个文档中提取技术博客并制作PPT”的繁琐任务中，智能体耗时23分钟，完成了格式转换、内容读取、链接访问、内容总结及PPT生成等一系列操作[17][18][19] - 智能体能够处理本地环境任务，例如根据用户指令，自动调用本地已安装的ffmpeg工具，对文件夹中的多个视频进行不同倍率的加速处理[22][23] - 多智能体协作功能允许用户启用多个配置好的专家子代理，围绕一个主题进行多视角的深度讨论，由主智能体担任主持人进行调度[26] 战略定位与底层能力支撑 - MiniMax Agent 2.0的战略是重新定义AI能力边界，其重点不在于展示“想得有多聪明”，而在于证明“能把事做到哪一步”，核心是以任务完成率为中心的设计[29][30] - 产品定义的“AI原生工作台”意味着交互逻辑从“人要被动适应Agent”变为“Agent主动适应人”，智能体主动进入工作环境并持续推进任务[30][31][33] - 产品能力背后是公司在模型层面的持续升级：2025年6月的Lightning Attention技术将长序列计算成本从二次方降为线性；10月发布的M2模型定位为Agent & Code Native，采用交错思维和MoE架构，总参数达2300亿，激活参数100亿，其API价格仅为Claude Sonnet 4.5的8%；12月的M2.1模型则深入后端语言，具备全栈工程能力[32] - 公司内部已形成快速自我强化的迭代闭环：模型能力首先被用于内部研发与办公核心流程，据悉过去数周内公司内部接近100%的员工开始使用Agent，高频的真实业务使用反馈又驱动下一轮模型和系统升级[32]