大模型比拼：MiniMax M2 vs GLM 4.6 vs Claude Sonnet 4.5

一、

上个月，我写了一篇文章[1]，比较了两个大模型。

就有人留言，两个模型太少了，能不能加入其他模型？

正好上周（10月27日），MiniMax 公司发布了[2] M2 模型，代表了国产大模型的最新水平。

我就想，可以测测它的实战效果，跟智谱公司的 GLM 4.6 和 Anthropic 公司的 Claude Sonnet 4.5 对比一下。

毕竟它们都属于目前最先进的编程大模型，跟我们开发者切身相关。

二、

先要说明，其实我不太熟悉 MiniMax 公司[3]，它比较低调。

我只知道，这家公司专门研发大模型，产品有文本模型、视频模型、音频模型等等，但都不是非常热门。我就没有特别关注。

上周，我在滑推特的时候，看到一些老外在议论（1[4]、2[5]、3[6]），这才知道 MiniMax 发布了新的旗舰模型 M2。

上面说话的这个人[7]是 HuggingFace 大模型社区的负责人，提到了 M2 模型在 Artificial Analysis 性能评比之中排名世界第五，开源模型第一。

当天的 HuggingFace 热度榜上，它也是第一名。

OpenRouter 的大模型全球调用量排名，它这周排在第三。

我就来了兴趣，准备好好试用一下。

三、

根据 MiniMax 公司的说明，M2 模型的编程能力特别强，是目前最优秀的编程模型之一。

大家知道，国际上最流行的编程模型现在是 Claude Sonnet 4.5，国内的 GLM 4.6 模型也很强，我就把它们三个放在一起对比。

简单起见，我就直接在官方的网页版（国内版[8]，国外版[9]）上运行测试，大家可以跟着一起动手试试看。

网页版实际是官方的智能体产品 MiniMax Agent[10]，底层用的就是 M2 模型。

网页使用是免费的，API 调用现在也是免费期，为期两周。后面定价是百万 tokens 输入/输出 2.1元/8.4元人民币，官方宣传只有 Claude 价格的8%。

它的其他链接，我也列一下，文档仓库[11]在 GitHub，API 调用指南[12]（兼容 OpenAI 和 Anthopic 格式）看官方文档，模型下载[13]在 HuggingFace，下载以后可以本地部署使用（如果条件允许）。

四、

我的测试题来自著名程序员西蒙·威利森（Simon Willison），他的网站有 Cluase Sonnet 4.5 的测试结果[14]。

此前，我用这些题目测过智谱公司的 GLM 4.6 模型，大家可以参考[15]。

本文主要是 MiniMax M2 的测试表现。

五、

第一题，测试模型理解和运行代码的能力。

拉取代码仓库 https://github.com/simonw/llm ，然后通过下面的命令运行测试用例。

pip install -e '.[test]'

pytest

上面的提示词要求模型抓取一个 Python 仓库，运行里面的测试用例，并返回结果。

从网页的显示来看，Minimax Agent 显然内置了沙盒，会在隔离环境的命令行下运行代码（下图）。

整个运行过程大约三分钟，然后它给出了结果：运行通过了466个测试用例。这个结果完全正确。

令我惊喜的是，除了运行结果，它还给出了覆盖率分析（下图），指出测试用例覆盖了代码的哪些功能。我还没在其他模型见过主动提供覆盖率的。

完整的对话看这里[16]。

六、

第二题，测试大家最关心的代码生成能力，看看它能不能按照要求生成应用程序。

我还是使用上面的仓库，要求 M2 为其增加一个功能，不仅需要修改代码，还需要修改数据库结构，并增加配套的测试用例。

1、代码仓库 https://github.com/simonw/llm 是一个 AI 对话应用，它将用户的提示和 AI 的响应存储在 SQLite 数据库中。

2、它目前使用线性集合，保存单个对话和响应。你尝试在响应表中添加一个 parentresponseid 列，并通过该列将对话的响应建模为树状结构。

3、编写新的 pytest 测试用例，验证你的设计。

4、编写一个 tree_notes.md 文件，首先将你的设计写入该文件，然后在运行过程中将该文件用作笔记。

这个任务比较复杂，运行时间稍微长一点。

这里有一个插曲。在运行过程中，它突然提示读取 GitHub 仓库没有成功，这时出现了我意外不到的一幕。

它竟自动切换到第三方的 deepwiki.com 去获取仓库。后面，分析数据库结构时，它又切换到 datasette.io 去分析 SQLite 数据库。这种第三方云服务的自动切换，我也是第一次见，可惜没来得及截图。

任务完成后，它给出了一段总结（下图），详细描述了它做了哪些事情，包括修改数据库、新增测试用例等等。

它甚至增加了一个示例文件（下图），演示新增的功能怎么用，还有一个示例图，演示修改后的对话结构，提示词里面可没要求它这么做。

完整的对话看这里[17]。

另外，官网的画廊[18]有很多它生成的应用，我觉得也值得看一下。

七、

第三题就是西蒙·威利森发明的“鹈鹕骑自行车”场景，测试它的理解和推理能力。

生成鹈鹕骑自行车的 SVG 图片。（Generate an SVG of a pelican riding a bicycle）

这是现实中不存在的情景，全靠模型自己推理出来。理解能力越强，生成的图像就越逼真。

下面就是它生成的结果，完整的对话看这里[19]。

作为比较，我把另外两个模型的结果也贴出来。

GLM 4.6

Claude Sonnet 4.5

我觉得，MiniMax M2 的结果（第一张图片）有两个值得注意的地方。首先，它添加了道路；其次，它的自行车结构相对更正确，只是缺了握把。另外，要是那只鹈鹕的姿势更像“骑车”就好了。

八、

测试就到这里，至于 GLM 4.6[20] 和 Claude Sonnet 4.5[21] 的结果对比，大家可以看它们各自的链接，自行比较。

我必须诚实地说，MiniMax M2 的表现超出了我的预期。

最吸引我的地方，还不是运行结果本身，而是它处理问题的方式，对用户很友好，会添加一些帮助理解的辅助结果，让你觉得很易用（accessible）也很易懂，这也从侧面增强了生成结果的可靠性。

我倾向于相信，各种评测结果确实是 M2 的真实实力。再考虑到它的 API 价格（现在还是免费期），我会在接下来的工作中使用它，也推荐大家试试看。

（完）

References

[1] 一篇文章:https://www.ruanyifeng.com/blog/2025/10/glm-4.6.html

[2]发布了:https://www.minimaxi.com/news/minimax-m2

[3]MiniMax 公司:https://www.minimaxi.com/

[4]1:https://x.com/reach_vb/status/1982705125157126590

[5]2:https://x.com/ivanfioravanti/status/1982103760819064967

[6]3:https://x.com/simonw/status/1982825075553493136

[7]说话的这个人:https://x.com/reach_vb/status/1982705125157126590

[8]国内版:https://agent.minimaxi.com/

[9]国外版:https://agent.minimax.io/

[10]MiniMax Agent:https://www.minimaxi.com/news/minimax-agent

[11]文档仓库:https://github.com/MiniMax-AI/MiniMax-M2

[12]API 调用指南:https://platform.minimax.io/docs/guides/text-generation

[13]模型下载:https://huggingface.co/MiniMaxAI/MiniMax-M2

[14]测试结果:https://simonwillison.net/2025/Sep/29/claude-sonnet-4-5/

[15]参考:https://www.ruanyifeng.com/blog/2025/10/glm-4.6.html

[16]这里:https://agent.minimaxi.com/share/329839918691041?chat_type=1

[17]这里:https://agent.minimax.io/share/329995155439860?chat_type=1

[18]画廊:https://agent.minimaxi.com/

[19]这里:https://agent.minimaxi.com/share/329832235541493?chat_type=1

[20]GLM 4.6:https://www.ruanyifeng.com/blog/2025/10/glm-4.6.html

[21]Claude Sonnet 4.5: https://simonwillison.net/2025/Sep/29/claude-sonnet-4-5/

文章来自微信公众号 “ 阮一峰的网络日志 “，作者 ” 阮一峰 “