现在都流行大模型月更吗? MiniMax-M2.1 实测!
合集 · 大模型竞技场 (78)
-
全网首测!DeepSeek 4 小时之前又发布了一个多模态模型 Janus-pro
1:40
-
5分钟教你使用AI写一个风扇控制器
4:24
-
10小时前发布的大模型 Mistral-small-24B 马上开测!
2:46
-
NVIDIA又要跌?DeepSeek 刚用 FP8 没多久,这 FP4 训练要来了
0:51
-
一招解决DeepSeek-R1无法连接网络问题!还能白嫖DeepSeek-R1!
1:43
-
国产视频生成框架!能让老黄唱野狼 Disco!
1:17
-
大模型竞技场 - Gemini-2.0-Flash 全网首测!
4:03
-
微信刚上线 DeepSeek, 腾讯又把 AI 知识库也接入 DeepSeek 了?
2:10
-
来啦!Grok-3 全网首测!登陆火星 demo!
2:52
-
视觉大模型也能推理了?来看Ovis-2视觉模型的效果如何!
1:55
-
谁是最强写代码模型? 我使用了最好的21个模型, 花了50刀, 总计测试252次
7:32
-
全站最速!DeepSeek-V3-0324 写代码能力评测!不仅 OpenAI, Claude 也要颤抖了
2:06
-
我用AI做了个网页版我的世界,还能用砸瓦鲁多
4:18
-
全站最速!GPT-4.1 写代码能力评测!啊?又拉了?
2:25
-
极限测试!Qwen3 写代码+画画!究竟是不是开源最强模型?
5:53
-
我发现了AI最有用的用途——整理桌面!来看 Kimi-K2 Agent 能力实测!
12:42
-
使用 AI 做了个以《三体》中叶文洁为视角的小短片——三体·独白
2:02
-
nano-banana 幼儿园级教程① 如何将照片转换为城市天际线风格的建筑!
0:37
-
nano-banana 幼儿园教程第②弹! 教你如何做模特图!
1:06
-
nano-banana 幼儿园级教程第③弹! 如何实现贴纸自由!
0:55
-
nano-banana 幼儿园教程第四弹! 教你如何克隆喜欢的图标!
0:46
-
nano-banana 教程第五弹! 如何万物像素化!
0:41
-
nano-banana 生成 8K 分辨率图片教程!
1:10
-
Kimi-K2-0905 实测! 一口气输出1100行代码
3:06
-
Qwen3-Max-Preview 实测! 给大家放个鞭炮
1:41
-
Qwen3-Next-80B-A3B 实测! 能跟头部模型对打吗?
2:20
-
刚发布的 Qwen3-TTS-Flash 实测!
1:31
-
DeepSeek-V3.2 实测! 真就只提升了0.1?
2:54
-
Claude-Sonnet-4.5 实测! 口嫌体正直国庆献礼?
2:18
-
GLM-4.6 实测! 最近都很流行更新一大截然后版本就增加0.1嘛?
2:22
-
DeepSeek 竟然是 INTJ, 如果改成 INFP 会怎样?
2:22
-
claude-haiku-4.5 实测! 便宜大碗?
2:05
-
Vibe Coding 不流行了? Spec Coding 教程来啦
2:15
-
KAT-Coder-Pro-V1 实测! 早放3个月就好了?
2:36
-
Minimax M2 实测! 你也晚了3个月?
2:07
-
Cursor 推出炼蛊模式!一口气能开8个代理!
1:16
-
Cursor 终于有自己的大模型啦!来看实测!
2:32
-
Qwen3-Max-Thinking 实测! 呃......
2:28
-
Kimi-K2-Thinking 实测! 差距继续缩小!
2:17
-
Gemini 3.0 Pro 实测! SOTA! 不过发现两个重要问题!
3:17
-
nano banana pro 幼儿园教程! 如何合成橱窗图片!
0:52
-
Meta 的新模型 SAM 3 实测!
4:31
-
什么? 用 Claude Code 剪视频?
2:05
-
DeepSeek V3.2 正式版实测! 提升真的有限?
2:50
-
教程来啦! 如何使用AI打造自媒体博主军火库
2:57
-
GPT-5.2 实测! 美是真的美, 卡是真的卡
2:54
-
一秒生成高斯点云? Apple新模型SHARP实测!
1:25
-
AI送外卖到底有多强? 来看 Doubao-Seed-1.8 Agent 能力评测!
4:38
-
现在都流行大模型月更吗? MiniMax-M2.1 实测!
4:33
-
2025年全球大模型厂商下载量排行榜
3:42
-
500张图片测试! 一个视频告诉你GLM-Image怎么用!
3:27
-
不写 prompt 改看视频了! Kimi-K2.5 实测!
5:58
-
提升明显! Qwen3-Max 正式版 vs Preview版 实测!
4:55
-
不是说好了年前不发吗? DeepSeek 你个大猪蹄子
2:29
-
GLM-5发布啦! 给大家带来实测! 国产大模型正式进入月更节奏!
7:04
-
啊?一个月一个版本? MiniMax-M2.5 4000万 token 实测!
5:06
-
Qwen3.5实测! 来看贺岁档大模型的实力!
7:01
-
Gemini-3.1-pro 实测! 更新了个寂寞?
4:32
-
inclusionAI Ling&Ring 2.5-1T 大模型实测!
5:15
-
Agent 能力有多强? 来看豆包 Seed 2.0 实测!
6:07
-
龙虾专用大模型? GLM-5-Turbo 实测!
5:10
-
如何做一个生产级SKILL? 用MiniMax-M2.7给龙虾写SKILL的保姆教程
3:44
-
从国产SOTA走向世界SOTA? GLM-5.1 实测!
8:01
-
AI能帮我拍照了? Qwen3.5-Omni实测!
6:06
-
花费106刀测试! Claude-Opus-4.7 到底更新了啥?
8:51
-
Kimi-K2.6 前端/后端/Agent编程能力实测! 甚至还帮我做了个游戏!
9:04
-
大模型写代码比说话还快是什么体验?
2:32
-
Agentic Coding 能力大幅提升! Qwen3.7-Max实测!
7:36
-
MiniMax-M3 最佳实践? 这个视频告诉你!
5:39
-
Fable 5 超越人类还为时尚早!
1:06
-
单卡 700TPS! Diffusion Gemma 来了!
0:44
-
GLM-5.2实测! 什么才是Agent能力的提升?
5:40
-
2分钟教你做一个可以自我迭代的 Agent
1:43
-
Flash模型横评! 性价比之选竟然是这个?
6:12
-
混元3实测! 300B参数竟然有这种Agent能力!
6:33
-
1B就能达到这种效果?LingBot-Vision实测!
1:13
-
Kimi-K3 全方位实测! 我竟然打游戏输给了她?!
14:05
-
我用 LongCat-2.0 省了 88% 的 Agent 输入成本!
4:57
Description
申请 MiniMax-M2.1 内测通过了, 火速开测! 给大家带来 MiniMax M2.1 的测试结果: 本次测试较 MiniMax-M2 从编程, Agent能力, 长上下文召回能力均有不小的提升. 尤其是Agent能力和长上下文召回能力达到了摧枯拉朽的程度, 直接叫 MiniMax-M3都不过分. MiniMax M2.1 在 24 小时总计 300 回合的硅基骑手测试(让大模型调用 tool 送外卖)收益达到了 419.77 元, 总计执行了392次 tool call, 测试使用了大约56%的上下文空间, 这个范围内工具调用均表现良好. 作为对比MiniMax M2, 它的收益是285.27元, 不过只使用了32%的上下文空间, 模型就停止使用 tool call, 不断重复上文了. MiniMax-M2.1, 在192K长度上下文上有94%的召回水平, 而 MiniMax-M2 只有 52%. 可以说是摧枯拉朽的提升. 另外几个大家熟悉的编程水平测试上也有不同程度的提升. 这次的新模型特别适合大型Agent任务, 有这方面需求的朋友可以试试看.
Comments
[doge]所以说只要在打磨一下出来,算是把小模型 code 这块拉爆了?不过我还是期待有基座 版本的 m2,纯 agent 模型终究不长久,日常对话的 chat 模式还是要跟上
♥ 12 ↩ 24
牙医,GLM4.7也出来了,要不一起试试?
♥ 9 ↩ 1
第一个鞭炮年味好浓[doge]
♥ 9 ↩ 2
我用的max套餐,看了您的视频我去试了一下,glm4.7可以使用了。glm4.6还可以的,今天一个bug豆包1.8用Trae国内版始终解决不了,glm4.6+cc plan了好久只改了一行代码解决了,glm4.7应该更强,可能默认开了思维链,期待up的测评。我明天也要开始用4.7了。最近用过opus4.5很痛快,用豆包1.8也不错,今天第一印象glm4.7帮我改文档也不错。。。
♥ 8 ↩ 6
总结,比M2提升较大,尤其是上下文召回能力和agent能力,其他能力还有提升空间。建议骑手bench增加一个和其他模型相同测试下横向对比的图表,方便对于其整体能力所在的位置有一个认识。
♥ 4
好了,m2.1测完了,现在该测glm4.7了[doge]
♥ 4
看起来提升不小[吃瓜]
♥ 4
up怎么gemini 3 flash的测评还不出[脱单doge]
♥ 3
感觉agent最重要的是指令跟随能力,如果100k上下文都能严格遵守指令(比如在xxx的时候使用命令行查看文档,代码风格规范)如果添加相关的测试就更好了[doge] 这个东西在我的编程体验里面是相关系数非常高的,例如gemini3pro就记不住东西而去代码风格也是上下文远一点就开始变得稀烂。gpt就是喜欢选择题,导致做选择题的欲望超过了指令跟随、修改代码的欲望,使用起来也是越用越红温。qwen3coder就是很少听你的指令去调用控制台查看文件,然后就一直花费token在更改前的无意义代码上。claude全家(haiku没测)都挺好的至少能听懂人话,实际体验也是最好的,即使有时候它改不对代码我也愿意继续使用它。
♥ 2
和m2对比一下就最直观了
♥ 1
M2我用cline几乎就没法用,tools调用几乎全部失败,search replace全都失败[笑哭]
♥ 1 ↩ 6
期待国产春节齐发力
♥ 1
大佬我看消息有说glm4.7也出来了,不知道怎么样
♥ 1
这个和glm4.7比 哪个好一点。 我要被glm折磨疯了,token太慢了[笑哭]
↩ 1
接下来就是测试glm4.7了
大佬,是不是没测过gemini 3 flash 呀[doge]
↩ 4
哈哈哈哈,bgm 换回来了,投币了[doge]
大佬什么时候出横评呀[星星眼]
如何才能用上2.1[笑哭] 我都订阅minimax code plan 一个多月了,也没有收到资格。填了那个什么表单也是石沉大海[笑哭]
↩ 5
做得好好!!