嘿！我是卡米尔。我打开一个新文档，准备写一份客户报告，突然发现自己有点拖延：或许换个模型帮我写初稿？我经常在 Discords 上看到有人在私下讨论 MiniMax M2 ，速度快，功能强大，而且好得令人难以置信。我的日常工作流程中已经离不开 GPT-4o，而 Claude 3.5 则是我的长期安全网。所以我花了一个下午的时间，指导他们完成同样的任务，嗯，像往常一样，做着乱七八糟的现场笔记。

MiniMax M2 在创客圈中以“安静的重量级人物”而闻名。GPT-4o 是大多数人日常使用的默认工具，因为它无处不在，并且与各种工具兼容良好。Claude 3.5 仍然因其长篇大论的优雅和冷静的写作风格在我的 Dock 上占有一席之地。如果你在内容、代码和研究之间徘徊，那么这三个工具可以组成一个实用的简短清单。

1T Params 与 Frontier 的比较

我一直听到“M2 是一个万亿参数模型”。谣言终究是谣言，但氛围很明确：M2 的目标是打造前沿能力， 而非降低成本。单凭参数数量并不能说明什么，延迟、训练数据质量和工具基础在实践中更为重要，但它设定了预期。我一开始就期待 M2 能够在推理能力上与 GPT-4o 和 Claude 3.5 一较高下，而不仅仅是速度。

免费套餐 vs. 每月 20 美元套餐，实际访问差距

GPT-4o 在消费产品中表现稳定，并且是每月 20 美元订阅的一部分，这对于不接触 API 的用户来说很重要。Claude 3.5 有时会提供慷慨的免费套餐，而有时则需要等待一段时间：刚开始使用时感觉很棒，但并发上限可能会很棘手。MiniMax M2 目前最容易通过 API 进行试用（在某些地区，可以通过官方门户网站试用），这对开发者来说很棒，但还不是主流的“一键即可使用”选项。

测试设置和基准方法

我在同一台笔记本电脑上运行了这三款软件，并访问了云端。我可不是假装这是实验室级别的枪战。这些都是现场笔记，供实际工作的人参考。

三个实践任务：代码、图像和推理

  • 代码：将自然语言规范转换成一个小型 Python 函数，并进行单元测试。我检查了边缘情况的正确性，以及每个模型需要多少指导。
  • 图片：描述产品图片，提取结构化字段（SKU、颜色、价格），并撰写 60 字的商品详情。额外奖励：快速添加替代文本。
  • 推理：根据约束条件（受众、渠道、节奏、关键词桶）从混乱的简报中规划内容日历并证明选择是合理的。

我测量了正确性、到最终的编辑距离（我重写了多少）、到第一个标记的延迟以及到可发布输出的总时间。

MMLU 基准

我还运行了一个轻量级的 MMLU 风格样本（几百个问题，5 次测试），进行完整性检查。它并非完整的学术套件，但足以判断模型是否会遇到常识或领域基础知识。我将这些结果与一个小型编码问答集和一个阅读理解片段混合，以避免在琐碎问题上过度拟合。

以下是 2025 年 MiniMax M2 与 GPT-4o 和 Claude 3.5 在实际工作负载中的对比情况。

结果与图表

M2 核心基准测试得分 95% vs 90%

在我的混合准确率（代码单元测试通过率、结构化提取正确率和推理可接受性）方面，MiniMax M2 的准确率约为 95%，GPT-4o 约为 90%，Claude 3.5 接近 88-89%。令人惊讶的是，M2 在处理边缘情况代码时表现得非常镇定，例如差一和 Unicode 异常，而 GPT-4o 偶尔需要额外的调整。Claude 3.5 为内容计划编写了最简洁的行文（典型的 Claude 风格），但在处理新颖的限制方面则略显保守。

轶事：我给每个模型都输入了一个略带讽刺意味的 CSV 文件，其中包含混合的日期格式，并要求提供一个强大的解析器。GPT-4o 建议使用一个合理的正则表达式，并使用 pandas 的 to_datetime 函数，并带有 dayfirst 切换选项。M2 主动提出了一个规范化过程，并添加了两位数年份的回退选项，然后对代码进行了注释。我当时真的笑了。Claude 的解决方案很稳定，但需要我后续处理，以处理模糊的语言环境。

推理速度提高 2 倍

延迟比准确性更让我吃惊。在我的所有任务中，M2 平均传输 token 到第一个有用内容的速度大约是 GPT-4o 的两倍。感觉就像等咖啡和在柜台取咖啡的区别，两者都很好，但其中一种能让你保持流畅。Claude 3.5 运行稳定，速度不慢，但在高峰时段偶尔需要排队，第一个 token 的平均延迟约为 1.8 秒，而 M2 为 0.9 秒。对于图像到结构转换，M2 的第一个有意义的 token 出现时间约为 GPT-4o 的 0.7 倍，完成生成的速度大约快 30% 到 40%。如果你快速迭代，代码编辑、运行、再次代码编辑，速度就会以非常实际的方式增长。

成本、背景和最终裁决

价格每隔几个月就会波动一次，所以我对确切的数字持谨慎态度。从方向上来说，以下是实际操作中最重要的几点。

MiniMax M2 的成本

本周，通过 API 使用 M2 时，每百万代币的成本比 GPT-4o 和 Claude 3.5 更低，尤其是在输出量较大的任务上。如果你正在大规模生成产品描述或进行大量结构化数据提取，那么这种差异就不再是理论上的，而是你的利润。

大约 API 成本（截至 2025 年 10 月）：

  • MiniMax M2： 0.01 美元/1000 个代币
  • GPT-4o： 0.03 美元/1000 个代币
  • 克劳德 3.5： 0.025 美元/1000 个代币

Claude 3.5 在超长上下文中仍然胜出

当我丢弃一个包含 12 万个 token 的研究包并请求进行跨源合成时，Claude 3.5 保持了镇定并准确引用。M2 和 GPT-4o 都能处理长篇文档，但 Claude 在处理复杂的上下文时感觉更冷静，少了那种“我懂了”的虚张声势，多了些图书管理员的活力。

那么我最终会落到哪里呢？如果我今天要启动一个内容或数据密集型工作流程：为了速度和成本，我会使用 MiniMax M2 进行原型设计，保留 GPT-4o 作为可靠的集成器（它仍然拥有最佳的生态系统感觉），当我的上下文窗口看起来像一条蟒蛇吞下一条沙滩巾时，我会使用 Claude 3.5。如果你关心吞吐量和价格，我会使用 M2；如果你使用主流工具，我会使用 GPT-4o；如果你的输入是小说，我会使用 Claude 3.5。是的，我会保留这三个标签，至少在下周模型发布再次颠覆一切之前是这样。这就是追逐前沿模型的乐趣所在——也是混乱所在。

先前文章：

文章浏览量： 465