“明牌秀肌肉，暗牌亮底牌。一个是居品生态的广度，一个是工程基础圭表的深度。”

撰文｜司晓柏

剪辑｜翟文婷

腾讯AI刚打完一手明牌。元宝、龙虾特工队、养虾全景图，居品矩阵铺到桌面上，生态布局画得清澄线路。

但明牌下面还压着一张暗牌。

3月27日，腾讯云上海峰会。MiniMax的Agent首席架构师阿岛讲了一个磨练逆境——大模子的强化学习撞上了沙箱瓶颈，十万级并发环境在K8S上根蒂跑不动。吞并场峰会，汤说念生丢出一句判断：「AI落地不仅仅一说念算法题，更是一说念工程题。」

一个是大模子公司工夫同学的同感身受，一个是大厂掌门东说念主的计谋洞悉。两个东说念主从不同观点，撞进了吞并件事——它不在职何居品发布清单上，藏在底层：十万级并发沙箱、百毫秒级启动、两群工程师在行业还没反馈过来之前，偷偷把基础圭表推到了下一个属于Agent的时间。

这才是那张名为「工程」的暗牌。

01 白板上的四个字

2022岁首，MiniMax还莫得这个名字。首创东说念主闫俊杰在一间节略办公室的白板上写下「下一代AI」。彼时GPT-3刚发布不久，ChatGPT要再等一年，「AGI」这个词还没几个东说念主聊。四年后的2026年1月，MiniMax港交所上市，首日涨幅达到109%，市值龙套1000亿港元。

但阿岛——缪宇航，公司里面齐这样叫他——站在峰会台上翻出这张白板老像有顷，讲的不是上市的事。

他反复说的是一个工夫逆境：模子磨练的底层逻辑变了。模子不再是作念完一说念题就交卷——它得在真实环境里操作文献、写代码、调用器具、处理非常，每次试错齐要一个独处运行环境。当需求扩张到十万级并发，云盘算推算的底层架构被撞出了间隙。

02 K8S撑不住了

大模子昔时靠经典强化学习变机灵——给个问题，生成回答，打分，更新参数。但到了2025年下半年，天花板肉眼可见了。模子在闭塞环境里「作念题」如故很强，一放到真实天下坐窝大打扣头——莫得握久情状，每次对话齐是全新启动；只可写代码不行跑代码，枯竭「写→跑→看→修」的自我考证轮回；无法获得及时学问，也无法搭建真实的职责环境。

说到底，裸模子像一台空转的引擎，引擎本人不是汽车。MiniMax从M2.5版块启动押另一条路：Agentic RL（基于强化学习的智能体磨练）——径直把模子扔进真实操作系统环境里干活。走通了，智商质变。但它需要全新的磨练基础圭表。

可是，以前咱们可能仅仅让AI写一段话，或者处理一个粗浅的函数，但跟着Agent的到来，咱们现时条目AI去修理一辆正在跑的超等大卡车，或者是重新造出一台能用的iPhone。这意味着在Agent时间，模子面对的磨练任务是地狱级的。

每个磨练任务可能推演（Roll out）出上百条尝试旅途（Trajectory），每条旅途齐需要一个独处的沙箱环境。面对千千万万个用户恳求（Query），每个恳求齐要同期开启上百个沙箱并发运行。

阿岛说了句大真话：「一启动咱们在K8S上跑。然后发现真实不行，并发满盈起不来。」K8S——Kubernetes，当代云盘算推算事实上的养息尺度。但这套为微处事时间想象的系统，面对Agent磨练动辄几万个沙箱同期拉起的场景，扛不住了。

腾讯云Agent Runtime居品副总司理于广游（Gary）捅破了一层窗户纸：「每一个大模子企业里面，磨练沙箱基础圭表濒临两大逆境。第一，它是CPU的，不是GPU的，是以很难发论文。第二，搞K8S那群东说念主看到你尽然要拉master（指向K8S系统中枢世俗提真金不怕火资源）拉几千下几万下，把我拉垮了，第一反馈是——你能不行不要拉这样多。」

这种高频、海量的养息需求，恰是现时大模子落地工程中最隐形、也最头疼的「摩擦力」，它径直卡住了模子迭代的脖子。

偏巧MiniMax一个月发一个模子版块，ag官方网站登录入口国内可能独一作念到这个频率的，全球只消OpenAI保握访佛节拍。算一笔账：Agentic RL磨练时，GPU集群等沙箱启动的每一秒齐在空转烧钱。十万个并发沙箱，启动要几分钟，积存恭候可能吞掉数小时以致数天的GPU算力。

沙箱慢一天，模子过期一天。「现时的竞争即是这样浓烈。」

03 百万级否认奈何来的

问题摆在那处，MiniMax和腾讯云很快走到了通盘。

2026年3月18日，两边秘书合作：基于腾讯云Agent Runtime沙箱居品，MiniMax部署了百万级否认、十万级并发的Agent RL沙箱，测试环境全量巩固运行。阿岛说：「据咱们所知，这是国内最大的磨练沙箱系统之一。」Gary说，限制比同业起先至少一个数目级。

散伙最直不雅的数字是启动速率——从几分钟压到百毫秒级，快了数倍。前边那笔GPU空转的账，径直被压缩了一个量级。

撑住这个限制，腾讯云在底层作念了渊博累活。盘算推算层：养息优化、内核锁优化、快照工夫、内存映射。存储层：特意开发了加快存储决策。Gary打了个比喻——「昔时需要买一块云盘，现时可以强壮成买一个镜像盘或者沙箱盘，磁盘本人即是镜像本人。」

他指出，群众现时齐在尝试用「覆车继轨」，但这两个旧瓶子（K8S和Serverless）的想象初志，刚好和Agent的性情满盈相悖：把Agent想象成一个有纪念、要万古辰闭关念念考的大家，但K8S按照老例把给Agent关掉重启，Agent就会一霎失忆，Serverless（无处事器盘算推算）就像是世俗开关的「声控灯」，但正在「写论文」的Agent却需要灯光长亮。

这即是为什么腾讯云要给Agent造一个新的活水线。Gary强调，「这些不是因为咱们比别东说念主更机灵，而是咱们着实意志到这里的问题跟价值」。

关于Agent需要若何的磨练圭表，业内还有一个容易被忽视的离别：大多数AI公司治理沙箱问题的念念路是在土产货搭环境——进度跑在我方机器上，亚博体育安全靠手动阐明，电脑一关任务就断。

腾讯云走的是另一条路：把所有这个词Harness拆成「散伙面+推论面」的云原生架构。散伙面作念编排、权限、审计；推论面即是Agent Runtime沙箱，每个任务跑在独处的云表梗阻环境里，毫秒级启动，用完即焚，任务情状握久化存储，沙箱捐躯了也能从断点收复。一个是「带安全带的智能末端」，一个是「带监控和梗阻舱的云工场」——对企业场景来说，安全、互助、弹性统筹兼顾，后者才是分娩级决策。

04 吞并堵墙

汤说念生的判断干脆利落——主流大模子推明智商齐不差了，国内开源跟外洋闭源的差距在收窄。比拼重点正在升沉：不是「谁的模子更强」，是谁能通过工程化妙技把模子用好。

他在峰会上把「工程题」拆得很细：模子要着实落地，需要器具调用智商、需要高下文料理、需要长纪念、需要安全的推论环境、需要职责流编排——这些东西加在通盘，他用了一个词综合：Harness，模子的「脚手架」。汤说念生的意念念很明确，腾讯云要作念的不是卖算力，而是帮企业把这套脚手架搭起来。

行业正在酿成一个共鸣性公式：Agent = Model + Harness。Model负责「想」，Harness负责让智能变得「灵验」——器具调用、代码推论沙箱、高下文工程、长纪念料理、职责流编排，一整套系统工程。模子决定智商下限，Harness决定智商上限。有实践数据可以佐证：花三个月调Prompt，质地普及20%；花两周搭Harness，任务完成率从35%飙到82%。

这不是腾讯一家的发现。

2026年2月，HashiCorp齐集首创东说念主Mitchell Hashimoto端庄忽视「Harness Engineering」。简直同期，OpenAI作念了一个激进实验——3名工程师，5个月，100万行代码，零行东说念主工代码，东说念主类只管想象Harness。Anthropic、LangChain也摸到了访佛论断。

全天下最顶尖的工程大脑，在不同期区同期碰到了吞并堵墙：模子的智商天花板还远，但工程框架的地板才决定履行散伙。行业的柔软点正在从「Prompt工程」转向「高下文工程」——不再仅仅「奈何写请示」，而是「如何构建模子看到的全部信息体系」。

阿岛把这变成了一个画面：「就像一辆F1赛车，咱们去开，能奏凯开总结就可以了。但着实的赛车手能刷出天下记录。今天Agent亦然一样的——咱们能不手脚它打造企业级的F1车身，也即是Harness？」

MiniMax的实践印证了这极少。MiniMax M2.7 端庄开启模子的自我进化，AI深度参与了模子的磨练，强化学习中50%-70%的职责由Agent自主完成。东说念主类盘考员的变装变了，变成跟Agent聊实验idea。

但前提是：沙箱够快、够稳、够大。Harness是一套系统工程，包含文献系统、代码推论、纪念、搜索、高下文料理、编排六大组件——而沙箱是其中最底层的那一块，通盘表层智商齐开辟在「模子能不行着实在一个环境里跑起来」这个前提之上。不然再小巧的Harness想象，也卡在最不起眼的门径上。汤说念生那句「AI落地是一说念工程题」，说的不仅仅Harness想象，更是底层基础圭表的硬功夫。

05 两群工程师的情投意忺

阿岛在峰会上放了那张MiniMax Day 1的白板像片。「汲引的Day 1就有腾讯云提供撑握。其时候咱们如故名不见经传的小公司，腾讯云并莫得因为咱们小就薄待，和咱们通盘搭建了磨练算力集群，通盘处事了第一个爆款居品。」

四年，合作从算力集群到Agent RL沙箱、全球合规、表层利用接入。阿岛说腾讯云「止境工夫驱动，念念维也止境agent first」。听着像客套，但对照履行发生的事看，它指向一种具体的行动花样：碰到问题，不绕路，不等尺度，先把手龌龊。

K8S跑不动，就通盘重新想象专用沙箱。行业还没意志到Agent基础圭表的价值，就我方先投进去。这种解析是样子里作念出来的，不是会议室里谈出来的。

MiniMax模子开源，腾讯云通过TokenHub分发模子处事。阿岛说：「哪怕如故上市了，咱们仍然是一家只消几百东说念主的小公司，不可能处事那么多大客户。」腾讯云帮他把模子送到更多客户手里；MiniMax那些极点的磨练需求，也在倒逼腾讯云向Agent时间进化。

而MiniMax不是独逐个个撞上这堵墙的。任何一家端庄作念Agentic RL的公司，早晚齐会碰到一样的沙箱瓶颈。离别只在于，有莫得东说念主先把路趟出来。

Gary说：「咱们是在两个时间的临界点上，通盘联袂。」阿岛的表述访佛：「一个新时间对旧时间的——其实咱们是在一边的。」

06 那张暗牌

MiniMax的M2.7在AA大模子榜单国产模子名循序一，跟Claude在SWE-bench Verified上差距只剩0.6%。

阿岛判断：「再过一两年能留在牌桌上的公司可能不卓著5家。」靠什么留？规画这个时间工程师的水平，基本上看一个观点——他同期能并发若干个Agent为他职责，他每天能毁灭若干Token。

这个观点适用于个东说念主，也适用于公司。磨练遵循着实的瓶颈，不在GPU——在沙箱。

汤说念生在上海峰会上还秘书了腾讯云底层平台Cube全面开源，企业可径直用于智能体磨练和部署。这履行上即是腾讯回复「沙箱逆境」的其中一个解法，通过开源，让大模子的脚手架更好用。

腾讯如故把AI的明牌摊在桌上——居品矩阵、生态全景图、IM进口、Skill器具箱，面向用户，展示得清雪白白。Cube开源则是另一种姿态，面向的不是用户，是盟友。不是「看咱们有什么」，是「这些智商你们拿去用。」

明牌秀肌肉，暗牌亮底牌。一个是居品生态的广度，一个是工程基础圭表的深度。

汤说念生那句话，「AI落地是一说念工程题」，能够还可以再加半句：工程题的解法，从来不是一个东说念主闷头作念的。

四年前那块白板上写着「下一代AI」。四年了亚搏app官方网站，字没变。写字的东说念主，多了几个。