据公开消息，MiniMax Agent工程部主管阿岛（缪宇航）飞书状态已经显示离职，目前下一站尚不明确。
不过目前其X主页认证信息尚未更新。
在其X主页中，阿岛（Skyler Miao）将自己介绍为MiniMax的Head of Engineering，负责M2.x、Agent、Audio和Hailuo AI，最新的一条动态是8月3日转发的一条AI相关内容。
过往互动内容也记录了他在M3发布前后的技术传播：预告MiniMax Sparse Attention，回应开发者关于稀疏注意力的提问，透露实现代码将开源，并在M3发布时写道，团队经历了多个不眠之夜。
阿岛曾任职于百度、贝壳和字节跳动，2023年加入MiniMax，参与模型、Agent以及海螺AI等产品的研发。同时，在MiniMax时期，也长期承担技术解释和对外沟通的角色。
MiniMax的Agent业务正在从几个人快速做出产品的阶段，进入模型、产品、基础设施和商业化同时扩张的阶段。
过去，一个强工程师可以把方向想清楚、把产品做出来、把技术讲明白。现在，MiniMax开始进入系统性的组织能力。
MiniMax技术路线的解释者
阿岛在MiniMax的公开形象，和公司的模型路线高度重合。
在M3发布前，他曾参与对外介绍模型的上下文能力、编码能力和Agent能力；M3发布后，他又出现在用户关于计费和使用权益的讨论中。
M3上线时，MiniMax在没有充分提示的情况下将付费模式从按次切换为按Token计费，引发用户争议。阿岛在社群中承认“工作不到位”，随后MiniMax发布致歉公告并公布补偿方案。
大模型公司的技术负责人，已经不再只是研发部门的代表。他还要面对开发者、用户和社区，解释产品为什么这样设计、能力边界在哪里，以及技术变化为什么会影响用户的钱。
阿岛的X动态也具有类似特点。
他不只是转发公司公告，而是直接参与M3、MSA和开源话题的讨论，回答开发者关于模型结构、长上下文和稀疏注意力的问题。这种沟通方式让他成为MiniMax技术路线的一个公开接口。
对于其在AI领域从事的Agent业务，阿岛也敢于对外做个人风格鲜明的判断。
比如今年4月的一场公开对谈中，阿岛谈到过一个并不乐观的判断：通用Agent应用最终会被模型逐步内化，Harness和Agent应用层本身也存在生命周期。
今天需要通过Prompt、Skill、Memory和多Agent协作完成的事情，可能会被下一代模型直接吸收。模型越强，外置的那一层就越薄。一个通用Agent公司如果只是把模型能力重新包装成工作流，就很难长期保持独立位置。
阿岛在采访中曾直言，当前没有一家Agent企业敢说自己已经拥有真正的壁垒。所谓行业Know-how、垂直场景和客户关系，都可能被竞争对手复制。真正能形成差异的，是人才、底层基础设施和组织执行能力。
这句话在他离职之后，获得了另一层现实含义。
阿岛参与Agent 2.0时，MiniMax的核心问题是如何让一个Agent真正进入工作流。现在，公司要处理的已经是更大的系统。
Agent最初只是四个人的实验
MiniMax Agent 2.0最早并不是一个庞大的事业部项目。
此前在接受自媒体差评的一次公开对话中，阿岛介绍，Agent 2.0源自公司内部使用的“Agent实习生”。这套工具先在研发、产品、GPU Infra、HR、投资和财务等团队内部扩散，再逐步外化成面向用户的产品。
当时，桌面端主要由3名同学用了一个月开发完成，加上产品经理，整个团队大约只有4个人。
这支小团队解决的问题很具体：让Agent从网页端走向桌面端，直接处理本地文件、浏览器和工作环境；再通过Expert模式，把专业知识、工作流程和工具组合起来，使Agent能够完成一项相对完整的任务，而不是只处理一个孤立环节。
这也是MiniMax Agent早期的优势。
团队足够小，产品、模型和工程可以快速互相反馈。一个模型能力上的变化，很快就能进入Agent；一个产品场景上的问题，也能快速反过来影响模型训练。内部员工先使用，团队再根据实际任务迭代，减少了从需求调研到产品上线之间的距离。
但小团队模式也有边界。
它依赖少数人对模型、工具、用户场景和工程系统同时理解。困难的不是做出一个Demo，是把少数人的判断和理解，变成多人可以协作、复用、交接和持续维护的系统。
3月，MiniMax发布M2.7，强调模型可以参与自身迭代，并通过Agent Harness、Skills、Memory和Agent Teams完成复杂研发任务。官方称，在部分内部流程中，M2.7可以承担从问题分析、代码修改到评测反馈的一部分工作。
5月，MiniMax又推出Agent Team，让多个Agent并行协作，分别承担不同角色和任务。官方介绍中，Agent已经不只是一个聊天窗口，而是一套需要管理任务拆解、角色协作、状态变化和执行记录的运行系统。
6月发布的M3，则进一步把编码、Agent、百万上下文和原生多模态能力放在同一个模型里，并配套推出MiniMax Code。官方将MiniMax Code定位为与M3共同训练、适配长上下文和复杂Agent任务的产品。
这条路线已经从“做一个好用的Agent”，扩展成“让模型、Agent运行环境、开发工具和用户工作流互相咬合”。
同时，MiniMax还在继续扩大模型版图。
7月31日，公司发布H3，覆盖文本、图像、视频和声音的多模态理解，最高支持15秒、2K分辨率视频生成，并计划开放模型权重。
对一家大模型公司来说，这意味着研发资源必须同时覆盖语言模型、视频、语音、音乐、Agent和开放平台。
2025年，MiniMax收入同比增长158.9%至7900万美元，超过70%的收入来自国际市场；截至2025年年底，公司称已服务超过200个国家和地区。
7月，公司又完成3560万股新股配售，并发行65亿港元零息可转债，继续为模型研发和产品扩张提供资金。
MiniMax正在押注一条很长的路线：从全模态模型走向Agent，再从Agent走向能够理解上下文、调用工具、持续工作和自我改进的智能系统。