导航
Advertise here

MiniMax M2.7 (medium) vs Qwen3 Coder Next (default)

MiniMax M2.7 (medium) 平均分领先,为 5.0 vs 4.9。 Qwen3 Coder Next (default) benchmark 成本更低,为 $0.067 vs $0.326。 Qwen3 Coder Next (default) 更快,为 19.73s vs 50.32s,通过率为 44.9% vs 24.6%。

基准结果生成自 AI BENCHY 测试套件,时间:: 2026-10-26

已对比模型

排名
#360
总输出令牌
170,899
响应时间(平均)
50.32s
总成本
$0.326
排名
#366
总输出令牌
45,168
响应时间(平均)
19.73s
总成本
$0.067
推荐模型 Qwen3 Coder Next (default)

它的得分接近这里的最高分(4.9 vs 5.0),同时成本比MiniMax M2.7 (medium)低约 4.9 倍。

详细对比

指标 MiniMax M2.7 MiniMax M2.7 medium 发布日期: 2026-03-18 Qwen3 Coder Next Qwen3 Coder Next default 发布日期: 2026-02-03
分数 5.0 4.9
排名 #360 #366
可靠性 10.0 10.0
一致性 6.4 9.7
尝试次数 69/69 69/69
测试正确
尝试通过率 44.9% 24.6%
不稳定测试 10 1
总运行次数 69 69
每个结果成本 5.279 1.300
总成本 $0.326 $0.067
输入价格 $0.210 / 1M $0.120 / 1M
输出价格 $0.840 / 1M $0.800 / 1M
缓存读取价格 $0.042 / 1M $0.070 / 1M
缓存写入价格 不适用 不适用
总输入令牌 277,130 250,329
输出令牌 45,188 45,168
推理令牌 129,163 0
响应时间(平均) 50.32s 19.73s
响应时间(最大) 198.82s 208.38s
响应时间(总计) 1107.03s 355.09s
参数量 230B 总计 (10B 激活) 80B 总计 (3B 激活)
开放状态 权重可用 开源

缓存价格适用于输入令牌。读取会复用已缓存的提示词;写入会存储提示词,可能产生额外费用。输出令牌按输出价格计费。

模型生成展示

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#360 MiniMax M2.7

medium
成本
$0.022
时间
22.8s
令牌
9,250 tok

#366 Qwen3 Coder Next

default
无效SVG
成本
$0.058
时间
246.3s
令牌
64,126 tok

按分数排名的模型

分数 vs 总成本

响应时间(平均)

分数 vs 响应时间(平均)

总输出令牌

分数 vs 总输出令牌

类别细分

编程 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间(平均) 输入令牌 输出令牌 推理令牌
MiniMax M2.7 5.7 9.1 33.3% 0 101.89s 2,961 1,231 38,841
Qwen3 Coder Next 4.6 7.9 22.2% 1 2.22s 7,442 621 0

切换对比组合