MiniMax Agent真的能让工作更轻松吗？
内容提要
MiniMax于2026年5月将Agent产品更名为Mavis，采用Leader、Worker、Verifier分工的Agent Teams架构，以提升长任务效率。实测表明，该架构在复杂可验证任务中有效，但短任务成本高。文章还提及M2.7商用限制、版权诉讼及蒸馏指控，强调多智能体协作需结构化，否则仅增加开销。
延伸解读
多智能体协作并非万能
MiniMax在官方博文中坦承，多智能体协作只有在长任务且可验证的场景下才划算。他们引用的研究显示，无结构的智能体辩论可能消耗2.1到3.4倍的token，且准确率无提升甚至更差。这意味着，对于简单任务，多智能体架构反而增加开销。因此，评估是否使用Agent Teams时，应首先判断任务是否足够长、复杂且可验证，否则单智能体或脚本可能更高效。
M2.7商用限制需留意
MiniMax-M2和M2.5以宽松许可证开源，但M2.7在发布后悄然更新了商业条款，要求商用需书面授权，仅研究和个人使用免费。这一变化对计划将M2.7用于商业项目的团队至关重要，需在部署前仔细审查许可证条款，避免法律风险。
成本对比：M3 vs Claude Opus 4.6
MiniMax-M3标准定价为输入0.30美元/百万token，输出1.20美元/百万token，促销价约为Claude Opus 4.6的1/17和1/21。但更低的单价并不必然意味着总成本更低，因为多智能体可能需要更多轮次、工具调用或重试。实际成本需结合任务复杂度和token消耗量综合评估。
Q&A
MiniMax Agent 改名为 Mavis 后，其核心架构 Agent Teams 是如何分工的？
Agent Teams 采用 Leader、Worker、Verifier 三种角色分工：Leader 将用户目标拆解为任务结构，并判断是否值得拆分；Worker 执行具体的子任务，不同 Worker 拥有不同的工具和上下文；Verifier 负责检查来源、覆盖范围和风险边界，并可要求 Worker 返工。这种分工旨在解决单一智能体既当裁判又当运动员的自我校验问题。
MiniMax 官方承认 Agent Teams 架构在哪些任务上有效，在哪些任务上成本高？
MiniMax 官方承认，Agent Teams 架构在长任务且可验证的任务上有效，例如研究综合、有测试的编码工作和结构化文档生成。但在短任务或简单任务上，该架构的成本接近纯开销，因为拆分和协调多个智能体需要额外的 token 和时间。
MiniMax 引用的“共识成本”研究说明了什么？
MiniMax 引用的“共识成本”研究发现，无结构的多智能体协作（如同质模型间的自由辩论）相比单个智能体自我修正，token 成本可能高出 2.1 到 3.4 倍，且准确率没有提升，有时甚至更差。这强调了多智能体协作必须有真实结构，否则只是更昂贵的并发。
MiniMax 的 M2.7 模型在商用方面有什么限制？
MiniMax 的 M2.7 模型权重在 Hugging Face 上发布，但随后商业条款被更新，要求商用必须获得书面授权，而研究和个人使用仍然免费。这与之前 M2 和 M2.5 的宽松许可不同。
MiniMax 的 API 与 Anthropic 兼容，如何使用 Anthropic SDK 调用 MiniMax 模型？
MiniMax 的 API 兼容 Anthropic 消息格式，只需在环境变量中设置 ANTHROPIC_BASE_URL 为 https://api.minimax.io/anthropic，并使用 ANTHROPIC_API_KEY 设置你的 MiniMax 密钥，然后使用标准的 anthropic.Anthropic() 客户端即可调用 MiniMax 模型，无需其他代码更改。
MiniMax-M3 的定价是多少？与 Claude Opus 4.6 相比如何？
MiniMax-M3 的标准定价为每百万输入 token 0.30 美元，每百万输出 token 1.20 美元，这是列表价 0.60/2.40 美元的促销五折。相比之下，Claude Opus 4.6 的定价为每百万输入 5 美元、输出 25 美元，因此 MiniMax-M3 在输入上便宜约 17 倍，输出上便宜约 21 倍。但更便宜的 token 不一定意味着更便宜的任务，因为可能需要更多轮次或工具调用。
MiniMax 在发布 Mavis 时提到了哪些法律或合规问题？
文章提到 MiniMax 面临 Anthropic 的蒸馏指控，以及迪士尼、环球和华纳兄弟对其视频产品的版权诉讼。此外，M2.7 模型有商用授权限制。这些是团队在评估生产环境使用时需要了解的合规风险。
