从 0 到 1 打造 Labubu，MiniMax Agent 展现出了令人惊叹的能力。它仿佛拥有着无尽的创造力和学习能力，如同一个神奇的工匠，在虚拟的世界中雕琢出一个个鲜活的 Labubu 形象。它不断地探索、尝试，优化每一个细节，仿佛知道用户心中对 Labubu 的期待。看着它逐渐成型的过程，仿佛看到了智能体未来的样子，它们将不再是冰冷的程序，而是能够理解人类需求、创造价值的伙伴。MiniMax Agent 为我们打开了一扇通往智能体未来的大门，让我们对未来充满了期待。

本文来自微信公众号：APPSO （ID：appsolution），作者：发现明日产品的，原文标题：《从 0 到 1 打造 Labubu ，MiniMax Agent 让我看到了智能体未来的样子》

今年上半年，最吊足胃口和期待的，莫过于Agent工具，饼画得都很大：日常中那些烧脑、重复、耗时间的任务，现在似乎只需要动动手指、敲几行prompt就能搞定。

大饼真的很诱人，但仔细想想：想要真的做到那么有用，需要的，是某种与你我类似的思考、规划，甚至还有能自己跟自己较劲、主动反思的能力。

带着这个想法，我们测试了最新的MiniMax Agent进行了一轮深度测试——不再满足于入门级的考察，而是把它丢进了一些充满趣味和挑战、又不失真实的工作场景，想看看它到底能聪明到什么程度。

对MiniMax Agent的期待，千言万语只有一点：玩着玩着，就把活儿干了。

创意内容：超越想象的视觉叙事

MiniMax本身就在多模态模型上积累深厚，这样的优势，对于想要出产创意型作品，可谓是信手拈来。

最近的Labubu简直火出天际，刚好就来给Labubu搞个宣传计划——听起来很复杂，这个Agent丝毫不慌，先制定一套完整的宣传策略计划，确定交付物清单，再有序生成海报，再按部就班地准备宣传海报。

全程看下来，MiniMax Agent一边动脑思考，一边调用合适的工具，主打一个行云流水，有条不紊。

就交付的结果来说，还真是不小的惊喜：不仅视觉审美在线，介绍文案也讲得清清楚楚，主题海报画廊一套接一套，别说，MiniMax Agent不只能做事，居然还有点「品味」。

类似的，还可以继续用Labubu做主角，让MiniMax Agent整一本20页图画书。

效果出人意料地出色，角色形象一致性比较好，每页图配文也不敷衍，读起来有内容，看起来不枯燥，还支持网页端部署，排版合理，细节讲究。

当然，我更喜欢它将Labubu改成了小兔帽熊熊的昵称，听起来软萌，看起来也确实养眼，图文兼备的情况下，适合小朋友，也适合大朋友。

PPT制作：不止美观，更会「雕花」

这次更新中，一大亮点是能做漂亮的PPT——职场打工人的刚需。

对于MiniMax Agent来说，PPT也是多模态的一种。看上去只是图片和文字，但无论是排版、内容规划和组织，都得有主题、有思路、有逻辑，并且还要能自主补全内容。

比如面向初中生设计一份物理讲解的PPT：

或者面向投资者，制作的商业报告：

简单来说，要做好PPT，不仅是简单的信息查找，更是对信息的筛选、去噪和跨领域关联的能力测试。

成品的效果都很好看，不禁让人好奇：在制作的过程中，MiniMax Agent都做了些什么？

我们用市场调研类别的PPT做了一个测试，这类PPT通常数据量大、信息密集，正好可以看看它在理解数据、选择合适图表以及呈现效果方面的能力到底怎么样。

首先它能准确地拆分任务，按照「页面布局+图表类型+数据样式」三层结构来梳理内容，页面规划很有一套。

可视化的呈现，不仅完整无遗漏地展示了关键数据点，还根据不同的数据特点，选用合适的可视化方式来展示。整个PPT的动画过渡也做得非常流畅，把重点自然地突出出来，连微调动画的工夫都省了。

最后交付时，除了要求的PPT文稿外，还额外提供了Web和PDF文件，以及Markdown文件。

总体来看，Minimax agent在「理解-整合-推理-生成-表达」这一完整链条上的能力都很不错，尤其是在非代码、偏文案和商业分析方面，完全称得上「专业」两个字。

音频到网站：一站式智能内容工作流

如果说图文都还不算进阶，那更考验agent实力的场景出现了：这个任务要求把上传过去的音频文件转换一遍格式，然后转成逐字稿，并且带时间戳。最后还要根据内容生成一个思维导图。

拆开来看，这些任务都没什么难度，但合在一起完成才是难点所在。

过去，要么熟练掌握转格式工具，或耗费时间寻找并尝试各种在线转换工具。而MiniMax Agent直接在内部完成了这一操作，大大节省了我们寻找、安装和操作外部工具的精力。

MiniMax Agent在整个流程中展现出的高效与便捷非常值得一赞。最直观的感受便是格式转换的无缝衔接。从进程视窗里可以看到，MiniMax Agent在生成逐字稿方面的快速、准确。

除了能把将音频内容转换为文本，还能对音频内容有深层理解，这些都体现在给出的思维导图里。

思维导图不仅能清晰地梳理出音频的核心观点和逻辑脉络，还能准确捕捉到内容的层次结构和关键信息点。

这远超简单的关键词提取，展现了MiniMax Agent将零散信息结构化、可视化的强大能力。

虽然是我给下的需求，但具体该怎么实现，其实我心里也没数。倒是它自己，主动给自己安排好了工作：从安装依赖包到启动服务器，自行完成了该做的工作，一点不需要操心。

UI设计：边学边用，高效产出

真正回到日常工作中，一定会涉及的环节是：调研了解-学习领悟-上手实践。这是人类最最基本的作业流程。毕竟，没有调研，就没有想法。

那么，想要成为一个优秀的agent，这个流程也必不可少——很复杂，但是很必要。

下面的案例中就是考察整个流程的实现：研究Apple iOS 26的液态玻璃的设计风格，制作一个类似的UI。

显然，MiniMax Agent也知道这是个相当复杂的任务，给自己制定了一整个作业计划。

接下来则是一步步的设计、部署和写代码。步骤很杂很多，但它自己有条不紊地执行，完全不需要人来操心——甚至还能想到要找「视觉冲击力强」的素材。

最终交付出来的，不仅有代码包，还有一个网站，来展示整个过程中调研获得的成果，视觉化地展示不同维度的成果。

甚至还专门留出了个交互体验的专区，可以简单体验效果——完全超出了原有prompt本身的设定，超额完成任务。

原有的prompt其实非常简单，对比最后交付的成果可以看到，MiniMax Agent不仅仅是有调研、深入的能力，用代码完成任务的能力，更加是对任务有「自己的理解」。

深度研究：不止是搜索，更需要推理

资料调研是基本功了，难度不高，但是个细致活——尤其是根据最新的新闻做调研，信息获取要尽量延伸。

从思维链的过程，以及交付成果上来看，Agent在完成这份研究报告的表现，远超预期：不仅完成了结构化的信息整合，还展示了自己的推理本领。

在报告中，MiniMax Agent并不只是简单罗列数据，而是能识别了市场规模「自上而下」与「自下而下」的巨大差异，并将其作为「重要的市场洞察」提出。

显然，简单的信息罗列，称不上是真正的「深度研究」。Agent需要识别数据背后的模式、趋势、因果关系，并在这些基础上，形成有价值的「洞察」和「核心观点」——这需要的，是超越文本匹配的推理能力。

总结：左手模型，右手Agent，MIniMax让我看到了智能体未来的样子

Agent是今年AI最火的赛道之一，大家都在谈论Agent的未来，但真正让Agent从炫技演示和「五分钟热度」的玩具走向能改变生产力的工具，其实寥寥无几。

拥有自研模型的MiniMax推出了自己的Agent产品，给我们展现出了不一样的打法。在测试后我们也对Agent有了新的理解：决定Agent体验的，不只是模型本身，还更多体现在那些看不见的基础设施上。

这里有个特别值得一提的细节——作为独立公司，MiniMax几乎是唯一一家能够提供完整全模态能力的厂商。

MiniMax语音模型Speech-02-HD位列Artificial Analysis Speech Arena榜单第一

MiniMax视频模型Hailuo 02位列Artificial Analysis Video Arena榜单第二

Agent大部分的能力都依赖于模型这个引擎，「模型即Agent」的趋势也越来越明显。

在这一点上，模型公司做AI应用的优势就体现得淋漓尽致了。由于直接掌控模型底层，他们能更有效地优化调度逻辑、降低运行成本，并构建数据飞轮来自主迭代。

MiniMax就是这样的典型代表——随着其自有模型能力的提升，Agent的运行成本不断优化，性能也显著增强。

今天MiniMax开源全球首个大规模混合架构的推理模型MiniMax-M1，原生支持100万token的输入长度和8万输出token的行业最长输出，推理算力生成10万token只需要DeepSeek R1的25%，将推理模型的价格又打了下来。

当其他创业公司还在为高昂的token成本发愁时，MiniMax已经能够通过提升自有模型比例来系统性地降低Agent运营成本，这对用户能持续稳定地体验十分重要。

这正是「MinimizeEfforts，MaximizeIntelligence」的极致诠释，简单来说，就是用最小的努力换取最大的智能。

MiniMax这种「左手模型，右手Agent」的布局，让他们能够在技术能力和用户价值之间找到最佳平衡点，确实具备了在这场智能体竞赛中脱颖而出的条件。

我们正身处一个前所未有的转折点：AI正从工具进化为拥有「大脑、感官、手脚」的复合智能体，它为未来工作与生活，开启了更新、更酷的想象空间。