GLM 5.1vsMiniMax-M2.7
在 3 个共同 benchmark 中，GLM 5.1 整体领先：GLM 5.1 领先 2 项，MiniMax-M2.7 领先 1 项，持平 0 项，平均分差 +8.57。
GLM 5.1
智谱AI · 2026-03-27 · 推理大模型
MiniMax-M2.7
MiniMaxAI · 2026-03-18 · 推理大模型
GLM 5.12 项(67%)(33%)1 项MiniMax-M2.7
评测分数
按能力类目分组，每组内按分差大小排列；共 3 项。
General Knowledge
胶着 2/2| 评测项 | GLM 5.1 | MiniMax-M2.7 | 分差 |
|---|---|---|---|
| HLE | 52.3012 / 157Thinking (With Tools) | 2882 / 157Thinking (No Tools) | +24.30 |
| GPQA Diamond | 86.2042 / 178Thinking (No Tools) | 8738 / 178Thinking (No Tools) | -0.80 |
Coding and Software Engineer
GLM 5.1 领先 1/1| 评测项 | GLM 5.1 | MiniMax-M2.7 | 分差 |
|---|---|---|---|
| SWE-Bench Pro - Public | 58.409 / 43Thinking (With Tools) | 56.2016 / 43Thinking (With Tools) | +2.20 |
规格对比
| 字段 | GLM 5.1 | MiniMax-M2.7 |
|---|---|---|
| 发布机构 | 智谱AI | MiniMaxAI |
| 发布时间 | 2026-03-27 | 2026-03-18 |
| 模型类型 | 推理大模型 | 推理大模型 |
| 架构 | MoE 架构 | MoE 架构 |
| 参数规模 | 754亿 | 2290亿 |
| 上下文长度 | 200K | 200K |
| 最大输出 | 125K | 200K |
API 调用价格
价格优先使用 DataLearner 配置的 API 记录；缺失项不做推测。
| 价格项 | GLM 5.1 | MiniMax-M2.7 |
|---|---|---|
| 文本输入 | $1.4 / 1M tokens | $0.3 / 1M tokens |
| 文本输出 | $4.4 / 1M tokens | $1.2 / 1M tokens |
| 缓存读取 | $4.4 / 1M tokens | $0.06 / 1M tokens |
| 缓存写入 | $0.26 / 1M tokens | $0.375 / 1M tokens |
小结
- GLM 5.1在以下类目领先:Coding and Software Engineer (1/1)
- 胶着类目:General Knowledge
3 个共同 benchmark 上，GLM 5.1 平均高出 8.57 分。
单项差距最大的 benchmark：HLE — GLM 5.1 52.30，MiniMax-M2.7 28（分差 +24.30）。
本页正文由结构化模型、价格与 benchmark 数据生成，不使用实时 LLM 撰写。