AI Agent行业趋势与市场动态 - OpenClaw（AI Agent/“养虾”）的热度从年初延续至今，已从专业工程师群体扩散至普通消费者，市场情绪中存在明显的FOMO（错失恐惧）[1] - 英伟达CEO黄仁勋在GTC 2026大会上强调“现在每一家企业都需要制定自己的OpenClaw战略”，将AI Agent提升至企业战略层面[1] - 国内大模型厂商显著加快了在“AI养虾”赛道的布局[1] MiniMax公司及其产品进展 - MiniMax于2月底在其Agent平台上推出了MaxClaw模式，依托M2.5大模型，可在10秒内部署一个24小时待命的私人助理[1] - 市场对MaxClaw的认知发生转变，从早期吐槽到认可其实际效果，特别是在云端预装一系列Agent能力后[1] - 公司于近期发布了全新一代大模型MiniMax M2.7，重点升级系统级Agent能力[4][7] - 截至3月10日，MiniMax市值已攀升至3800亿港元（约合人民币3350亿元），超过百度、京东、携程等互联网巨头[40] MiniMax M2.7模型核心能力升级 - Agentic指令遵循与复杂任务执行：能够在包含50+个技能、60–150个功能列表的复杂环境中保持稳定调用与流程执行[7] - 多智能体协作与工程级Coding：实现原生智能体协作，减少对外部编排的依赖，在日志分析、Bug定位、代码重构等真实工程场景中表现稳定[8] - 领先的Agent Harness：加强了编排工具能力，支持Agent Teams、多工具检索，配合预置技能可构建自迭代的任务执行链路[9] - 角色扮演与长期记忆：能力全面强化，覆盖闲聊陪伴、互动小说、沉浸游戏等七大场景，支持10种语言并通过适配OpenClaw长期记忆框架赋予智能体持久身份与真实情感[9] - 办公自动化：支持复杂Excel/Word/PPT办公任务及多轮编辑，显著提升效率[10] M2.7模型的实测性能表现 - 在科研评测MLE Lite的22道高难度竞赛题目中，一举拿下9枚金牌[10] - 在GDPval-AA榜单中，M2.7在开源模型中取得了最高分[19] - 在三次间隔24小时的迭代测试中，M2.7在MLE Lite评测的平均得牌率达到66.6%，与Gemini-3.1持平，仅次于GPT-5.4 (71.2%) 和 Opus-4.6 (75.7%)[36] - 模型成功通过了此前M2.5未能通过的“马嘉祺测试”，解决了特定知识盲点问题[26][27] M2.7在具体场景的应用展示 - 任务执行与工具调用：能够自主安装技能、配置密钥并执行如检索X信息等任务[12] - 信息检索与总结：可检索学术论文平台，并能阅读并总结大量文档内容，提炼出如“AI正在从‘聊天工具’进化为‘能行动的智能体’”等行业趋势洞察[13][18][19] - 编程与全栈开发：能够在7分多钟内构建一个内容丰富的“蒸汽朋克龙虾信息网”网站，并能通过安装开源技能包（如frontend-dev）对网站进行现代化、炫酷的优化[21][22][24][25] - 办公自动化：能够处理Obsidian知识库中的大量docx格式选题文档，并生成有见地的行业发展趋势总结[17][18][19] M2.7的系统级进化与自迭代能力 - M2.7的定位从“最强大脑”转变为拥有“手脚、工具和记忆”的多面手系统，成为优化过程的一部分而不仅是被优化对象[29][30] - 其自我进化关键在于构建与运转复杂Agent Harness的能力，该系统由多Agent协作、结构化技能模块和外部工具组成[30] - 在内部验证中，仅用1人、4天、零代码，M2系列模型就以“架构师”身份自主搭建起完整的开发Agent系统，形成“用AI迭代AI”的闭环[30] - 在强化学习实验场景中，M2.7已能够承担约30%–50%的实际工作量，自动化完成日志分析、问题排查等关键步骤[33] - 通过主动迭代Agent Harness本身，M2.7在无需人工干预的情况下，经过超过100轮迭代，在一项软件工程任务的评测集上实现了约30%的性能提升[34] - 模型建立了围绕短时记忆、自反馈与自优化的迭代机制，性能随迭代次数增加而持续攀升[36] 行业竞争焦点的演变与公司战略 - 模型竞争的焦点正在从参数、榜单和概念，逐渐转向执行质量、任务完成度与真实体验[41] - 用户的期待已发生变化，不再只满足于聪明回答，更在意AI能否持续协作、理解角色、处理约束并完成复杂任务[41] - MiniMax的演进风格契合其一贯策略：不急于讲宏大故事，而是持续将能力落地到产品、场景和成本结构中[41] - 公司认为大模型的真正价值在于作为一种日常化工具，分担繁琐工作，为未来人机共存与协作提供扎实起点[41]