MiniMax-M2.7vsGLM-5
在 10 个共同 benchmark 中，MiniMax-M2.7 整体领先：MiniMax-M2.7 领先 5 项，GLM-5 领先 4 项，持平 1 项，平均分差 -2.91。
MiniMax-M2.7
MiniMaxAI · 2026-03-18 · 推理大模型
GLM-5
智谱AI · 2026-02-11 · 聊天大模型
MiniMax-M2.75 项(50%)持平1(40%)4 项GLM-5
评测分数
按能力类目分组，每组内按分差大小排列；共 10 项。
General Knowledge
GLM-5 领先 2/3| 评测项 | MiniMax-M2.7 | GLM-5 | 分差 |
|---|---|---|---|
| HLE | 2896 / 172Thinking (No Tools) | 50.4025 / 172 | -22.40 |
| LiveBench | 63.4956 / 115Deep Thinking (No Tools) | 68.8543 / 115Normal (No Tools) | -5.36 |
| GPQA Diamond | 8742 / 187Thinking (No Tools) | 8648 / 187Thinking (No Tools) | +1 |
Agent Level Benchmark
GLM-5 领先 2/2| 评测项 | MiniMax-M2.7 | GLM-5 | 分差 |
|---|---|---|---|
| τ²-Bench - Telecom | 8524 / 35Thinking (With Tools) | 985 / 35 | -13 |
| Terminal Bench Hard | 395 / 13Thinking (With Tools) | 432 / 13 | -4 |
Claw-style Agent Evaluation
MiniMax-M2.7 领先 1/2| 评测项 | MiniMax-M2.7 | GLM-5 | 分差 |
|---|---|---|---|
| Pinch Bench | 87.109 / 37Thinking (With Tools) | 86.4012 / 37Thinking (With Tools) | +0.70 |
| Claw Bench | 91.705 / 29Thinking (With Tools) | 91.705 / 29Thinking (With Tools) | 持平 |
Instruction Following
MiniMax-M2.7 领先 1/1| 评测项 | MiniMax-M2.7 | GLM-5 | 分差 |
|---|---|---|---|
| IF Bench | 766 / 30Thinking (With Tools) | 7211 / 30 | +4 |
Long Context
MiniMax-M2.7 领先 1/1| 评测项 | MiniMax-M2.7 | GLM-5 | 分差 |
|---|---|---|---|
| AA-LCR | 696 / 15Thinking (With Tools) | 6314 / 15Thinking (No Tools) | +6 |
Productivity Knowledge
MiniMax-M2.7 领先 1/1| 评测项 | MiniMax-M2.7 | GLM-5 | 分差 |
|---|---|---|---|
| GDPval-AA | 5013 / 21Thinking (No Tools) | 4614 / 21Thinking (No Tools) | +4 |
规格对比
| 字段 | MiniMax-M2.7 | GLM-5 |
|---|---|---|
| 发布机构 | MiniMaxAI | 智谱AI |
| 发布时间 | 2026-03-18 | 2026-02-11 |
| 模型类型 | 推理大模型 | 聊天大模型 |
| 架构 | MoE 架构 | MoE 架构 |
| 参数规模 | 2290亿 | 7440亿 |
| 上下文长度 | 200K | 200K |
| 最大输出 | 200K | 128K |
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 | MiniMax-M2.7 | GLM-5 |
|---|---|---|
| 文本输入 | $0.3 / 1M tokens | $1 / 1M tokens |
| 文本输出 | $1.2 / 1M tokens | $3.2 / 1M tokens |
| 缓存读取 | $0.06 / 1M tokens | 暂无公开价格 |
| 缓存写入 | $0.375 / 1M tokens | $0.2 / 1M tokens |
小结
- MiniMax-M2.7在以下类目领先:Claw-style Agent Evaluation (1/2)、Instruction Following (1/1)、Long Context (1/1)、Productivity Knowledge (1/1)
- GLM-5在以下类目领先:General Knowledge (2/3)、Agent Level Benchmark (2/2)
10 个共同 benchmark 上，GLM-5 平均高出 2.91 分。
单项差距最大的 benchmark：HLE — MiniMax-M2.7 28，GLM-5 50.40（分差 -22.40）。
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。