国产 AI 公司最近流行一件事：把自家最好用的那个东西直接开源出去。
9 月 18 日，MiniMax 宣布把 MiniMax Code CLI 的 v0.4.12 版本面向全球开发者开放，并以 MIT 协议正式开源。它是 MiniMax Code 客户端的核心组件，源码放在 GitHub 的 MiniMax-AI/minimax-code 仓库里。
官方给的理由很直白：希望通过优秀的 harness 设计持续释放模型能力、缩短任务等待时间；同时让开发者能够审视工具调用和权限处理是怎么做的，从而构建可靠的企业级应用，也让社区参与发现问题、贡献修复。
一句话概括这次动作的姿态：把代码摊开，欢迎你来挑毛病。
先看它开源了什么
MiniMax Code 是一套跑在终端里的编程 Agent，CLI 是它的核心组件。开源后，安装和源码入口都是公开的：
# 安装
curl -fsSL https://filecdn.minimax.chat/public/install.sh | bash源码在 GitHub 的 MiniMax-AI/minimax-code，客户端另外提供一个下载入口。协议是 MIT——意味着商用、修改、再发布都基本没有额外约束，这也是它能被企业直接纳入内部工具链的前提。
值得注意的是，MiniMax 特别强调了”审视工具调用和权限处理”这件事。这不是随口一说：就在这个月，AI 编程工具出事基本都出在这两块。先是 恶意 Git 仓库一举攻破 7 款 AI 编程工具，接着有 Claude Code 把 Bash 沙箱收紧到单条命令粒度 的动作。当 Agent 直接握着你的终端权限时，”它到底能干什么”已经从技术细节变成了采购问题。
那组数字该怎么读
官方给出的成绩是：在 FrontierHarness Eval 评测中取得 76.7% 的任务通过率，成功任务耗时中位数为 4 分 33 秒，两项指标均优于报告所列公开基线，同时 token 消耗量位列第二低。
数字好看，但更值得表扬的是 MiniMax 在备注里主动交代了评测口径。这份备注信息量很大：
- 这是第三方评测，评测结果挂在公开仓库的 PR 里，运行轨迹和适配配置也一并公开（PR #13 结果、PR #14 适配配置、可下载的执行轨迹压缩包）；
- 本轮评的是 MiniMax Code 0.3.2 搭配 Kimi K3，并不是刚开源的 0.4.12 版本；
- 一共 30 道任务，其中 23 道通过、4 道未通过、3 道超时未评分，通过率是按全部 30 道计算的；
- 供应商、checkpoint 方式以及部分任务的时限口径，都与公开基线存在差异；
- 所以官方明确写了：仅作数值比较，不代表官方榜单排名。
这几行字的含金量，比 76.7% 本身高。
我见过太多”跑分第一”的模型或工具稿，发布时只报分数、不报条件，读者拿到手一跑发现差距巨大，最后反噬的是品牌信任。主动标注”我们评的不是这个版本、任务时限和基线不一样、超时也算在分母里”，说明这家公司清楚自己的数字在什么条件下成立。对准备做技术选型的团队来说，这种透明度比多 3 个百分点更有决策价值。
“harness” 到底是什么
这是理解这类工具的关键概念，也是很多人容易忽略的一层。
模型能力只是原料。你让 Agent 去”把这个项目的测试跑通”，中间还隔着一整套脚手架：怎么把工具描述喂给模型、上下文塞满了怎么压缩、一次工具调用失败后怎么重试、哪些命令需要人工确认、改完代码怎么回滚、多个子任务怎么排队。这一层就是 harness。
同一天发布的消息里，Cognition 的 SWE-2 拿成本和步数做卖点，AWS 的 Pizza Bot 直接用了 DeepAgents + LangGraph 当骨架——大家都在同一层较劲。因为事实已经证明：同一个模型配不同的 harness，任务完成率可以差出十几个百分点。MiniMax 说”好的 harness 设计能释放更多模型能力”，说的就是这件事。
上手建议
如果你打算试，建议按这个顺序来：
第一步，先在你的沙箱仓库里跑，不要上生产代码。 用 curl 装完之后，拿一个能随时丢掉的小项目当实验场。
第二步，先看它的权限模型，再让它干活。 重点确认三件事：哪些命令默认免确认、哪些会弹人工审批、工具权限能不能按项目粒度配置。这套东西决定了你后续敢不敢放开手。
第三步，跑一次真实的多文件重构。 单文件改 bug 体现不出 harness 差距，至少要一个跨 3 个以上文件、需要跑测试验证的任务，才看得出它的上下文管理和回滚能力。
第四步，对比它的失败方式。 比起看它跑成什么，更该看它跑砸时是怎么砸的——是安静地留下半成品，还是明确报告失败并回滚。这一步决定你能不能把它放进自动化流水线。
优缺点与适合人群
优点：MIT 协议、源码可审、权限与工具调用逻辑摊开可查；自带一组口径透明的第三方评测数据；对国内团队而言，中文文档和网络可达性都友好。
缺点：刚开源，社区生态和第三方插件远不如 Claude Code、Codex CLI 成熟；评测里没有覆盖”和主流 harness 在同一条件下的正面对比”，76.7% 这个数字目前只能自己横向对照；版本迭代快，文档可能跟不上。
适合人群：需要把编程 Agent 嵌进内部平台、且对权限可审计有硬要求的企业团队；用国产模型做主力、想要一个可改的 harness 骨架的开发者；以及单纯想读一份真实工业级 Agent 脚手架源码的学习者。
替代方案：要开箱成熟度选 Claude Code 或 Codex CLI；要 IDE 一体化选 Cursor；要在国产模型上跑多协议接入，可以看 Kimi 原生兼容 Codex 和 Claude Code 的做法。如果你的痛点只是”订阅成本失控”，那更该先看 Claude Code 的沙箱与 Copilot 的成本三档 那套思路——省钱的杠杆常常在 harness 的上下文管理里，而不是在换个模型上。
老达点评
这件事真正有意思的地方，不在于 MiniMax 开源了一个 CLI，而在于”harness 层”第一次被当作可以公开竞争的资产。
过去一年，大家比的是模型分数。但从 9 月开始，先有人把回归测试和成本摆上台面，现在有人把整层脚手架交给社区审阅。这说明市场已经意识到：模型能力的差距在收窄，真正决定 Agent 好不好用的，是模型外面那一圈工程细节。
对普通开发者的实际意义是：你现在可以读源码了。以前遇到 Agent”自作主张”，你只能猜它内部发生了什么；现在至少有了一份可以对照的实现参考。哪怕你最终不用 MiniMax Code，把它的权限模型和上下文压缩策略读一遍，对理解自己手头那套工具的脾气也很有帮助。
想继续跟进这条线，可以订阅 AI 编程工具专题 和 AI 工具评测专题，后面这类”开源 harness”的动静只会更多。
