不需要懂Skill、SubAgent、MCP这些概念。上线以来已有1.6万+专家Agent被创建和使用。
值得一提的是，MiniMax自己也在吃自己的狗粮。
据阿岛透露，公司内部有一个数字员工，拥有独立的GitHub账号，每天自动扫描开源项目，发现能用到MiniMax模型的就自己去提PR。
用Agent来推广Agent背后的模型，而海外开源社区的反馈证明，这招确实管用。
这些产品每天产生的真实场景需求，又反过来驱动M2.7在工具调用、Skills遵循等维度上的持续优化。飞轮就是这么转起来的。
但光有模型和产品的互补还不够。要让这套闭环在云端大规模跑起来，还卡在一个更底层的环节。
最容易卡住的就是沙箱
Agent在云端大规模运行，模型推理只是第一步。更难的是给每个Agent一个安全、隔离、可弹性伸缩的执行环境。
在阿岛看来，「最有可能卡住的就是沙箱环节。如果迭代速度慢了，竞争力就会受到影响。」
其中底层Infra（身份认证、支付、沙箱等）创业公司很难做，需要和大厂深度合作。就像移动互联网时代，支付基础设施最终由微信和支付宝解决。
MiniMax的做法，是训练侧和部署侧分别找了两家头部云厂商。
训练侧，MiniMax与腾讯云深度合作，基于腾讯云Agent Runtime沙箱搭建Forge强化学习框架的基础设施。
Forge进行大规模强化学习训练时，需要模拟海量并发交互环境，让Agent在真实、可交互的执行环境中探索和试错。腾讯云提供80ms极速启动、每分钟60万沙箱实例、成功率99.99%的并发能力，支撑M2.7的自主进化训练。
部署侧，MaxClaw和MaxHermes的云端架构基于阿里云ACK/ACS构建。
MiniMax采用控制平面与执行平面分离的模式，阿里云ACK承载统一控制面，ACS Agent Sandbox提供20-40ms极速实例供给，支持每分钟15000个沙箱的弹性扩缩，任务按需创建、结束自动释放。
腾讯云负责训练，阿里云负责部署。
两大云厂商同时首选MiniMax作为核心合作伙伴，本身就是对其技术实力和Agent产品规模的双重背书。
Token的含金量变了
过去几年大家在比参数、比上下文、比跑分。现在比的是另一件事，同等Token能产出多少价值。
MiniMax CEO闫俊杰在3月的业绩电话会上提了一个公式——
AI平台价值 = 智能密度 × Token吞吐量。
MiniMax的解未必是唯一答案，但它踩中了一个正在被验证的逻辑，模型为Harness而生，Harness反哺模型进化。
当两家头部云厂商同时为它修路、四个海外头部开源项目同时选它做默认模型的时候，这个逻辑至少在当下是跑通了的。
接下来的问题只剩一个，M3什么时候来。
对此，MiniMax已经透露了几个关键方向：
总之，时间不会太远了。
参考资料：
https://www.bilibili.com/video/BV155djB5ETY
https://www.minimaxi.com/news/minimax-m27-zh
https://agent.minimax.io/max-claw
https://agent.minimax.io/
https://github.com/nousresearch/hermes-agent