新万博体育

　　猫眼电影记者 龚伟芳 报道Q8X2R7L1T4J5M9B6W3

机器之心报道

编辑：杜伟、+0

昨日，有位推特博主晒出了国内几大开源模型在轻量级软件工程 Agent 基准测试 mini-SWE-agent 上的成绩。该基准主要测试大模型在真实软件开发任务中的多步推理、环境交互和工程化能力。

结果显示，MiniMax 新一代大模型 M2 的表现最佳，一举超越了 DeepSeek、GLM、Qwen、Kimi 等其他一众竞品厂商。

新万博体育：测试细节请查看：https://x.com/KLieret/status/1995949673551724717

作为一个发布之初以 Agent 和代码能力见长的大模型，MiniMax M2 在 mini-SWE-agent 测试中的亮眼表现并不令人意外。它不仅可以出色规划、稳定执行复杂长链条工具调用任务，还能协同调用 Shell、Browser、Python 代码执行器和其他各种 MCP 工具。

支撑这些能力的关键技术正是 MiniMax M2 所采用的「Interleaved Thinking」（交错思维）， 通俗地讲即是一边思考、一边调用工具。这一技术的加持，使得该模型能够在「思考 - 行动 - 反思」的闭环中持续积累上下文理解，并根据反馈实时调整策略。

这种更接近真实工程师的工作方式，显著提升了 MiniMax M2 的 Agent 执行能力，在复杂任务中规划性更强、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核心优势。

发布仅仅一个多月，MiniMax M2 在实际 Agent 使用场景中获得了开发者的广泛认可。此前，推特博主 @elvis 表示，「MiniMax-M2 比我想象的要重要得多！我用 M2 构建了一个深度研究 Agent，交错思维确实不一般，它能在工具调用之间保留完整的内容块（思考 + 文本 + 工具调用），实现持续推理。这对自我改进的 Agent 非常有帮助。」

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

就在以 Agentic AI 为核心主题的 AWS re:Invent 2025 大会上，AWS CEO Matt Garman 宣布旗下模型库 Amazon Bedrock 迎来多个「新成员」，其中就包括了国产开源模型代表 MiniMax M2。

不禁好奇，Interleaved Thinking 在背后是如何驱动大模型变得「更能干活」的？带着这些疑问，我们对这项技术进行了一番深入探究。

崛起的「Interleaved Thinking」，正成为 Agent 模型标配

传统的 Chain-of-Thought（CoT）往往是「线性」的：模型先进行一次完整的思考规划，然后批量调用工具，最后根据结果生成答案。这种模式在简单的问答中有效，但在面对现实复杂任务时往往会「顾头不顾尾」，尤其是在多轮次推理、跨步骤决策和实时动态调整方面显得力不从心。

随着 Agent 任务的复杂程度越来越高，这类模式的局限更加明显，因此催生出了全新推理范式的需求。这也正是 Interleaved Thinking 得以迅速崛起的原因所在。

Interleaved Thinking 这一路径的核心思想可以追溯到 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（工具调用）交错进行。此后，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调用等 Agent 场景的协同。

基于这些工作，MiniMax M2 采用的 Interleaved Thinking 通过将推理贯穿于工具调用的每个步骤，在 Agent 执行过程中形成了高效稳定的「同步思考、实时调整、持续修正」循环

具体来讲，Interleaved thinking 是在显性推理和工具使用之间交替进行，同时在各步骤之间将推理推进。它本质上是一个「思考 → 行动 → 观察 → 再思考」的动态循环。这一过程显著提升了规划、自我纠正和长期工作流程的可靠性。

早期的 ReAct 很大程度上是借助 Prompt 工程在外部框架里「硬凑」出的逻辑闭环，链路常因格式或解析问题而中断；而如今的 Interleaved Thinking（如 MiniMax M2、DeepSeek V3.2）则把这类思考 - 行动模式更深度地融入了模型及其推理流程，让它更接近一种「原生的思维直觉」，因而更加稳健。

图源：https://t.co/u5DOdvTMtx

为什么它如此重要？

在长链路任务中，Agent 面临一个「致命杀手」：状态漂移。在复杂的 Agent 任务（如编写一个完整的游戏模组或进行深度行业调研）中，交互往往长达数十轮。如果模型在每一轮交互中丢弃了上一轮的推理过程，只保留工具的输出结果，模型就会陷入「失忆」状态。

它会忘记「我为什么要运行这行代码」或者「刚才那个报错排查到哪一步了」。这种上下文的断裂会导致模型重复执行无效操作，或者在多轮交互后偏离最初的目标。

而 Interleaved Thinking 从根源了解决了「状态漂移」问题，使得计划、意图和中间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：这不就是让模型「记性好」一点吗？它和现在热门的 Memory、Long Context 和 RAG 有什么区别？

其实，它们解决的是不同维度的「遗忘」问题。

普通的大模型记忆像电脑的硬盘。它侧重于「存事实」，记住的是用户的偏好、过往的知识库或几天前的对话摘要。 确保模型下次见到你，还记得你是谁，之前的项目背景是什么。

Interleaved Thinking 则像电脑的 RAM (内存)。它侧重于「存逻辑」，记住的是「我刚才为什么决定这么做」、「我对当前步骤的怀疑」、「我下一步的临时假设」，它用来维持正在运行的思维链状态。

当然，在实际工程中，这两者并非二元对立，而是互为表里。 我们往往需要 Long Context 作为巨大的容器，来承载 Interleaved Thinking 产生的大量推理过程。但如果不具备 Interleaved 的「思维动态维持」能力，单纯拉长 Context 只不过是给模型塞了一堆僵死的文字，模型依然会在海量信息中迷失方向。

简而言之，大模型记忆决定了 Agent 能「懂」多少过去，而 Interleaved Thinking 决定了 Agent 能「走」多远未来。

目前，Interleaved Thinking 这一技术正加速成为「行业共识」。除了 MiniMax 之外，很多其他头部大模型厂商也开始采纳：

Kimi K2 thinking原生支持 Thinking-in-Tools 能力，掌握了「边思考、边操作」的动态推理节奏；Gemini 3 Pro确立了「内部 Thinking 模式 + 思路签名（Thought Signature）」的标准，支持多轮 Context 回传与 Tool-use/Agent 的深度协同，确保持续推理不掉线；DeepSeek V3.2推出了首个将思考深度融入工具使用的 Thinking in Tool-Use 机制，在工具调用期间保留推理上下文，实现了思考与执行的无缝衔接。

可以说，Interleaved Thinking 已不再是单一厂商的特色，而逐步成为高性能 Agent 模型的「标配」

作为最早官方支持该技术的开源模型，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 用交错思维定义 Agent 新范式

Interleaved Thinking 的核心价值在于高强度的「工作记忆」维持能力。正是这种在每一步工具交互中保留并传递推理内容的机制，确保了 MiniMax M2 在执行长链路任务时，能够实现高效的自我修正、动态规划与样本复用，有效避免了逻辑中断。

根据 MiniMax M2 的实测数据，保持前轮思维状态带来了显著的性能提升：在充满不确定性、极度依赖「观察 - 调整」循环的 BrowseComp（网页浏览任务）中，保持前轮思维状态让性能从 31.4 跃升至 44.0，涨幅高达 40.1%；在 Tau? 复杂工具调用测试中，性能提升了 35.9%；即使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% 的显著增长。

不仅强，而且极其「省」

为了验证这一机制在真实开发流中的威力，AI Agent 系统经理 Muratcan Koylan 构建了一个具体的演示：为设计系统团队自动生成一份简报。这项任务需要模型整理关键 Design Tokens（如颜色、排版、间距）、定义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，传统模型试图「一口吃成胖子」，一次性调用所有工具，容易导致结果偏差。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「思考 → 行动 → 消化结果」的循环，让每一步决策都通过 reasoning_details 清晰可见，不再是黑盒。

对于开发者而言，技术先进性最终要通过成本和效率来落地。Muratcan 的测试数据还展示了 M2 惊人的经济性：在这个包含 8 步推理、7 次工具调用 的完整流程中，MiniMax M2 的总成本仅为 $0.001669。相比同级别的 Claude Sonnet（约 $0.020），M2 便宜了近 12 倍

这意味着，在相同的预算下，开发者可以使用 M2 进行 12 倍的迭代实验。Muratcan 指出，这种「高可见性 + 低成本」的组合，让快速迭代真正变得可行，这对于构建复杂的工具编排和开发工作流来说，是游戏规则的改变者。

如何榨干 M2 的全部性能？

尽管 MiniMax M2 能力强大，但在发布初期，官方社区反馈发现了一个普遍现象：很多开发者并没有正确「打开」 Interleaved Thinking。

常见误区包括：调用 API 时丢弃上一轮推理内容、或在使用 Anthropic 格式时过滤掉了 thinking blocks。一旦上下文断裂，模型只能从零推理，性能直接腰斩。

为了确保开发者能榨干 M2 的全部性能，MiniMax 提供了两种主流 API 格式的最佳实践：

MiniMax 官方 API： 采用内容与推理分离的设计，推理过程通过独立的 reasoning_details 字段返回，清晰且易于解析。Anthropic 兼容 API： 完美适配 Claude 生态，天然支持多类型内容块，只需保留并回传 thinking blocks 即可。

这些实践表明了，MiniMax M2 正在为困扰业界已久的 Agent 落地难题，打开了一种全新的解决思路。

在被称为 Agent 落地元年的 2025 年，直到现在仍有很多 AI 界人士持有悲观态度，比如 Andrej Karpathy，他在上上个月的一次访谈节目中表示，当前市面上的 AI Agent「令人失望」，并预计大约还需要 10 年时间，它们才可能发展到真正可用、可靠的状态。

这里首要解决的一大挑战便是：模型思考过程与工具执行之间真正实现丝滑、高效的协作。如今随着 Interleaved Thinking 的机制不断完善，其能力逐步得到充分释放，这一问题也随之有了可行性更高的技术解决方案。

当然，Interleaved Thinking 想要赢得新万博体育：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 发布时，社区对该技术的支持非常有限。为了改变这一现状，MiniMax 采取多种途径推动该技术成为可复用的行业标准。

过去几周，MiniMax 与 Kilo Code、RooCode、Cline、OpenRouter、Ollama 等众多合作伙伴合作，提供了多个关键 PR，实现了这些编程工具、API 平台对 Interleaved Thinking + 原生工具调用的广泛、良好支持。同时，基于内部的 Benchmark，MiniMax 与合作伙伴一起对这些实现进行了测试，确保对应实现的正确性和效果。

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 与原生工具调用的功能。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

此外，为了让开发者更快掌握 Interleaved Thinking 与 Agent 的最佳实践，MiniMax开源了支持该技术的 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，并为用户进行总结。

目前，该项目已获得了 700 + 的 Star，在社区中的关注度持续提高。

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

社区和生态建设层面的一系列举措意味着，MiniMax 正为行业构建一套更标准化、工程化的 Agent 执行范式。这些举措也将加速让 Interleaved Thinking 从模型内部的技术特性演变为开发者可直接调用与集成的能力。

随着包括 MiniMax M2 在内的大模型展现出了高效稳定的 Agentic 能力，未来可能有新万博体育：厂商采用类似技术，并将推动新万博体育： API 平台和编程工具完善相应的支持与适配。

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

??时事1：欧美日韩精品激情在线看

??12月02日,2024年三亚国际游艇展开幕,

　　各位老师，同志们，抚今追昔，心潮澎湃;展望明朝，信心百倍。我们要保持“心齐、气顺、劲足、实干”的精神状态，同心同德，发扬创业精神，抓住机遇，开拓进取，再创辉煌!

,高清 码 入口。

??12月02日,全球经济、气候与贸易政策如何协同？COP29中国角热议,

　　第七、提高凝聚人心、做群众思想工作的能力。 当前，群众思想工作方式单一是我们工作的一个薄弱环节，很大程度上是农村经济发展的制约因素。我们做每一项工作都要从实际出发，要带着问题与基层群众共同研究本村的资源状况和优势所在，寻找符合本村实际的经济发展路子，商量增加农民收入的办法。要带着感情到群众中去，真诚了解农民群众的困难和愿望、意见和要求，真心实意地帮助他们排忧解难。只有经济得到发展，群众的政治意识才会增强，我们基层党组织、村干部说话办事才会有感召力和威力。目前，在全县大力实施生态移民、特色种植、百村万户养殖、劳务产业、生态建设、基础设施建设 “ 六大工程 ” 中，特别是按照 “ 搬迁中部，扩展两翼 ” 的思路，围绕 “ 水源、生态、开发、特色、转移 ” 五个重点，集中人力财力物力，在完成去年2.86万生态移民的基础上，用3年的时间开发水浇地36.43万亩，安置县内移民10.4万人的生态移民工程，在座的各位是具体工作的落实者，肩上的担子可不轻。

,桃花岛成在人线av,91精品婷婷国产综合一区二区,又刺激又黄色一级A毛片。

??时事2：淑女隐忍憋尿by白夜飞行

??12月02日,中国北方多地气温陆续创新高 局地将超20℃,

　　“小弟弟，你一个人呀？”为首的女子笑了起来，很灿烂，一双水灵灵的大眼睛像是会说话一般，红唇润泽，贝齿闪光，令在场的男人一阵心颤。

,撸撸社,熟女69,FerrPorno馃拫馃憴83。

??12月02日,“五一”假期 西藏拉萨迎客流高峰,

　　市、县(市)区档案馆结合__市社会经济发展软环境建设工作，积极创造条件，加快档案服务机制创新步伐，以服务民生为重点，不断丰富档案工作服务大局的内容和手段，提高服务水平。市、县(市)区档案局馆向社会作出了服务承诺，实行档案查阅利用零收费服务，限度地满足各级领导、各部门和社会各界利用档案的需要，为领导决策、落实政策、解决土地纠份、劳动人事、工资福利、编史修志等各项工作提供了大量的档案信息资源，取得了良好的社会效益。市、县(市)区综合档案馆认真履行局馆公开服务承诺，共接待查阅利用者59864人次，调阅档案57586卷，复印档案材料12293页。市城建档案馆成立一站式服务窗口，自觉接受社会和群众的监督。认真履行档案局服务承诺，建立电话预约、网上查询档案服务，市、县(市)区综合档案局馆分别接听电话预约300余人次、网上预约20余人次，并及时进行了回复。市档案馆接待利用岗被评为全国巾帼文明岗、__市巾帼文明示范岗。市、县(市)区综合档案馆共接收不同门类档案共计47590卷，接收20__年度市级机关电子公文和档案文件级条目数据7000多条，原文数据10000多页，数字化照片档案3100多张。市、县(市)区综合档案馆分别填报了国家重点档案抢救与保护基本情况调查表，完成了重点档案抢救保护工作，其中：市档案馆完成了400卷的抢救任务。充分发挥爱国主义教育基地的作用市、县(市)区综合档案馆共接待了省、内外考察团共30余批、14000余人次，并互赠了编研成果。

,搜索国产特级黄色视频,在线看a片欧美,FerrPorno80馃拫馃憴。

??时事3：三级一级毛片

??12月02日,加拿大蒙特利尔上演第八届枫花雪乐中国春晚,

　　我们必须本着对历史负责、对群众负责的态度，把加快城市化进程作为现代化建设的战略措施，紧紧围绕到20xx年全市城市化水平达到45%的总目标和优化城镇布局，重点发展临沂城，加快发展各县城，积极发展小城镇的总体思路，解放思想，更新观念，创新机制，坚持高起点规划、高标准建设、高效能管理、高水平经营，尽快形成以快捷的交通、良好的环境、方便的服务、鲜明的特色为重点，以临沂城为中心，以交通干线为纽带的城镇网络体系。

,私,小视频亚洲,男人天堂www.。

??12月02日,台风“康妮”逼近 马尾至马祖“小三通”客运航线停航,

　　1、按时上学下学，上午是7：30-7:50，下午是1:30-1:50到校。上学期很多同学早早就来到校门口、泉德路口等，这样非常危险。家住学校附近的瓷城花园上午7:30，下午1:30才从家里出发，家住在其他要计算好家到学校的时间，请同学们按时上学不能过早到校。请各班主任加强教育，务必使本班学生遵守。

,美女A级毛片高潮视频免费,日本男女欧美一级免费,久久久高清精品A片。

??时事4：在线欧美看A片视频在线观看

??12月02日,谢锋：中国坚持“开门”“修路”“挂钩”，与世界分享改革发展红利,

　　一、校容校貌焕然一新。

,MAMA别告诉妈妈,91麻豆精品91久久久ios版,在线观看你懂得的布洛妮娅。

??12月02日,印尼建筑设计师壮乡创业：“修旧如旧”以设计寻根,

　　少妇眼中疯狂，更加确定，这样做值得，哪怕被发现，被清算，但只要植入毅儿体内也值了。这块至尊骨才开始生长，就已经有这般威势，若是将来成长好，那还了得！

,欧美日韩视频在线一区二区三区,色哟哟 色,在线观看H片。