产业观察
MiniMax 怎么做 Agent：Model-Harness 协同只是第一步，还有 Inference-Harness 协同
原标题: MiniMax 怎么做 Agent：Model-Harness 协同只是第一步，还有 Inference-Harness 协同
📋总体概括
MiniMax DevRel 负责人 Vincent 在 AGI Playground 2026 上分享其 Agent 实践路径：从内部飞书 bot 起步，演进为桌面应用 MiniMax Code，形成训练-服务闭环——模型在自己 harness 内训练并服务用户，用户行为再反哺训练。其核心主张是模型公司做 Agent 的独特优势在于 harness 与推理同团队协同设计，且协同不止于 Model-Harness 层，还要深入 Inference-Harness 层。
⚡关键信息
- ▸MiniMax Agent 实践从内部飞书 bot 起步，最终演化为桌面应用 MiniMax Code
- ▸形成训练-服务闭环：模型在自家 harness 中训练、经 harness 服务用户，用户行为转化为训练信号反哺下一代模型
- ▸harness 端决策（system prompt、tool calling 组织、错误处理）直接影响推理端缓存命中率、调度效率与 token 消耗
- ▸MiniMax 提出 model-inference-harness-agent 关系框架，认为 Model-Harness 协同只是第一步，还需 Inference-Harness 协同
🔥犀利点评
模型即产品进化到模型即 Agent，本质是模型公司把护城河从权重层面延伸到 harness 与推理的协同层。MiniMax 这套训练-服务闭环确实比套壳公司多一层杠杆，但注意其卖点藏在细节里：缓存命中率和 token 消耗这些指标才决定 Agent 商业模型是否成立。真正的门槛不是会调 prompt，而是能同时改模型和改 harness——这恰恰是纯应用公司给不出的答案。
📰 相关资讯（与本文相关的其他资讯）
本文由本站自动聚合，以下为原始来源：前往 极客公园 阅读全文 →