之前做过很多数据清洗的相关工作，最近大家都在讨论mimimax新模型，我直接拿来测试对比一下，看看这个模型到底怎么样。结论在末尾。
自己出题太难为我了，还是叫claude吧。
题目设置
我叫Claude 老师出了一道数据清洗的算法题：
测试流程
任务发下去，M3首先是阅读了示列输入表格。
随即他陷入了长达十多分钟的慢思考，然后列出了计划表，可以看出，M3是想好了再做的类型。
看着最终结果。
让克劳德评价一下。
问题有点大，easy难度大数据清洗没有问题，但其他难度分值异常低。克劳德老师说要重新评价一下。让我看看怎么回事。
原来是裁判失手了。问题不大，让他重新判分。
结果出来了：
看来代码能力是有的，就是不够严谨。。。。。。吗？
回看一下考场：
考场只有这些，如果考场没有东西，他也测不出啊。
让裁判修好赛场后，我新开对话重新测试。直接看最后结果：
选手b（glm）没有用库，难道是我指令不明确？我看看过程：
任务文档：
历史回复：
可以看到，并不是指令不明确，他自己都说了可能会使用标准库来优化。glm这是降至了吗？
我已经放弃思考了，交给opus吧。
opus裁判发力了，他给我找B出错的根本原因：
opus跑十多分钟终于找到了（我的token
）：
最终结果：
事先声明：所有测试都包括重测都使用了干净的目录和新开对话。
总体看下来，glm 5.1算法确实强，但在任务理解、算法细节这方面表现不佳。单次测试也不能直接拍板glm 5.1很low。但M3表现确实超出我的预期，实力还是很强的。时间方面M3比较慢。tokens方面：
- 不算缓存时，glm-5.1 的总 token 是 MiniMax-M3 的约 4.7 倍
- 算上缓存时，MiniMax-M3 的总 token 是 glm-5.1 的约 4.6 倍
- 调用次数上，MiniMax-M3 是 87 次，glm-5.1 是 23 次，约 3.8 倍
token构成还是挺大差别的。
附录：
裁判：opus4.8
选手A：M3
选手B：GLM 5.1
工具：Claude code、superpowers插件
2 个帖子 - 2 位参与者
来源: LinuxDo 最新话题查看原文