为啥还有人在吹minimax-M2.7啊，说说我自己测试的感受

问题描述：

我在qclaw里用的，minimax-m2.7的倍率是0.7，kimi-k2.6的倍率是1.6，glm-5.1的倍率是2.5，然后我让qclaw绑定一下企业微信的机器人，结果m2.7给我聊了7~8轮，硬是指挥着我到处兜圈子，就是没搞定，然后换glm5.1，一次指令就绑定了，虽然因为企业人数超过10人，绑定了也不能用，但是至少绑定了，然后自己查出了不能用的原因，说实在的，差距还是挺大的，然后刚刚就在公众号刷到了有人说minimax-m2.7写程序如何如何牛，我就不信，一个简单的配置都搞不定的模型，写程序能有多牛。

网友解答：

---

--【壹】--：

minimax2.7,只能说是初中生的智商.让它干个事情,总是顾此失彼,乱干

---

--【贰】--：

MiniMax-2.7 感觉代码修改不是很到位，很多时候需要来回滚两三轮才能跑起来。
读代码仓库还过得去，就是一到工作点就负载高开摆，提醒升级highspeed

---

--【叁】--：

我没看到人吹MINIMAX M2.7，我在他们官网群里，基本都是骂的 佬可以举个例子怎么吹的，因为现在M2.7是真的降智

---

--【肆】--：

都是营销，哪里有什么钱赚呀，纯ai做的app都没灵魂，都是所谓的垃圾app

---

--【伍】--：

这个模型只能干点非常简单的活 总结/写个网页之类的
毕竟参数量放在那了

---

--【陆】--：

丢，做个项目两三轮回滚，真是太好用了

---

--【柒】--：

主要是这个模型便宜，便宜大碗，回复速度快。

---

--【捌】--：

不是的，那个人说他用minimax-m2.7写了3个微信小程序，挣了啥啥多少钱啥的。一下没点进去看，找不到原文了。

---

--【玖】--：

我的感觉是，写简单的可以，但是稍微复杂一些的就不行了，拙见

---

--【拾】--：

接触的时候还觉得这种模型反应特别快，干活挺利索，后来布置一个稍难一点的任务的时候，就开始丢三落四的，要说的特别完整才会去做，感觉推理能力不行，然后下午的话也基本上是供应不了一的优势也丢失了。

---

--【拾壹】--：

minimax 200B激活10B。这个参数量就不可能有多少智商。

---

--【拾贰】--：

如果说模型不行，就会有人说是你提示词的原因，但是同样的提示词换成其他模型就能完成，是不是就可以侧面证明模型不如其他模型呢，国产御三家和国外御三家都用过，确实差距还是挺大的。

---

--【拾叁】--：

可能是tool use这方面不行，我之前放龙虾里极其抽象，但凡改点配置都会把gateway干掉，我不明白为什么对一个llm来说json会这么难理解。
但是丢cc里也还算过得去，虽然agent loop里全是写出屎山修复屎山结果写出新的屎山，不过放手让他跑总归还是能跑出个结果。鉴于这东西实在是便宜，也有他自己的生态位吧。

---

--【拾肆】--：

minimax是真刷分，300b不到，市值吹上天，还不如mimo，

---

--【拾伍】--：

minimax-m2.7 和 glm5-1
我觉得还是glm聪明点~

---

--【拾陆】--：

minimax2.7哪个渠道速度都很快，glm5.1哪个渠道都卡，使用人数我觉得还是能说明一些情况的，minimax参数本身小，而且感觉是纯蒸馏的结果，除了快之外没感觉有啥优势

---

--【拾柒】--：

我之前在cc里面用minimax2.7，当时我让他帮我写个python脚本处理一些文件，要求它把原文件备份到backup文件夹里，处理后的文件保持原名原路径存放，然后它给我把处理后的文件放到了backup文件夹里，原文件全删了

---

--【拾捌】--：

m2.7傻快傻快的，正常用还得是glm5.1

---

--【拾玖】--：

不同场景 不同人 使用体验不同很正常
不用强求一个标准化的统一答案
万一人家只用来做代码补全呢