**叠甲**：不评价minimax现在额度这块的消息，最终肯定会有个定论。 个人看法：跟之前一样minimax并不是很值得付费 ，仅能够当做龙虾玩具跑一些目标和流程比较具体小功能。 **裁判**：claude-opus-4.8 max 这次测试用的流程： 同一个问题使用这三个模型。。 首先耗时上，M3很慢。当然有可能是M3还没有highspeed模型。 然后是claude评判的结果。直接上对比总结表。 1. M3反直觉：最新的 M3 综合表现最差。 AI味重(57 分，两项高危)，一个真实生成缺陷------第三章整章丢失、留了一句翻译模型的报错。。。而且耗时是高速档的 2.2 倍 。 文章开头的现状判断：四条主线的证据与边界是三篇里 单段推理质量最高 的。明确把 已验证结论 和 概念验证/预测 分开。思考时间这么久这点优势没什么卵用。而且高质量内容并 不稳定 ：开头还凑合，后半拉胯成模板套话。 2. M2.7 高速是综合最佳。 干净、连贯、数据扎实、AI 味最低(唯一通过硬闸门)，至少这个流程上发挥还不错。整体偏保守。 3. M2.5 高速是最像真人专家的一篇。 TRL 路线图、具名武器系统、海面电磁传播物理、UNCLOS 法律维度------信息密度和专业纵深三篇里最高。代价是这种风格是幻觉高发区。。。 佬们。。虽然opus也被吐槽过4.7、4.8并没有比4.6强。。但这minimax搞了这么久吐出来的东西真的难顶。。 多模态，能读视频，能做音频口播什么的在这种模型能力下真的靠谱吗。。。 2 个帖子 - 2 位参与者 阅读完整话题
我是无周限老套餐 总额度: 200% 周: 无限制 文档更新了: MiniMax 开放平台文档中心 Token Plan 升级与权益调整说明 - MiniMax 开放平台文档中心 M3 上线后的 Token Plan 计费切换、订阅权益保护与档位迁移方案 7 个帖子 - 6 位参与者 阅读完整话题
官方公告： MiniMax 开放平台文档中心 Token Plan 升级公告：M3 上线 · 老用户权益完整保留 - MiniMax 开放平台文档中心 MiniMax 成立于 2021 年 12 月，是领先的通用人工智能科技公司，致力于与用户共创智能。MiniMax 自主研发多模态、万亿参数的 MoE 大模型，并基于大模型推出海螺AI、星野等原生应用。MiniMax API 开放平台提供安全、灵活、可靠的 API 服务，助力企业和开发者快速搭建 AI 应用。 Token Plan 升级公告：M3 上线 · 老用户权益完整保留 各位 Token Plan 老用户： 随着 M3 上线，我们对 Token Plan 做了一次升级。 核心承诺：你原有的 M2.7 使用权益不会缩水，并且现在可以无缝使用 M3。 一、Plus / Max 档用户 价格不变，签约价继续生效。新方案下： M2.7 的 5 小时使用次数 +10% （不会变少） 新增 M3 的使用权限 ，与 M2.7 共享同一份额度池 新增多模态权益 ：图像、语音、音乐都可在同一份额度内调用 当前自动切换，无需任何操作。 二、Starter ¥29 / Plus-极速 ¥98（保留档） 这两档继续保留， 价格和签约关系不变 ，但 仅对老用户开放 ——新方案上线后不再对新用户售卖。 M2.7 的使用次数 约增加 10% 新增 M3 使用权限和多模态额度，与 M2.7 共享同一份额度池 温馨提示 ：这两档为老用户专属保留档，建议保持订阅状态以延续当前权益；若中途断订，后续将无法再次订阅同档套餐。 当前自动切换，无需任何操作。 三、停售档位用户（Max-极速 ¥199 / Ultra-极速 ¥899） 这两档将停售。我们提供了 月费下降但权益不缩水 的迁移方案： Max-极速 ¥199 → 新 Max ¥119 :月费下调 ¥80，每月额外补发 价值约 ¥160 的积分 用于覆盖差价，叠加多模态权益 Ultra-极速 ¥899 → 新 Ultra ¥469 :月费下调 ¥430，每月额外补发 价值约 ¥860 的积分 用于覆盖差价，含每日 5 条视频额度 下个续费日自动转入新档，你也可以主动选择其他档位或退订。 四、年包用户 已付费月份的权益保护原则： M2.7 次数不缩水 + 多模态权益全部保留 ，年付折扣率延续。 停售档年包（Max-极速年包 / Ultra-极速年包） :差价补偿不会一次性发放，而是 按订阅时间每月独立补发等值积分 （每月独立有效期 1 个月，不滚存），确保整年权益不缩水。 举例说明： Ultra-极速 ¥899/月 年包（剩余 8 个月） :每月按订阅日切到新 Ultra ¥469 权益，并 每月补发价值约 ¥860 的积分 （¥430 差价 ×2），连续补 8 个月，至年包到期日。年包到期后按新 Ultra ¥469 年付价自动续约，可继续享年付折扣。 Max-极速 ¥199/月 年包（剩余 6 个月） :每月按订阅日切到新 Max ¥119 权益，并 每月补发价值约 ¥160 的积分 （¥80 差价 ×2），连续补 6 个月。 五、新增 Ultra ¥469 重度档 填补 ¥199 与 ¥899 之间的空缺，适合重度 agentic 用户。月度容量约 55 亿 token，含每日 5 条视频生成额度。 六、关于「周发放」机制 新方案统一为「按周发放 / 周清零」（月订阅总量不变，每周一刷新一次）。 对原本没有周限额的老用户（月度池机制） : M2.7 继续保持无周限额 ：即便看板上显示周额度已达 100%，您仍可继续正常使用 M2.7，体验与原月度池一致。 M3 受新方案的周限额约束 ：M3 的使用会按周清零，每周一刷新。 考虑到这部分用户在 M3 上首次接触周限额机制有适应期，我们对所有原月度池档位用户 一次性额外补发 2 个月月费等值的积分 作为切换适应额度。 七、关于积分使用说明 1,000 积分 = ¥7 （与 API 按量付费 1:1 等价，无加价） MiniMax 开放平台所有模型均可使用 ，按各模型 API 按量付费刊例价实时扣减 跨模态共享：文本、图像、语音、音乐、视频（部分档位）均从同一份积分池消耗 4 个帖子 - 3 位参与者 阅读完整话题
月度约 18 亿+ token M3 用量 支持 MiniMax 全系模型（M3 / M2.7 / 图像 / 语音 / 音乐） 有点小期待的说啊 3 个帖子 - 3 位参与者 阅读完整话题
需要手机号验证,+86可以,这200$是限时的,有效期是6个月,能用的模型很少,不过有MiniMax M2.7,DeepSeek V3.2,跑翻译是不错的选择! generalcompute.com General Compute — World's Fastest AI Inference The world's fastest inference provider. Deploy AI models with unmatched speed. Sub-millisecond TTFT, high throughput, OpenAI-compatible API. 此链接无AFF,无任何营销推广,只是分享薅羊毛的渠道 5 个帖子 - 5 位参与者 阅读完整话题
飞书可能有隐水印，先不急，具体消息还没发出来，今天倒是名字改了，有消息了我就回来说说。 当时脑子一热买了一年的minimax,都吃灰好久了www M3加油啊！至少是老老实实的能干点真活呗QAQ 具体上下文和多模态还不清楚，有佬友根据官方发的图推测有1m的 8 个帖子 - 5 位参与者 阅读完整话题
问：客观评价 minimax m2.7 水平 答：你是想让我评价 Minimax M2.7 这个东西的性能和水平，对吧？为了精准，我需要先确认：你说的 M2.7 是 无人机/飞控系统 还是 其他领域的产品？ 不过先基于常规认知，我可以给你一个客观框架： 性能与稳定性 如果是飞控/无人机领域的 M2.7 ，一般是针对入门到中端市场。 控制算法和传感器精度属于“够用但不顶尖”水平，适合普通任务，但在极端环境或复杂任务下可能不够稳。 功能完整度 支持基本飞行模式和自动返航，可能有避障或简单路径规划功能。 高级功能（如多机编队、精密定位、工业级避障）通常不如高端型号。 用户体验 配套的软件和调参界面友好度一般，适合爱好者和教育用途。 对专业场景的支持较弱，调试和扩展性有限。 性价比 对于预算有限或者只是入门实验，性价比还行。 如果追求稳定性、精度或者商用级别，这个水平明显偏低。 总结一句：M2.7 的水平可以归为“入门偏中端，够用但不出彩”，适合练手和普通应用，不适合高精度或高风险场景。 我可以 帮你再做一个更量化的评分表，把稳定性、功能、性价比、扩展性各项打分，这样你一眼就能看出它到底算中低端还是偏中端。你想要我做吗？
IT之家 5 月 20 日消息，阿里云在今天的峰会上宣布：百炼保持开放接入，除阿里自研的千问模型矩阵，平台还将接入 智谱 GLM-5.1、MiniMax M2.7、月之暗面 Kimi K2.6、Pixverse-v6、可灵、Vidu Q3、阶跃星辰 等第三方模型。 具体来看，GLM-5.1、MiniMax M2.7、Kimi K2.6、Pixverse-v6-it2v、 Kling-v3-omni-video-generation 、ViduQ3-Pro、Tripo-H3.1、mimo-v2.5-pro 等模型已上架百炼，并通过千问云官网（ www.qianwenai.com ）全面售卖，号称 打造“AI 时代最开放的云” 。百炼不仅提供阿里自研模型服务，同时面向头部 AI 厂商开放，将优质模型集成至统一平台，为用户提供“一个入口、多模型可选”的一站式服务体验。 据IT之家了解，此前，阿里云百炼平台已上线 DeepSeek-V4-Pro 与 DeepSeek-V4-Flash 两款模型，其 API 定价与 DeepSeek 官网基本一致，其中 Flash 版本输入价格最低 1 元百万 Tokens ，输出价格最低 2 元百万 Tokens。 相关阅读： 《 阿里云百炼上线 DeepSeek-V4 模型，API 价格与官网基本一致 》
刚购买了MiniMax-M2.7-highspeed，这响应速度是真爽啊，有没有使用过的，效果怎么样？ 17 个帖子 - 9 位参与者 阅读完整话题
支持 Doubao-Seed-2.0 全系列、GLM-5.1、MiniMax-M2.7、Kimi-K2.6 等主流编程模型，扩展支持 Seedance-2.0、Seedream-5.0-lite、向量化模型、联网搜索等更多模态模型与 Harness，原生支持复杂 Agent 与编程任务,好像发布新模型了 4 个帖子 - 2 位参与者 阅读完整话题
最近纯 AI，0人工含量搓了个App，目前已经基本完成MVP版本开发，想着要不搞个正式点的 Landing 页。 于是刚好顺带测试下国产模型的前端审美/设计水平怎么样，截图如下，大家可以自行参考评判下 基于同一份Prompt，仅使用 /ui-ux-pro-max SKILL deepseek-v4-pro kimi-2.6 glm-5.1 MiniMax-M2.7 各位觉得最好看的是哪个 deepseek-v4-pro kimi-2.6 glm-5.1 MiniMax-M2.7 点击以查看投票。 10 个帖子 - 7 位参与者 阅读完整话题
感觉就比 minimaxm2.7 强点，感觉不如 qwen3.6plus ，glm5 和 kimi2.5 啊，我已经用了 2 亿多 token 了，实在没体验出智能 尤其是指令遵循，我在 hermes 中使用时常出现不遵守规则回复。 还有长记忆捞回测试，我上传了 900k 的武林外传的剧本 txt ，回答的很差欸 v4-pro 这个比较很可疑，但是 v4-flash 有时候我感觉和 minimax2.7 坐一桌的
感觉就比 minimaxm2.7 强点，感觉不如 qwen3.6plus ，glm5 和 kimi2.5 啊，我已经用了 2 亿多 token 了，实在没体验出智能 尤其是指令遵循，我在 hermes 中使用时常出现不遵守规则回复。 还有长记忆捞回测试，我上传了 900k 的武林外传的剧本 txt ，回答的很差欸 v4-pro 这个比较很可疑，但是 v4-flash 有时候我感觉和 minimax2.7 坐一桌的
感觉就比 minimaxm2.7 强点，感觉不如 qwen3.6plus ，glm5 和 kimi2.5 啊，我已经用了 2 亿多 token 了，实在没体验出智能 尤其是指令遵循，我在 hermes 中使用时常出现不遵守规则回复。 还有长记忆捞回测试，我上传了 900k 的武林外传的剧本 txt ，回答的很差欸 v4-pro 这个比较很可疑，但是 v4-flash 有时候我感觉和 minimax2.7 坐一桌的
感觉就比 minimaxm2.7 强点，感觉不如 qwen3.6plus ，glm5 和 kimi2.5 啊，我已经用了 2 亿多 token 了，实在没体验出智能 尤其是指令遵循，我在 hermes 中使用时常出现不遵守规则回复。 还有长记忆捞回测试，我上传了 900k 的武林外传的剧本 txt ，回答的很差欸 v4-pro 这个比较很可疑，但是 v4-flash 有时候我感觉和 minimax2.7 坐一桌的
感觉就比 minimaxm2.7 强点，感觉不如 qwen3.6plus ，glm5 和 kimi2.5 啊，我已经用了 2 亿多 token 了，实在没体验出智能 尤其是指令遵循，我在 hermes 中使用时常出现不遵守规则回复。 还有长记忆捞回测试，我上传了 900k 的武林外传的剧本 txt ，回答的很差欸 v4-pro 这个比较很可疑，但是 v4-flash 有时候我感觉和 minimax2.7 坐一桌的
感觉就比 minimaxm2.7 强点，感觉不如 qwen3.6plus ，glm5 和 kimi2.5 啊，我已经用了 2 亿多 token 了，实在没体验出智能 尤其是指令遵循，我在 hermes 中使用时常出现不遵守规则回复。 还有长记忆捞回测试，我上传了 900k 的武林外传的剧本 txt ，回答的很差欸 v4-pro 这个比较很可疑，但是 v4-flash 有时候我感觉和 minimax2.7 坐一桌的
感觉就比 minimaxm2.7 强点，感觉不如 qwen3.6plus ，glm5 和 kimi2.5 啊，我已经用了 2 亿多 token 了，实在没体验出智能 尤其是指令遵循，我在 hermes 中使用时常出现不遵守规则回复。 还有长记忆捞回测试，我上传了 900k 的武林外传的剧本 txt ，回答的很差欸 v4-pro 这个比较很可疑，但是 v4-flash 有时候我感觉和 minimax2.7 坐一桌的
感觉就比 minimaxm2.7 强点，感觉不如 qwen3.6plus ，glm5 和 kimi2.5 啊，我已经用了 2 亿多 token 了，实在没体验出智能 尤其是指令遵循，我在 hermes 中使用时常出现不遵守规则回复。 还有长记忆捞回测试，我上传了 900k 的武林外传的剧本 txt ，回答的很差欸 v4-pro 这个比较很可疑，但是 v4-flash 有时候我感觉和 minimax2.7 坐一桌的
感觉就比 minimaxm2.7 强点，感觉不如 qwen3.6plus ，glm5 和 kimi2.5 啊，我已经用了 2 亿多 token 了，实在没体验出智能 尤其是指令遵循，我在 hermes 中使用时常出现不遵守规则回复。 还有长记忆捞回测试，我上传了 900k 的武林外传的剧本 txt ，回答的很差欸 v4-pro 这个比较很可疑，但是 v4-flash 有时候我感觉和 minimax2.7 坐一桌的