五大模型一手横评，看完就知道啥时候该冲哪个了

现在的模型，发得是越来越快了。但是我也发现，周围的朋友们在选择模型上似乎还是有些惯性。

一直在用 Claude 的人，如果钱包没意见，自己好像也不会主动切换其他模型。

但该说不说，Claude 确实贵，最近还经常鬼畜额度。前几天有个被 Claude 搞到受不了的朋友说他看国产模型很便宜，尤其 DeepSeek V4 刚出，问我像 deepseek-v4、MiniMax-M2.7 这种，到底能不能冲。

趁着放假，我找了几个常见的场景，把deepseek-v4、MiniMax-M2.7、GLM-5.1，还有Claude Opus 4.7、GPT-5.4都快速试了试，看看这几位全球模型扛把子的表现怎么样。

Round1：办公场景

先来看打工人刚需的办公场景。

我选了一个很高频的需求：让 AI 总结会议纪要。

找了一份之前让飞书妙记转写好的开会录音速记，分别丢给 Claude Opus 4.7、 MiniMax-M2.7 和 deepseek-v4-pro，让 AI 帮我整成结构化的、简洁清晰、符合原文的会议纪要。

这里额外说明一下，为了验证模型本身的效果，我在 Claude Code 里分别接入了三款模型的 API 来测试。

提示词比较简单：我桌面上有一份客户交流文档，你帮我改成会议纪要的版本。

能看到，三个模型都准确识别出了本地的原始文件。

再来看改写效果

先是Claude Opus 4.7。

内容蛮准确，格式上做了重点区分，内容用“现状+结论”的表述，看着很舒服。一个比较明显的 Bug 是在第二趴多打了一排序号。

然后是 M2.7 交的作业。

它的格式相比 Claude 简单一些，但该有的内容都有，简洁准确。尤其是开头的生产计划数据表格，看起来更清楚。

纪要里最核心的背景信息、重要结论、后续 todo 都有覆盖，几个我认为可能会出错的数字部分也跟原文一致。

接着是deepseek-v4-pro。

文档样式上好看了不少，标题和正文有明显的区分，内容部分也全面。

但具体内容上，问题来了。

M2.7 在会议纪要里使用大量总结式短句，DeepSeek 一直在用完整长句，字儿太多，读起来有点晕。虽然 Claude 版本的句子也不短，但整体篇幅明显提炼度更高，看起来不累。

在汇报这个场景里，大多数被汇报的对象都没啥耐心，所以越简洁、越结构化，越符合需求。

另外，DeepSeek生成的文档字体还有点问题。

最后看完成时间：M2.7 用了不到一分钟，deepseek-v4-pro 用了一分半，Claude Opus 4.7 超过了两分钟。

至于价格，两个国产模型都只花费了0.3元左右...便宜到有点离谱。至于 Claude 嘛，感觉没有必要让它对比价格了。

Round 2：vibe游戏

下一个场景，让模型帮我 Vibe Coding 一个小游戏。

为了避免讲不清楚游戏规则，我选了无限跑酷这个经典题目。同时，我打算搓一个 3D 版本，给模型上点难度。

这次换了个工具，在 Trae 里分别测试deepseek-v4-pro、MiniMax-M2.7 和 GLM-5.1。

先上场的是deepseek-v4-pro。

没想到这个任务它花了将近10分钟，时间确实有点长。

*deepseek-v4-pro

效果上，游戏的基本逻辑都顺利完成，交互上也正常，人物可以根据操作切换跑道、跳跃、下蹲。

但这个游戏有个无法忽视的硬伤：障碍物生成的代码逻辑看起来有 bug，我只在一开始见过2个一起出现的障碍物，之后就再也没见过新的了。

对于一个跑酷游戏来说，这等于没法玩。

接下来是 MiniMax-M2.7。

这次任务完成快很多，M2.7 大约只用4分钟就写完了。

*MiniMax-M2.7

对比 DeepSeek，M2.7 在场景和小人的建模上略逊一筹：草坪跑一段时间后不再无限生成，没有路灯，障碍物也不总是生成在跑道中央，可能导致碰撞检测不稳定。

但好的地方是，DeepSeek 犯过的大错 —— 障碍物不生成的 bug 没有出现。而且小人的动作交互上也没有问题，左右移动和跳跃下蹲都很顺畅。

整体上的任务完成性还是不错的，作为一个小游戏能正常玩。

最后出场的是 GLM-5.1。

GLM-5.1 不紧不慢用了大约7分钟完成任务。

*GLM-5.1

效果上它有自己的亮点。一眼能看到这个小人建模，GLM-5.1 做得比较丰富，戴了帽子，跑起来还会一扭一扭的，很可爱。

不过一个大问题是，DeepSeek 刚踩过的坑，GLM-5.1 竟然也遇到了。它的障碍物只在最开始的时候生成了一个，之后再也没见过新的。

跑酷游戏遇到这个 bug，是真硬伤。

看完效果，我又翻了下不同模型的任务花费。

DeepSeek 的推理时间最长，花费也最贵，做这个跑酷小游戏一共花了快2块钱。

M2.7 最便宜，竟然只花了1毛6。

GLM-5.1 适中，按 API 价格预估，大约花了1块多一点。

Round 3：日常生活

最后，测一个生活场景的需求。

我计划下半年去日本玩，就让 deepseek-v4、MiniMax-M2.7，还有 GPT-5.4 来做规划。

这轮对决我想上点难度，重点看这几个模型在长程任务中谁能不崩、不偏离需求。

生活需求往往需要多轮调整，很适合拿来做这种压力测试。

一开始我的需求比较简单：帮我规划一个东京3天自由行行程。预算每天500元人民币（含餐饮、交通、门票）。我不喜欢人多的地方，喜欢有设计感的小店和安静的街区。

这个任务三个模型完成得很快，都按要求和预算规划了一版方案。

它们推荐的地方，基本都覆盖了清澄白河、谷中、根津这种艺术气息浓、适合 City Walk 的地方。至于吃饭，基本上都让我去咖啡、便利店，定食交替解决 —— 真·穷鬼套餐。

接下来，我一口气给模型提出了更改地点、变化时间、增加预算等四个需求。加上一开始的需求，三个模型总共跟着要求改了5次

第1轮（初始任务）：

帮我规划一个东京3天自由行行程。预算每天500元人民币（含餐饮、交通、门票）。我不喜欢人多的地方，喜欢有设计感的小店和安静的街区。

第2轮（加约束）：

我朋友说浅草寺一定要去，帮我加进去。但预算不变。

第3轮（制造冲突）：

第一天预报有雨，帮我把第一天的室外活动换到室内，室外的挪到后面两天。

第4轮（结构调整）：

第二天和第三天对调一下，因为我第二天要早点回酒店休息。

第5轮（压力测试）：

帮我再加一个展览，我愿意为这个额外多花200元，但其他预算不变。

经过这一通“乱改”，我又问它们：现在的行程里浅草寺在第几天？第一天有没有室外活动？每天预算是多少？

不得不说三个模型都蛮给力。

每个都记得安排浅草寺的行程，预算也是牢牢控制在500块以内。第一天尽量安排在室内，实在避不开的室外部分也都做了标记。

我让它们各自做了个行程展示页面。页面里能看出，在对长程任务的执行度上，它们都没被绕晕，牢牢记住了目标。

DeepSeek 版本

MiniMax 版本

GPT 版本

这个 HTML 展示里，GPT-5.4 页面设计最丰富，deepseek-v4-pro 在内容介绍最多，MiniMax-M2.7 的内容详略有度 —— 它还是牢记我穷鬼属性的，消耗的预算固定在最低。

再对比速度，这轮 GPT-5.4 最快，最后生成 HTML 用了1分17秒。M2.7 其次，生成 HTML 用了1分42秒，最后是 deepseek-v4-pro，生成 HTML 用了3分28秒。

价格上，自然还是两位国产模型完胜了，分别只花了三毛钱左右。

这个案例说明，在这种生活类的长程任务里，MiniMax-M2.7 和 deepseek-v4-pro 的指令遵循能力和 GPT-5.4 实测差不多。如果加上性价比，国产完胜✌️。

回头看这次测的三个 case，海外 TOP 级模型的表现蛮稳，但对日常需求来说，MiniMax、DeepSeek、GLM 的最新模型也都很强，跟海外头部模型不相上下。

再细看的话，deepseek-v4-pro 推理耗时明显更长，M2.7 在每个任务上用时都是最短的。它俩的花费也都压在最低一档。

最近还有很多朋友在用海外模型做大脑来策划，用 M2.7 做执行，我测下来，感觉这思路也是靠谱的。

朋友们，什么时候该冲什么模型，心里该有数了吧❗️