〈a class=singleStock target=_blank onmouseover=javascript:tip.createStockTips (event,hs_601456,国联民生) href=/601456/〉国联民生（601456）证券发布研报称，在传统对话范式下，单次交互仅需少数几次模型调用；但在工作流范式下，一个任务往往横跨计划、检索、工具调用、校验纠错及外部系统写入等多个阶段。相较基础聊天，面向复杂任务的agent服务可能会消耗数十倍多的token，模型单位成本的重要性在不断提升。Agent时代，大模型正从“聊天工具”进化为“自主员工”。掌握核心算法与行业接口的大模型厂商有望深度受益于万物智能化的红利，建议关注“大模型双子星”MiniMax-WP(00100)与智谱(02513)。  国联民生证券主要观点如下：  事件：截至2026年2月2日，Clawdbot在代码托管平台GitHub上的星标数量已超过13万个，官网累计访问量突破200万人次，成为近期增长最快的开源技术项目之一。以及近期出现的“AI-only社区”如Moltbook，该平台在极短时间内聚集了百万个代理账号规模，这类交互天然对应更高的请求密度与更频繁的API触发。其最直接的外显变量是API调用频次与token吞吐的阶跃式抬升。在Clawdbot创始人Peter Steinberger的力荐下，国内AI独角兽MiniMax旗下擅长长文本与逻辑推理的M2.1模型被成功带火。  模型单位成本的重要性在提升  在传统对话范式下，单次交互仅需少数几次模型调用；但在工作流范式下，一个任务往往横跨计划、检索、工具调用、校验纠错及外部系统写入等多个阶段。这导致模型调用频率、上下文长度及中间信息的复杂程度倍增。多步推理与多轮工具调用天然带来“多回合上下文”，同时重试与自纠错会额外产生无效token。相较基础聊天，面向复杂任务的agent服务可能会消耗数十倍多的token。  因此“模型的单位成本×单位产出”就变成了Agent类产品能否规模化落地的“生死线”——因为在执行任务时，多轮推理与工具协同将会把成本线性放大。正因如此，Clawdbot的创始人会直言推荐MiniMax，其M2.1模型的“兼具效率与成本
=*=*=*=*=*=
当前为第1/2页
下一页-
=*=*=*=*=*=
返回新闻列表
返回网站首页