智通財經APP獲悉，國聯民生證券發布研報稱，在傳統對話範式下，單次交互僅需少數幾次模型調用；但在工作流範式下，一個任務往往橫跨計劃、檢索、工具調用、校驗糾錯及外部系統寫入等多個階段。相較基礎聊天，面向複雜任務的agent服務可能會消耗數十倍多的token，模型單位成本的重要性在不斷提升。Agent時代，大模型正從「聊天工具」進化為「自主員工」。掌握核心算法與行業接口的大模型廠商有望深度受益於萬物智能化的紅利，建議關注「大模型雙子星」MiniMax-WP(00100)與智譜(02513)。

國聯民生證券主要觀點如下：

事件：截至2026年2月2日，Clawdbot在代碼託管平台GitHub上的星標數量已超過13萬個，官網累計訪問量突破200萬人次，成為近期增長最快的開源技術項目之一。以及近期出現的「AI-only社區」如Moltbook，該平台在極短時間內聚集了百萬個代理賬號規模，這類交互天然對應更高的請求密度與更頻繁的API觸發。其最直接的外顯變量是API調用頻次與token吞吐的階躍式抬升。在Clawdbot創始人Peter Steinberger的力薦下，國內AI獨角獸MiniMax旗下擅長長文本與邏輯推理的M2.1模型被成功帶火。

模型單位成本的重要性在提升

在傳統對話範式下，單次交互僅需少數幾次模型調用；但在工作流範式下，一個任務往往橫跨計劃、檢索、工具調用、校驗糾錯及外部系統寫入等多個階段。這導致模型調用頻率、上下文長度及中間信息的複雜程度倍增。多步推理與多輪工具調用天然帶來「多回合上下文」，同時重試與自糾錯會額外產生無效token。相較基礎聊天，面向複雜任務的agent服務可能會消耗數十倍多的token。

因此「模型的單位成本×單位產出」就變成了Agent類產品能否規模化落地的「生死線」——因為在執行任務時，多輪推理與工具協同將會把成本線性放大。正因如此，Clawdbot的創始人會直言推薦MiniMax，其M2.1模型的「兼具效率與成本的優勢、長文本能力強、推理與編程能力」的特點符合當下衆多用戶的需求。

兼具效率與成本：M2.1模型旨在通過極致的成本優勢解決當前開發者在自動化編程中面臨的高昂token成本痛點，其定價體系約為Claude Sonnet的8%。且Coding Plan創新性地引入「每5小時重置額度」的高頻刷新機制，打破了行業通用的按天或按月限額模式，釋放了高頻重度開發場景下的生產力。計費模式上，不同於底層大模型廠商通用的token按量計費(Pay-as-yougo)邏輯，公司轉而採用分層月度訂閱制。

長文本能力強：真實的工作流裏，持續演進的上下文通常包含工具調用、歷史信息、檢索片段、約束條件等等。M2.1的長文本能力讓它更適合完成「持續記憶」，即讀更長的文檔、容納更多中間結果、減少因截斷導致的邏輯斷裂。

推理與編程能力：在Clawdbot這種強調自動化執行與糾錯閉環的產品裏，模型被用於寫代碼、改代碼、做判斷、做校驗。M2.1在推理與編程能力上的「夠用且性價比極高」，使它成為最適合被放進生產系統、被高頻調用的選擇。

國聯民生證券指出，在Agent時代，「誰更聰明」固然重要，但更重要的是「誰能以更低成本把強能力變成高頻可用的生產力」，這是MiniMax的優勢所在。

多模態與「視覺執行」走向前台

Agent進入辦公與生產場景後，輸入不再主要來自純文本，而大量來自截圖、PDF、表格、圖表、界面元素等視覺信息。在Clawdbot這種「能執行」的工作流裏，用戶不僅輸入結構化文本，同時也伴隨着截圖、網頁界面、報錯彈窗、表格/圖表或PDF頁面等。

MiniMax的多模態能力輔助Agent更好地理解界面、提取關鍵信息、輸出可執行的步驟/代碼、再用截圖回讀做校驗糾錯。這讓Clawdbot可以做「視覺驅動的自動化」：例如識別表格字段後自動填表、讀報錯截圖後定位原因並改腳本、從圖表中抽數並寫入報告、對比前後截圖確認任務是否真正完成等等。MiniMax憑藉自己的多模態能力，能更好的完成服務的閉環、減少人工轉述、快速糾錯，達到更強的可交付性。

風險提示

技術路線變革具有不確定性；行業競爭加劇。