Agent Core 是讓開源模型更聰明的 harness，也是讓它們運行成本低廉的 runtime。它將 session、sandbox、檔案系統、orchestration 與 tools 解耦為高效服務 — 讓數百個 Agent 在單一行程中運行，而非數十台 VM。
Agent run
分析上季各產品線的客訴原因
同一個模型，AIME 78.3% → 97.2%
Agent Core 2 在 AIME 2025 為 MiniMax-M2 帶來的提升（78.3% → 97.2%）
每副本並發 Agent turn 數，相較 sandbox-per-agent 的約 10–40*
每個 Agent turn 的記憶體 — 等待模型與工具時 CPU 近乎 0*
冷啟動 — 無狀態、線性水平擴展
同一個開源模型，在專為 Agent 打造的 harness 中運行時會明顯更強、更可靠 — 更好的規劃、更好的工具使用、穩定的迴圈。
UnieAI Agent Core
解耦、非同步的 Agent runtime — 每行程數百個並發 turn，每個僅數 MB。
UnieInfra
為 Agent 推論提供 token 高效的吞吐密度與低 TTFT。正與 Agent Core 融合為單一引擎。
Agent Core 1.0 —— 在 UnieAI Studio 生產環境淬鍊出的原生 function-calling agent loop，零外部依賴。
一步一次 model step，由原生 tool_calls 驅動；工具結果回注對話歷史。有界並發、逐工具逾時，格式壞掉的呼叫自動修復。
doom-loop 偵測（重複呼叫、同工具連發）、瞬時錯誤自動退避重試、context 溢位恢復；步數預算到頂時 soft-landing 收尾，保證給出文字答案。
進入時零 LLM 壓縮、迴圈中修剪舊工具輸出 —— 長任務不爆窗，也沒有「壓縮暫停」。
模型以 memory 工具自行編輯 Tier-1 核心記憶（容量上限、寫入威脅掃描），背景 review agent 在回覆後反思沉澱。
load_skill 只在需要時注入技能內容，基礎 context 始終精簡。
task 工具 fork 出隔離的子迴圈，只把蒸餾後的結論帶回主線。
核心只內建通用工具（todo / memory / skill / task）；你的領域工具 —— 搜尋、SQL、API、GPU kernel —— 以 domainToolBuilders 注入。兩個生產環境消費者驗證了這個介面：UnieAI Studio 注入 kb、sql、bi、api、mcp；Kernel-Design-Agent 注入 CUDA kernel 工具。零 runtime 依賴。
傳統框架為每個 Agent 配置獨立 sandbox：每個動輒數百 MB 到 GB、冷啟動需數秒，因此高並發意味著啟動數百台 VM。Agent Core 將 Agent 解耦為高效服務，並在單一行程中多工處理 I/O 密集的 turn。