# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
螺旋镖还是回到通用 Agent 了，
100天里，我们一起见证了创作、设计、搜索、编程、旅游、办公、播客等垂直领域 Agent 们的诞生，
也迎来了通用 Agent 一次完整的能力升级 ——
MiniMax Agent
不需要邀请码，也不搞限额，这几天已经在海外火起来了，
几周前我就拿到了这款 Agent 的测试资格，现在可算是蹲到了MiniMax 开源周，可以好好说说，通用 Agent 2.0（我单方面起的名字） 具体升级了什么：
那我就按照群里收集到的Agent使用场景和频率，给增强后的能力们安排上测试案例，从对话交互、思考过程、交付结果来直观展示这次通用 Agent 的升级变化，Here we go！
🔗 agent.minimax.io（⬅️使用去这里）
我现在已经习惯把搜索或者对话记录打包好做成可视化网页了，
这用来自己重温或者是分享给别人都是方便到离谱，之前的缺点就是文字对应的图片找不到，或者是找不准。如果是喜欢自驾的朋友，这段时间新疆独库公路开放了，直接用MiniMax Agent给大家做一个带音频解说的旅游网站。
提示语长度预告～
我要制作一个以“新疆独库公路 · 四季穿越”为主题的沉浸式滚动网页，每一屏聚焦一个沿线景点，比如独山子大峡谷、那拉提草原、巴音布鲁克、库车大峡谷等等。页面采用全屏滚动翻页的形式，让浏览者随着页面的推进，像是亲自沿着这条561公里的传奇公路穿行一样。
每一屏都包含：
## 色彩风格（参考新疆自然地貌）
为了更贴合新疆的自然气质，我希望页面整体颜色风格参考“高原自然色”
##排版与视觉比例
## 数据可视化
每个景点配一张简洁的折线图，基于 Apache ECharts 5（CDN 引入）渲染，不要复杂交互，仅做信息补充
## 地图与语音
## 技术架构要求
## 输出格式
MiniMax Agent 只需要半小时就完成了，
直接把生成的结果和我给的提示语对照一下，可以看到我给出的要求基本都做出来了，每一屏需要的景色背景图、数据表、地图、语音播放全都完成，
而且图片质量很高，有点子国家地理那味儿了，网页设计审美也很绝，这个极简风又高级又好看，我直接幻视苹果组件。
在执行过程里，Minimax Agent会结合自己的代码优势，创建数据收集脚本、可视化数据分析脚本、
还会主动创建一个源文件跟踪记录，记录所有使用的资源和验证过程，
因为有多模态能力，在验证的过程中，它还可以自己体验看一遍确保质量。而且上面展示效果里所有的图片和音频都是直接生成。现在很多通用 Agent 会用图片搜索来匹配合适的图片，结果不是因为分辨率低，就是因为图片尺寸不一，有些时候图片本身跟文字内容就配不上。
而且我还发现一个有趣的设定，MiniMax Agent 能自己选择合适的中文音色，
换句话说任务执行前我是不是还可以主动指定音色偏好。
更6的来了，
它在构建好网页后还可以主动模拟浏览器操作，
确保输出的网页不会有打不开这类低级错误。
还有还有，
minimax agent支持批量打包下载中间生成的所有文件，
这一点是很多Agent都没有的。
🔗 对话记录 agent.minimax.io/share/281052363272344
作为第一个case，我们再上点强度，
跟隔壁 Manus 对比一下效果吧，
如果没看minimax之前，我确实还觉得很不错。
但现在可以看到背景图确实很糊很糊，一下子拉低了整个页面的质量，
而且 manus 没有内置音频能力，对话过程中也无法调用对应api或者代码实现，这个音频组件就是小摆设实际上是不能直接使用的，体验-1。
再来做个PPT吧，
既然买不到 Labubu，那我做几个 Labubu 养养眼总可以了吧。
幸好四月份还囤了一个，
这可能是我上半年唯一一只了。
提示语长度预告～
制作一个 “LABUBU 现象” 网页，类似可滑动的 PPT 展示，从角色起源、彩色变体、市场热度、文化影响到未来趋势进行全方位剖析。
每屏内容包括：
## 动效设计
## 数据可视化
## 技术栈 & 资源
## 输出格式
这个封面是营销汇报环节中最重要的一页，
做过运营的都知道，高亮最优数据是必须的一环，
这一页minimax做的非常漂亮，数据正确、配图配色好看、排版都很精致，可以直接照搬。
再看中间页的数据分析，
从市场占比、泡泡玛特的IP 营收对比、二手市场价格上做出了相应的数据总结，
甚至引入了前几天拍卖掉的108万天价初代labubu（许个愿，我也想要）。
而且它还能总结了目前某音、某书、某博的讨论数据，
并且列出真实产生的明星效应事件，非常清晰一目了然。
最后介绍了labubu的创始人、设计理念以及labubu和泡泡玛特和简要合作历史，总结了未来的发展趋势，整个网页不管是从一个报告看还是从设计上看质量都蛮高的。
编程考了，多模态考了，MCP、PPT也跑了，是时候试试看硬实力的 Deep Search 了。
刚好 MiniMax 的视频模型 Hailuo 02（0616(其实是618）都起来打榜了，
单看视频效果也是很离谱的程度，
这打击感太强了，
所以我这把直接让 MiniMax Agent 自己来做一个AI视频发展全景总结：
提示语短度不预告～
MiniMax 的视频模型 Hailuo 02（0616（其实是618）马上就要上线了，我真的非常兴奋。现在，我想知道关于AI视频的所有的一切，包括时长、清晰度、技术架构、功能点首尾帧、超清、延长、主体一致性等，从24年6月份到25年6月份。我希望得到一个极度详细的万字报告。这个报告不要太单调，要写的像故事那样。同时做一个时间线，放上所有ai视频产品，包括Hailuo的迭代时间点。把最后搜索得到的结果，按照合适的格式整理成美观的网页。
这一次跟前两次不同，我没有具体指定一些风格、技术栈、配色方案等等，
而是直接让 MiniMax Agent 自己选择合适的格式整理成网页。
这更接近我平时使用深度研究或者深度搜索的场景，需求比较模糊，更期待模型自身给我的反馈。
效果也比我预计中要好很多，是一个比较标准的产品展示页，或者博客类型的页面，顶端栏划分了不同的信息，顶端和底部都保留了大量跟Hailuo 02的相关项，每一个页面都能交互，包含的信息量非常大，几乎完美的匹配了我的需求，你看到提示语中我说到的东西几乎都实现了。
我最最喜欢的是顶部这个类似通知滚动条的设计，就很有一种人感，有一种小巧思的感觉。
很多高频运营的网页都会使用的做法，nice。
最后来看看MiniMax Agent的积分定价吧，
新用户会自带1000个积分，
基础版对标的应该是manus的plus版，同样的价格能执行2倍左右的任务数。
那我自己跑的这三个案例举例，
不带音频生成的话，任务积分消耗在300-500不等，能完成15个任务的水分不大。
今天是Minimax开源周的第三天，
Day1开源了 MiniMax M1，
跟之前开源的基座模型MiniMax-01一样，456B参数，MoE架构，激活参数45.9B。支持1M输入，80k输出的超长上下文，是DeepSeek-R1的8倍。
Day2发布了Hailuo 02，
支持 10 秒，1080P 视频。
一起来看看前后升级的效果对比吧
好期待后面三天还会有什么大货，
会是一个月前才发的声音模型Speech-02有小版本更新？
还是说图片模型也跟着视频模型一起升级？
我已经等不及了，
要不连夜开发布会吧！
文章来自于“卡尔的AI沃茨”，作者“卡尔 & 阿汤”。
【开源免费】OWL是一个完全开源免费的通用智能体项目。它可以远程开Ubuntu容器、自动挂载数据、做规划、执行任务，堪称「云端超级打工人」而且做到了开源界GAIA性能天花板，达到了57.7%，超越Huggingface 提出的Open Deep Research 55.15%的表现。
项目地址：GitHub：https://github.com/camel-ai/owl
【开源免费】OpenManus 目前支持在你的电脑上完成很多任务，包括网页浏览，文件操作，写代码等。OpenManus 使用了传统的 ReAct 的模式，这样的优势是基于当前的状态进行决策，上下文和记忆方便管理，无需单独处理。需要注意，Manus 有使用 Plan 进行规划。
项目地址：https://github.com/mannaandpoem/OpenManus
【开源免费】AutoGPT是一个允许用户创建和运行智能体的（AI Agents）项目。用户创建的智能体能够自动执行各种任务，从而让AI有步骤的去解决实际问题。
项目地址：https://github.com/Significant-Gravitas/AutoGPT
【开源免费】MetaGPT是一个“软件开发公司”的智能体项目，只需要输入一句话的老板需求，MetaGPT即可输出用户故事 / 竞品分析 / 需求 / 数据结构 / APIs / 文件等软件开发的相关内容。MetaGPT内置了各种AI角色，包括产品经理 / 架构师 / 项目经理 / 工程师，MetaGPT提供了一个精心调配的软件公司研发全过程的SOP。
项目地址：https://github.com/geekan/MetaGPT/blob/main/docs/README_CN.md
【开源免费】FASTGPT是基于LLM的知识库开源项目，提供开箱即用的数据处理、模型调用等能力。整体功能和“Dify”“RAGFlow”项目类似。很多接入微信，飞书的AI项目都基于该项目二次开发。
项目地址：https://github.com/labring/FastGPT
【开源免费】graphrag是微软推出的RAG项目，与传统的通过 RAG 方法使用向量相似性作为搜索技术不同，GraphRAG是使用知识图谱在推理复杂信息时大幅提高问答性能。
项目地址：https://github.com/microsoft/graphrag
【开源免费】Dify是最早一批实现RAG，Agent，模型管理等一站式AI开发的工具平台，并且项目方一直持续维护。其中在任务编排方面相对领先对手，可以帮助研发实现像字节扣子那样的功能。
项目地址：https://github.com/langgenius/dify
【开源免费】RAGFlow是和Dify类似的开源项目，该项目在大文件解析方面做的更出色，拓展编排方面相对弱一些。
项目地址：https://github.com/infiniflow/ragflow/tree/main
【开源免费】phidata是一个可以实现将数据转化成向量存储，并通过AI实现RAG功能的项目
项目地址：https://github.com/phidatahq/phidata
【开源免费】TaskingAI 是一个提供RAG，Agent，大模型管理等AI项目开发的工具平台，比LangChain更强大的中间件AI平台工具。
项目地址：https://github.com/TaskingAI/TaskingAI
【开源免费】VideoChat是一个开源数字人实时对话，该项目支持支持语音输入和实时对话，数字人形象可自定义等功能，首次对话延迟低至3s。
项目地址：https://github.com/Henry-23/VideoChat
在线体验：https://www.modelscope.cn/studios/AI-ModelScope/video_chat
【开源免费】Streamer-Sales 销冠是一个AI直播卖货大模型。该模型具备AI生成直播文案，生成数字人形象进行直播，并通过RAG技术对现有数据进行寻找后实时回答用户问题等AI直播卖货的所有功能。
项目地址：https://github.com/PeterH0323/Streamer-Sales