丁香五月天亚洲综合在线

电脑版下载

61226
4

丁香五月天亚洲综合在线截图Q8X2R7L1T4J5M9B6W3

内容详情

丁香五月天亚洲综合在线

机械之心报道

编辑：杜伟、+0

昨日，有位推特博主晒出了海内几大开源模子在轻量级软件工程 Agent 基准测试 mini-SWE-agent 上的效果。该基准主要测试大模子在真实软件开发使命中的多步推理、情形交互和工程化能力。

效果显示，MiniMax 新一代大模子 M2 的体现最佳，一举逾越了 DeepSeek、GLM、Qwen、Kimi 等其他一众竞品厂商。

更多测试细节请审查：https://x.com/KLieret/status/1995949673551724717

作为一个宣布之初以 Agent 和代码能力见长的大模子，MiniMax M2 在 mini-SWE-agent 测试中的亮眼体现并不令人意外。它不但可以精彩妄想、稳固执行重大长链条工具挪用使命，还能协同挪用 Shell、Browser、Python 代码执行器和其他种种 MCP 工具。

支持这些能力的要害手艺正是 MiniMax M2 所接纳的「Interleaved Thinking」（交织头脑），通俗地讲即是一边思索、一边挪用工具。这一手艺的加持，使得该模子能够在「思索 - 行动 - 反思」的闭环中一连积累上下文明确，并凭证反响实时调解战略。

这种更靠近真实工程师的事情方法，显著提升了 MiniMax M2 的 Agent 执行能力，在重大使命中妄想性更强、执行稳健性更高、自我纠错能力更可靠，从而组成了其最具辨识度的焦点优势。

宣布仅仅一个多月，MiniMax M2 在现实 Agent 使用场景中获得了开发者的普遍认可。此前，推特博主 @elvis 体现，「MiniMax-M2 比我想象的要主要得多！我用 M2 构建了一个深度研究 Agent，交织头脑确实纷歧般，它能在工具挪用之间保存完整的内容块（思索 + 文本 + 工具挪用），实现一连推理。这对自我刷新的 Agent 很是有资助。」

图源：https://x.com/omarsar0/status/1993325632961593417

就在以 Agentic AI 为焦点主题的 AWS re:Invent 2025 大会上，AWS CEO Matt Garman 宣布旗下模子库 Amazon Bedrock 迎来多个「新成员」，其中就包括了国产开源模子代表 MiniMax M2。

不禁好奇，Interleaved Thinking 在背后是怎样驱动大模子变得「更醒目活」的？带着这些疑问，我们对这项手艺举行了一番深入探讨。

崛起的「Interleaved Thinking」，正成为 Agent 模子标配

古板的 Chain-of-Thought（CoT）往往是「线性」的：模子先举行一次完整的思索妄想，然后批量挪用工具，最后凭证效果天生谜底。这种模式在简朴的问答中有用，但在面临现实重大使命时往往会「顾头掉臂尾」，尤其是在多轮次推理、跨办法决媾和实时动态调解方面显得力有未逮。

随着 Agent 使命的庞洪水平越来越高，这类模式的局限越发显着，因此催生出了全新推理范式的需求。这也正是 Interleaved Thinking 得以迅速崛起的缘故原由所在。

Interleaved Thinking 这一起径的焦点头脑可以追溯到 2022 年由普林斯顿大学与谷歌提出的 ReAct 框架，该框架系统性地提出将推理与行动（工具挪用）交织举行。以后，Anthropic 提出的 Extended Thinking 在强调长时与长链路推理的同时进一步完善了与工具挪用等 Agent 场景的协同。

基于这些事情，MiniMax M2 接纳的 Interleaved Thinking 通过将推理贯串于工具挪用的每个办法，在 Agent 执行历程中形成磷七效稳固的「同步思索、实时调解、一连修正」循环

详细来讲，Interleaved thinking 是在显性推理和工具使用之间交替举行，同时在各办法之间将推理推进。它实质上是一个「思索 → 行动 → 视察 → 再思索」的动态循环。这一历程显著提升了妄想、自我纠正和恒久事情流程的可靠性。

早期的 ReAct 很洪流平上是借助 Prompt 工程在外部框架里「硬凑」出的逻辑闭环，链路常因名堂或剖析问题而中止；而现在的 Interleaved Thinking（如 MiniMax M2、DeepSeek V3.2）则把这类思索 - 行动模式更深度地融入了模子及其推理流程，让它更靠近一种「原生的头脑直觉」，因而越发稳健。

图源：https://t.co/u5DOdvTMtx

为什么它云云主要？

在长链路使命中，Agent 面临一个「致命杀手」：状态漂移。在重大的 Agent 使命（如编写一个完整的游戏模组或举行深度行业调研）中，交互往往长达数十轮。若是模子在每一轮交互中扬弃了上一轮的推理历程，只保存工具的输出效果，模子就会陷入「失忆」状态。

它会遗忘「我为什么要运行这行代码」或者「适才谁人报错排查到哪一步了」。这种上下文的断裂会导致模子重复执行无效操作，或者在多轮交互后偏离最初的目的。

而 Interleaved Thinking 从泉源相识决了「状态漂移」问题，使得妄想、意图和中心结论可以跨轮次延续。

图源：https://t.co/u5DOdvTMtx

看到这里，可能有读者会问：这不就是让模子「记性好」一点吗？它和现在热门的 Memory、Long Context 和 RAG 有什么区别？

着实，它们解决的是差别维度的「遗忘」问题。

通俗的大模子影象像电脑的硬盘。它着重于「存事实」，记着的是用户的偏好、过往的知识库或几天前的对话摘要。确保模子下次见到你，还记得你是谁，之前的项目配景是什么。

Interleaved Thinking 则像电脑的 RAM (内存)。它着重于「存逻辑」，记着的是「我适才为什么决议这么做」、「我对目今办法的嫌疑」、「我下一步的暂时假设」，它用来维持正在运行的头脑链状态。

虽然，在现实工程中，这两者并非二元对立，而是互为内外。我们往往需要 Long Context 作为重大的容器，来承载 Interleaved Thinking 爆发的大宗推理历程。但若是不具备 Interleaved 的「头脑动态维持」能力，纯粹拉长 Context 只不过是给模子塞了一堆僵死的文字，模子依然会在海量信息中迷失偏向。

简而言之，大模子影象决议了 Agent 能「懂」几多已往，而 Interleaved Thinking 决议了 Agent 能「走」多远未来。

现在，Interleaved Thinking 这一手艺正加速成为「行业共识」。除了 MiniMax 之外，许多其他头部大模子厂商也最先接纳：

Kimi K2 thinking原生支持 Thinking-in-Tools 能力，掌握了「边思索、边操作」的动态推理节奏；Gemini 3 Pro确立了「内部 Thinking 模式 + 思绪署名（Thought Signature）」的标准，支持多轮 Context 回传与 Tool-use/Agent 的深度协同，确保一连推理不掉线；DeepSeek V3.2推出了首个将思索深度融入工具使用的 Thinking in Tool-Use 机制，在工具挪用时代保存推理上下文，实现了思索与执行的无缝衔接。

可以说，Interleaved Thinking 已不再是简单厂商的特色，而逐步成为高性能 Agent 模子的「标配」

作为最早官方支持该手艺的开源模子，MiniMax M2 在提升 Interleaved Thinking 的性能与效率上已经形成了自己独到的一套打法。

既强又省，MiniMax M2 用交织头脑界说 Agent 新范式

Interleaved Thinking 的焦点价值在于高强度的「事情影象」维持能力。正是这种在每一步工具交互中保存并转达推理内容的机制，确保了 MiniMax M2 在执行长链路使命时，能够实现高效的自我修正、动态妄想与样本复用，有用阻止了逻辑中止。

凭证 MiniMax M2 的实测数据，坚持前轮头脑状态带来了显著的性能提升：在充满不确定性、极端依赖「视察 - 调解」循环的 BrowseComp（网页浏览使命）中，坚持前轮头脑状态让性能从 31.4 跃升至 44.0，涨幅高达 40.1%；在 Tau? 重大工具挪用测试中，性能提升了 35.9%；纵然是在本就极高难度的 SWE-Bench Verified 软件工程基准上，也依然取得了 3.3% 的显著增添。

不但强，并且极其「省」

为了验证这一机制在真实开发流中的威力，AI Agent 系统司理 Muratcan Koylan 构建了一个详细的演示：为设计系统团队自动天生一份简报。这项使命需要模子整理要害 Design Tokens（如颜色、排版、间距）、界说按钮组件的实现规范，以及输出可复用的开发模式。

图源：https://x.com/koylanai/status/1990692277723734153

在这个演示中，古板模子试图「一口吃成胖子」，一次性挪用所有工具，容易导致效果误差。而 M2 展现了清晰的节奏：先获取颜色 → 反思 → 再请求排版 → 再请求间距。这种「思索 → 行动 → 消化效果」的循环，让每一步决议都通过 reasoning_details 清晰可见，不再是黑盒。

关于开发者而言，手艺先进性最终要通过本钱和效率来落地。Muratcan 的测试数据还展示了 M2 惊人的经济性：在这个包括 8 步推理、7 次工具挪用的完整流程中，MiniMax M2 的总本钱仅为 $0.001669。相比同级别的 Claude Sonnet（约 $0.020），M2 自制了近 12 倍

这意味着，在相同的预算下，开发者可以使用 M2 举行 12 倍的迭代实验。Muratcan 指出，这种「高可见性 + 低本钱」的组合，让快速迭代真正变得可行，这关于构建重大的工具编排和开发事情流来说，是游戏规则的改变者。

怎样榨干 M2 的所有性能？

只管 MiniMax M2 能力强盛，但在宣布初期，官方社区反响发明了一个普遍征象：许多开发者并没有准确「翻开」 Interleaved Thinking。

常见误区包括：挪用 API 时扬弃上一轮推理内容、或在使用 Anthropic 名堂时过滤掉了 thinking blocks。一旦上下文断裂，模子只能从零推理，性能直接腰斩。

为了确�？⒄吣苷ジ� M2 的所有性能，MiniMax 提供了两种主流 API 名堂的最佳实践：

MiniMax 官方 API：接纳内容与推理疏散的设计，推理历程通过自力的 reasoning_details 字段返回，清晰且易于剖析。Anthropic 兼容 API：完善适配 Claude 生态，自然支持多类型内容块，只需保存并回传 thinking blocks 即可。

这些实践批注晰，MiniMax M2 正在为困扰业界已久的 Agent 落地难题，翻开了一种全新的解决思绪。

在被称为 Agent 落地元年的 2025 年，直到现在仍有许多 AI 界人士持有气馁态度，好比 Andrej Karpathy，他在上上个月的一次访谈节目中体现，目今市面上的 AI Agent「令人失望」，并预计约莫还需要 10 年时间，它们才可能生长到真正可用、可靠的状态。

这里主要解决的一大挑战即是：模子思索历程与工具执行之间真正实现丝滑、高效的协作。现在随着 Interleaved Thinking 的机制一直完善，其能力逐步获得充分释放，这一问题也随之有了可行性更高的手艺解决计划。

虽然，Interleaved Thinking 想要赢得更多厂商和开发者的青睐，少不了其他各环节的系统性支持。MiniMax M2 宣布时，社区对该手艺的支持很是有限。为了改变这一现状，MiniMax 接纳多种途径推动该手艺成为可复用的行业标准。

已往几周，MiniMax 与 Kilo Code、RooCode、Cline、OpenRouter、Ollama 等众多相助同伴相助，提供了多个要害 PR，实现了这些编程工具、API 平台对 Interleaved Thinking + 原生工具挪用的普遍、优异支持。同时，基于内部的 Benchmark，MiniMax 与相助同伴一起对这些实现举行了测试，确保对应实现的准确性和效果。

以 Kilo Code 平台为例，其已经支持最新版本的 MiniMax M2，并默认启用了 Interleaved Thinking 与原生工具挪用的功效。用户对此高度评价，「MiniMax M2 + 工具能力 + 免费开放 = 绝对的赢家组合」。

图源：https://x.com/kilocode/status/1990419655991652649?s=20

别的，为了闪开发者更快掌握 Interleaved Thinking 与 Agent 的最佳实践，MiniMax开源了支持该手艺的 Coding CLI——Mini-Agent。通过可直接运行的工程示例，用户可以直观地看到 MiniMax M2 通过 Interleaved Thinking 构建 Agent 的效果。下图展示了 Agent 使用其网页搜索工具在线获取最新信息，并为用户举行总结。

现在，该项目已获得了 700 + 的 Star，在社区中的关注度一连提高。

GitHub 地点：https://github.com/MiniMax-AI/Mini-Agent

社区和生态建设层面的一系枚行动意味着，MiniMax 正为行业构建一套更标准化、工程化的 Agent 执行范式。这些行动也将加速让 Interleaved Thinking 从模子内部的手艺特征演变为开发者可直接挪用与集成的能力。

随着包括 MiniMax M2 在内的大模子展现出了高效稳固的 Agentic 能力，未来可能有更多厂商接纳类似手艺，并将推动更多 API 平台和编程工具完善响应的支持与适配。

Agent 迈向真正生产级阶段的转折点，或许已经从 Interleaved Thinking 最先了。