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)

  1. 1:40
    全网首测!DeepSeek 4 小时之前又发布了一个多模态模型 Janus-pro
  2. 4:24
    5分钟教你使用AI写一个风扇控制器
  3. 2:46
    10小时前发布的大模型 Mistral-small-24B 马上开测!
  4. 0:51
    NVIDIA又要跌?DeepSeek 刚用 FP8 没多久,这 FP4 训练要来了
  5. 1:43
    一招解决DeepSeek-R1无法连接网络问题!还能白嫖DeepSeek-R1!
  6. 1:17
    国产视频生成框架!能让老黄唱野狼 Disco!
  7. 4:03
    大模型竞技场 - Gemini-2.0-Flash 全网首测!
  8. 2:10
    微信刚上线 DeepSeek, 腾讯又把 AI 知识库也接入 DeepSeek 了?
  9. 2:52
    来啦!Grok-3 全网首测!登陆火星 demo!
  10. 1:55
    视觉大模型也能推理了?来看Ovis-2视觉模型的效果如何!
  11. 7:32
    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
  12. 2:06
    全站最速!DeepSeek-V3-0324 写代码能力评测!不仅 OpenAI, Claude 也要颤抖了
  13. 4:18
    我用AI做了个网页版我的世界,还能用砸瓦鲁多
  14. 2:25
    全站最速!GPT-4.1 写代码能力评测!啊?又拉了?
  15. 5:53
    极限测试!Qwen3 写代码+画画!究竟是不是开源最强模型?
  16. 12:42
    我发现了AI最有用的用途——整理桌面!来看 Kimi-K2 Agent 能力实测!
  17. 2:02
    使用 AI 做了个以《三体》中叶文洁为视角的小短片——三体·独白
  18. 0:37
    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!
  19. 1:06
    nano-banana 幼儿园教程第②弹! 教你如何做模特图!
  20. 0:55
    nano-banana 幼儿园级教程第③弹! 如何实现贴纸自由!
  21. 0:46
    nano-banana 幼儿园教程第四弹! 教你如何克隆喜欢的图标!
  22. 0:41
    nano-banana 教程第五弹! 如何万物像素化!
  23. 1:10
    nano-banana 生成 8K 分辨率图片教程!
  24. 3:06
    Kimi-K2-0905 实测! 一口气输出1100行代码
  25. 1:41
    Qwen3-Max-Preview 实测! 给大家放个鞭炮
  26. 2:20
    Qwen3-Next-80B-A3B 实测! 能跟头部模型对打吗?
  27. 1:31
    刚发布的 Qwen3-TTS-Flash 实测!
  28. 2:54
    DeepSeek-V3.2 实测! 真就只提升了0.1?
  29. 2:18
    Claude-Sonnet-4.5 实测! 口嫌体正直国庆献礼?
  30. 2:22
    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?
  31. 2:22
    DeepSeek 竟然是 INTJ, 如果改成 INFP 会怎样?
  32. 2:05
    claude-haiku-4.5 实测! 便宜大碗?
  33. 2:15
    Vibe Coding 不流行了? Spec Coding 教程来啦
  34. 2:36
    KAT-Coder-Pro-V1 实测! 早放3个月就好了?
  35. 2:07
    Minimax M2 实测! 你也晚了3个月?
  36. 1:16
    Cursor 推出炼蛊模式!一口气能开8个代理!
  37. 2:32
    Cursor 终于有自己的大模型啦!来看实测!
  38. 2:28
    Qwen3-Max-Thinking 实测! 呃......
  39. 2:17
    Kimi-K2-Thinking 实测! 差距继续缩小!
  40. 3:17
    Gemini 3.0 Pro 实测! SOTA! 不过发现两个重要问题!
  41. 0:52
    nano banana pro 幼儿园教程! 如何合成橱窗图片!
  42. 4:31
    Meta 的新模型 SAM 3 实测!
  43. 2:05
    什么? 用 Claude Code 剪视频?
  44. 2:50
    DeepSeek V3.2 正式版实测! 提升真的有限?
  45. 2:57
    教程来啦! 如何使用AI打造自媒体博主军火库
  46. 2:54
    GPT-5.2 实测! 美是真的美, 卡是真的卡
  47. 1:25
    一秒生成高斯点云? Apple新模型SHARP实测!
  48. 4:38
    AI送外卖到底有多强? 来看 Doubao-Seed-1.8 Agent 能力评测!
  49. 4:33
    现在都流行大模型月更吗? MiniMax-M2.1 实测!
  50. 3:42
    2025年全球大模型厂商下载量排行榜
  51. 3:27
    500张图片测试! 一个视频告诉你GLM-Image怎么用!
  52. 5:58
    不写 prompt 改看视频了! Kimi-K2.5 实测!
  53. 4:55
    提升明显! Qwen3-Max 正式版 vs Preview版 实测!
  54. 2:29
    不是说好了年前不发吗? DeepSeek 你个大猪蹄子
  55. 7:04
    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!
  56. 5:06
    啊?一个月一个版本? MiniMax-M2.5 4000万 token 实测!
  57. 7:01
    Qwen3.5实测! 来看贺岁档大模型的实力!
  58. 4:32
    Gemini-3.1-pro 实测! 更新了个寂寞?
  59. 5:15
    inclusionAI Ling&Ring 2.5-1T 大模型实测!
  60. 6:07
    Agent 能力有多强? 来看豆包 Seed 2.0 实测!
  61. 5:10
    龙虾专用大模型? GLM-5-Turbo 实测!
  62. 3:44
    如何做一个生产级SKILL? 用MiniMax-M2.7给龙虾写SKILL的保姆教程
  63. 8:01
    从国产SOTA走向世界SOTA? GLM-5.1 实测!
  64. 6:06
    AI能帮我拍照了? Qwen3.5-Omni实测!
  65. 8:51
    花费106刀测试! Claude-Opus-4.7 到底更新了啥?
  66. 9:04
    Kimi-K2.6 前端/后端/Agent编程能力实测! 甚至还帮我做了个游戏!
  67. 2:32
    大模型写代码比说话还快是什么体验?
  68. 7:36
    Agentic Coding 能力大幅提升! Qwen3.7-Max实测!
  69. 5:39
    MiniMax-M3 最佳实践? 这个视频告诉你!
  70. 1:06
    Fable 5 超越人类还为时尚早!
  71. 0:44
    单卡 700TPS! Diffusion Gemma 来了!
  72. 5:40
    GLM-5.2实测! 什么才是Agent能力的提升?
  73. 1:43
    2分钟教你做一个可以自我迭代的 Agent
  74. 6:12
    Flash模型横评! 性价比之选竟然是这个?
  75. 6:33
    混元3实测! 300B参数竟然有这种Agent能力!
  76. 1:13
    1B就能达到这种效果?LingBot-Vision实测!
  77. 14:05
    Kimi-K3 全方位实测! 我竟然打游戏输给了她?!
  78. 4:57
    我用 LongCat-2.0 省了 88% 的 Agent 输入成本!
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

蝴蝶灭亡 2025-12-22

[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

唐博 2025-12-22

牙医,GLM4.7也出来了,要不一起试试?

♥ 9 ↩ 1

ICT交易声萃 2025-12-22

第一个鞭炮年味好浓[doge]

♥ 9 ↩ 2

Troy_Mark 2025-12-22

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

panlilu 2025-12-22

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

AnnaComnena 2025-12-23

好了,m2.1测完了,现在该测glm4.7了[doge]

♥ 4

977010 2025-12-22

看起来提升不小[吃瓜]

♥ 4

猫猫会念经 2025-12-22

up怎么gemini 3 flash的测评还不出[脱单doge]

♥ 3

星见雅舔友会会长 2025-12-25

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

dzz123123_ 2025-12-23

和m2对比一下就最直观了

♥ 1

威廉⚫莎士比亚 2025-12-22

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

我纵言之将何补啊 2025-12-22

期待国产春节齐发力

♥ 1

YawnGenus 2025-12-22

大佬我看消息有说glm4.7也出来了,不知道怎么样

♥ 1

肖万 2025-12-30

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

雨假无人半丝鲲化 2025-12-23

接下来就是测试glm4.7了

搬砖入门 2025-12-22

大佬,是不是没测过gemini 3 flash 呀[doge]

↩ 4

搬砖入门 2025-12-22

哈哈哈哈,bgm 换回来了,投币了[doge]

每次都是昵称违规 2025-12-22

大佬什么时候出横评呀[星星眼]

Owurpow 2025-12-22

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

龙卷x 2025-12-22

做得好好!!