MiniMax AI 平台全面介绍 什么是 MiniMax MiniMax 是由稀宇科技开发的 AI 平台，提供从文本到语音、视频、音乐的全模态 AI 能力。该平台在编程、多模态理解、Agent 能力等方面表现出色，是国内领先的 AI 大模型提供商之一。
MiniMax 的核心理念是"让 AI 能力触手可及"，通过提供高性价比的 API 服务，让开发者能够轻松构建 AI 应用。
模型矩阵 文本模型 模型 上下文窗口 特点 MiniMax-M2.7 200K 最新旗舰模型，编程和 Agent 能力 SOTA MiniMax-M2.5 200K 编程能力突出，SWE-Bench 得分 80.2% MiniMax-M2.5-Lightlight 200K 轻量版本，性价比更高 MiniMax-M2.1 200K 多语言编程大师 MiniMax-M2 200K Agent 能力，先进推理 语音模型 MiniMax Speech 2.6：最新语音合成模型 MiniMax Speech 2.5：高质量语音输出 视频模型 MiniMax Hailuo 2.3：视频生成模型 MiniMax Hailuo 2.3 Fast：快速生成版本 其他模态 图片生成 音乐生成 核心能力 1. 编程能力 MiniMax-M2.5 在编程领域表现突出：
ZeroClaw：超轻量级 AI 助手基础设施 什么是 ZeroClaw ZeroClaw 是一个用 Rust 编写的下一代 AI 助手框架，致力于提供"零开销、零妥协"的解决方案。它可以在仅 10 美元的硬件上运行，内存占用少于 5MB，比同类产品节省 99% 的资源。
该项目由哈佛、MIT 和 Sundai.Club 社区的学生和成员构建，在 GitHub 上已获得 29,300+ 颗星。
核心特性 🚀 极致性能 指标 ZeroClaw OpenClaw 启动时间 < 10ms ~500ms 二进制大小 3.4MB ~150MB 内存占用 < 5MB > 1GB 安全保证 Rust 内存安全 运行时检查 📦 超轻量级 单一二进制文件，支持 ARM、x86 和 RISC-V 架构 无运行时依赖，部署简单 设计目标：10 美元的开发板也能运行 🔌 可插拔架构 基于 Rust trait 系统的灵活组件扩展：
核心层：基于 trait 的架构、内存安全保证、异步运行时 AI 适配层：统一 API 抽象、22+ AI 提供商、灵活切换 渠道层：多平台支持、消息路由、事件处理 🌐 广泛的平台支持 AI 提供商：
Learn Claude Code：从零理解 Agent Harness 工程 什么是 Learn Claude Code Learn Claude Code 是一个开源的学习项目，旨在从零开始教学 Agent Harness（智能体 harness）的构建方法。该项目在 GitHub 上已获得 47,700+ 颗星，专注于帮助开发者理解 Claude Code 背后的设计原理。
项目的核心理念是：模型本身才是智能体，代码只是构建智能体所处的环境（Harness）。
核心观点：模型即智能体 传统理解的误区 很多人认为"构建智能体"就是写代码——使用工作流引擎、提示链、拖拽式编排工具来"组装"一个智能体。但作者认为这种做法本质上是一个"过度工程的 Rube Goldberg 机器"——一个充满 if-else 分支和硬编码路由逻辑的脆弱管道，中间塞了一个 LLM 作为"文本补全节点"。
这并不是真正的智能体。
真正的智能体定义 真正的智能体是：
一个神经网络（Transformer、RNN、学习函数） 通过数十亿次梯度更新在动作序列数据上训练 能够感知环境、推理目标、执行动作以达成目标 从 DeepMind DQN（2013）玩 Atari，到 OpenAI Five（2019）征服 Dota 2，再到 AlphaStar（2019）掌握星际争霸，每个里程碑的"智能体"都是模型，而不是周围的代码。
Harness 的定义 Harness 是智能体在特定领域运作所需的一切：
1 2 3 4 5 6 7 Harness = Tools + Knowledge + Observation + Action Interfaces + Permissions - Tools：文件读写、shell 执行、网络请求、数据库、浏览器 - Knowledge：产品文档、领域知识、API 规范、风格指南 - Observation：git diff、错误日志、浏览器状态、传感器数据 - Action：CLI 命令、API 调用、UI 交互 - Permissions：沙箱、审批工作流、信任边界 模型决定，Harness 执行。模型推理，Harness 提供上下文。模型是驾驶员，Harness 是车辆。
DeerFlow 2.0：字节跳动的开源超级智能体框架 什么是 DeerFlow DeerFlow（Deep Exploration and Efficient Research Flow）是字节跳动开源的超级智能体（SuperAgent）框架。它能够研究、编码和创造，通过沙箱、记忆、工具、技能和子智能体的协作，处理从几分钟到几小时不等的多层次任务。
DeerFlow 2.0 于 2026 年 2 月 27 日发布，一经推出便迅速登上 GitHub Trending 第一名，24 小时内获得 35,300+ 颗星，目前累计已超过 45,000 颗星。
⚠️ 注意：DeerFlow 2.0 是完全重写的版本，与 1.0 版本没有共享代码。
核心特性 1. 沙箱执行（Sandbox） DeerFlow 在隔离的沙箱环境中执行代码，确保安全性和稳定性：
1 2 3 4 5 6 7 # Docker 沙箱配置示例 sandbox: use: src.community.aio_sandbox:AioSandboxProvider image: enterprise-public-cn-beijing.cr.volces.com/vefaas-public/all-in-one-sandbox:latest port: 8080 auto_start: true container_prefix: deer-flow-sandbox 隔离执行环境 支持代码运行 网络请求转发 文件系统访问 2. 持久记忆（Memory） DeerFlow 具有强大的记忆功能，可以在对话之间保持上下文：
1 2 3 4 5 6 7 8 9 10 11 12 13 class MemoryMiddleware: def before_model(self, state, runtime): # 注入记忆上下文 memory_content = format_memory_for_injection( memory_data, max_tokens=config.
如何理解纳瓦尔说的 Software was eaten by AI？ 背景：一场跨越十三年的范式升级 2011年，马克·安德森（Marc Andreessen）提出了那句著名的论断——“Software is eating the world”（软件正在吞噬世界）。十三年后，纳瓦尔·拉维坎特（Naval Ravikant）给出了他的回应：“Software was eaten by AI”（软件被 AI 吞噬了）。
这不仅仅是一句话的更新，而是整个时代范式的升级。安德森说的是软件作为一种商业模式如何征服世界，而纳瓦尔说的是软件作为一门生意的根基如何被彻底动摇。
理解这句话，需要从三个维度来看：生产逻辑、交付逻辑、以及价值中心的转移。
一、从确定性逻辑到概率性生成 旧世界：软件是规则的集合 传统的软件开发本质上是规则的集合。程序员编写 if-else 语句，编译器将这些规则转化为机器可执行的指令。整个过程是确定性的——相同的输入必然产生相同的输出。
在那个世界里，软件是昂贵的"复杂建筑"：
你需要雇佣高薪的程序员 需要花费数月时间敲代码、Debug 构建出一个僵硬的系统 任何需求变更都意味着重新编写代码 软件工程师就像传统的手工艺人，每一行代码都是精心雕琢的作品。
新世界：AI 是"生长"出来的 当 AI 介入后，一切都变了。我们不再通过编写规则来解决问题，而是通过数据训练模型，让它自己生成结果。
这种转变是根本性的：
不再需要明确的规则：AI 通过海量数据学习模式，能够处理从未见过的场景 结果是概率性的：同样的输入可能产生不同的输出，但质量往往更高 系统是弹性的：模型可以自适应，而不需要手动修改代码 当纳瓦尔说"AI 吞噬了软件"，他意味着软件的构建块正在发生质变。未来的软件不再是由数百万行手写代码组成的，而是由几个核心算法（AI）和海量推理构成的。
二、软件的边际成本：从"低"变为"零" 安德森说"软件吞噬世界"，是因为软件的复制成本几乎为零——一份软件可以无限复制而不需要额外成本。这是 SaaS（软件即服务）商业模式成立的基础。
但纳瓦尔看到了更深层的变革：定制化软件的生产成本正在归零。
以前的困境 以前，如果你需要一个特定的功能，你有两个选择：
购买通用软件：承担高昂的许可费用，接受固定的功能集合 雇人开发：等待数周甚至数月，承担巨大的开发成本 软件产品本质上是一种"刚性"商品——你想要灵活性，就要付出额外代价。
AI 带来的变革 现在，AI（如 LLM）可以根据你的自然语言需求：
实时生成代码 直接提供解决方案 动态调整输出以匹配你的意图 这意味着：
软件产品正在贬值：用户不再需要一个固定的界面和功能列表 推理能力正在升值：真正值钱的变成了"解决问题的能力" 这解释了为什么传统的 SaaS 面临巨大的挑战——用户不再需要一个固定的软件产品，而是需要一个能随时理解意图并交付结果的智能体（Agent）。
三、编程语言的终极演变：英语是新的编程语言 软件时代：人适应机器 在过去五十年里，学习编程意味着要适应机器的思维方式：
Harness Engineering：AI 原生 DevOps 自动化平台 什么是 Harness Harness 是全球领先的 SaaS 开发平台公司，专注于通过 AI 能力革新软件交付流程。其核心产品是一个统一的软件交付平台，涵盖持续集成（CI）、持续部署（CD）、功能标志、云成本管理等功能。
近年来，Harness 推出了 Harness AI，将大语言模型能力引入 DevOps 领域，形成了所谓的 “Harness Engineering”——一种 AI 原生的软件工程实践。
什么是 Harness Engineering Harness Engineering 是指在 Harness 平台上构建和运行 AI 驱动的工作流程的方法论。它不仅仅是简单的 AI 辅助，而是将 AI Agent 深度集成到软件交付生命周期的每个阶段。
核心理念 Pipeline-Native：AI Agent 运行在 Pipeline 内部，而非外部工具 Autonomous：Agent 可以自主执行 DevOps 任务 End-to-End：覆盖代码生成之后的所有阶段 Harness AI 核心组件 1. Harness AI Code Agent 代码代理是专门为开发者设计的 AI 助手，提供以下能力：
智能代码生成：根据自然语言描述生成代码 实时代码建议：在编写过程中提供上下文建议 自动化测试生成：自动生成单元测试和集成测试 代码解释：对现有代码进行语义解释 代码审查：自动审查代码并提供改进建议 2. Harness AI DevOps Agent DevOps 代理专注于自动化运维任务：
