Agent赛道正在经历一场前所未有的加速竞赛。从Claude Code、Codex、Cursor到Trae、Qoder、CodeBuddy，编程Agent的战场已经拥挤到令人窒息。而在这片血雨腥风中，MiniMax选择了一个出人意料的时机——在旗舰模型M3尚未发布时，就率先推出了全新多Agent编排架构Agent Team。这一动作背后，是MiniMax对Agent本质的深刻理解：模型之间的差距正在收窄，真正决定胜负的，是套在模型外面的那层壳。

一份对Claude Code泄露代码的拆解报告揭示了惊人事实：真正属于模型决策的代码仅有1.6%，剩下的98.4%全是管理权限、控制上下文、兜错处理的harness（脚手架）。MiniMax的Agent Team正是基于这一认知构建，它采用Leader-Worker-Verifier（领导-执行-验证）的对抗式架构，将干活和挑错的职责拆分为不同Agent，由经过代码逻辑固化的状态机管理，彼此上下文隔离。这种设计精准打击了长程Agent任务中的三大顽疾：上下文污染、上下文焦虑、以及Agent之间的“共谋”倾向。

MiniMax Agent研发工程师择因在对话中透露，业界存在两种截然不同的路径：Anthropic骨子里不信任模型，预设模型会作弊耍小聪明，因此处处约束；OpenAI则采用极简的agentic loop，用最小框架培养出遵循度极高的模型。MiniMax的选择是融合两者——既要相信模型，给予和人一样的操作权限，也要在脚手架中加入合理约束。这种思路独树一帜，但择因坦言，在Agent领域没有任何人有壁垒，他分享了一篇71页论文，声称“关于Agent的所有东西都在里面，如果一篇就能说清楚，还有什么壁垒？”

MiniMax的绝活在于以最快速度向行业输出新认知，做共识的领导者、执行者和验证者。Agent Team在M2.7上先行发布，正是这一理念的体现。择因认为，当Agent可以实现真正的自进化，并且在几乎任何数字或物理世界的任务上效率和成本优于人类时，开发Agent的人们才会停止。从一线视角看，那个未来并不遥远。对于AI从业者而言，这意味着不仅要关注模型本身的进步，更要重视围绕模型的工程架构和认知设计——这98.4%的脚手架，才是决定Agent产品能否落地的真正分水岭。