在AI模型能力快速迭代的今天，MiniMax创始人闫俊杰在最近的Dev Meetup上抛出了一个引人深思的判断：我们已非常接近智能的临界点。这个临界点意味着用户可以无限制、不关心成本地使用Sonnet和Opus级别的模型。当通用消耗量达到可观量级，AI将真正成为普通人的生产力工具，而不仅仅是少数开发者的玩物。

从M1到M3，MiniMax经历了多次技术突破与挫折。闫俊杰透露，M1模型效果不够好，但第一次跑通强化学习时带来的震撼至今难忘。M2原计划日消耗1亿Token，结果在M2.7版本意外实现了10倍的突破。M3的通用消耗量已经超出预期，但多模态和编程主引擎的目标仍未完全实现。这种“部分超预期、部分未达标”的状态，恰恰反映了当前AI发展的真实面貌：进步迅猛，但距离完美仍有距离。

Multica创始人张佳圆的实践提供了一个务实思路：不再寄希望于单一模型的完美，而是设计系统来组合不同模型的能力。例如，让M3作为Coding模型，同时引入Opus或GPT做Review和Mentor。这种“模型组合拳”在Token消耗和产出质量之间找到了绝佳平衡。张佳圆观察到，团队内部每人每月个人Token消耗高达数千美金，未来企业必须认真考虑Token成本管理，让不同工作由最合适的模型完成。

闫俊杰强调，AI Coding的核心在于找到第一批真正热爱、愿意动手的人。DeerFlow等开源项目已获得7万Star，展示了社区的力量。展望未来，随着M3等模型逼近临界点，开发者需要思考的不仅是模型能力本身，更是如何构建高效的模型调用系统、如何管理成本、如何让AI真正赋能更多人。这场智能革命的终局，或许就藏在每一个火种般的实践之中。