#154 MiniMax M2.7
medium- 成本
- $0.022
- 时间
- 22.8s
- 令牌
- 9,250 tok
AI BENCHY 对比
MiniMax: MiniMax M2.7 vs Z.ai: GLM 5.1
摘要
GLM 5.1 平均分领先，为 5.6 vs 5.2。 GLM 5.1 benchmark 成本更低，为 $0.057 vs $0.100。 GLM 5.1 更快，为 4.10s vs 38.18s，通过率为 46.0% vs 41.3%。
推荐模型GLM 5.1它在这里得分最高（5.6），同时成本比MiniMax M2.7 (medium)低约 1.8 倍。
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-14
| 指标 | MiniMax M2.7 MiniMax M2.7 medium | GLM 5.1 GLM 5.1 none |
|---|---|---|
| 分数 | 5.2 | 5.6 |
| 排名 | #154 | #141 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 6.8 | 8.5 |
| 测试正确 | ||
| 尝试通过率 | 46.0% | 41.3% |
| 不稳定测试 | 8 | 4 |
| 总运行次数 | 63 | 63 |
| 每个结果成本 | 2.494 | 0.843 |
| 总成本 | $0.100 | $0.057 |
| 输入价格 | $0.240 / 1M | $0.966 / 1M |
| 输出价格 | $0.960 / 1M | $3.036 / 1M |
| 总输入令牌 | 34,371 | 47,133 |
| 输出令牌 | 8,981 | 3,754 |
| 推理令牌 | 89,812 | 0 |
| 响应时间（平均） | 38.18s | 4.10s |
| 响应时间（最大） | 196.21s | 32.57s |
| 响应时间（总计） | 763.60s | 86.18s |
生成展示
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#141 GLM 5.1
none
无效SVG
- 成本
- $0.000
- 时间
- 300.0s
- 令牌
- 0 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 | |
| GLM 5.1 | 3.9 | 9.7 | 0.0% | 0 | 4.96s | 7,256 | 525 | 0 |
快速对比
切换对比组合
MiniMax M2.7mediumvsQwen3.6 35B A3BnoneMiniMax M2.7mediumvsMistral Small 4noneMiniMax M2.7mediumvsQwen3 Coder NextnoneNorth Mini Codenone免费可用vsMiniMax M2.7mediumMiniMax M2.7mediumvsMiMo-V2.5noneDeepSeek V3.2nonevsMiniMax M2.7mediumMiniMax M2.7mediumvsQwen3.5-9BnoneMiniMax M2.7mediumvsQwen3.5-122B-A10BnoneMiniMax M2.7mediumvsGPT-5.4 MininoneMiniMax M2.7mediumvsGPT-5.6 LunanoneMiniMax M2.7mediumvsLaguna XS 2.1none免费可用Trinity Large PreviewnonevsMiniMax M2.7medium