这一周重测 MiniMax M2.1：从「便宜大碗」到「真生产力」

2025-12-22 15:45

这一周重测 MiniMax M2.1：从「便宜大碗」到「真生产力」，这次升级把 M2 的短板补齐了。这几天在 Cursor 里高强度实测 M2.1，这 3 个变化让我决定把它设为「主力备胎」： 1️⃣ 不再「偏科」：以前 M2 写 Python 凑合，遇到 Rust 或跨文件引用就晕。M2.1 明显强化了多语言支持，我昨晚重构一个 Go 项目的接口，跨文件逻辑理解比之前稳太多，不再瞎编变量名。 2️⃣ Agent 脑子更清醒：最大的痛点「指令丢失」修好了。特别是在调用工具时，它加入了类似思维链的“交错思考”，处理长任务流很少再掉链子，路由判断准了不少。 3️⃣ 极致性价比保留：性能在这个梯队，价格依然是 Input $0.3 / M（Sonnet 的 8%）。对于独立开发者来说，这意味着可以用极低成本跑大规模的 Agent 任务。 M2.1 绝对是目前写代码性价比最高的选择。 #MiniMax #独立开发 #AI编程 #降本增效 #大模型评测

这一周重测 MiniMax M2.1：从「便宜大碗」到「真生产力」

更多动态

把 Claude 续费关了，强迫自己全流程用 GLM-4.7 写代码

，结果意外：不仅没耽误，API 账单直接便宜 90%。作为独立开发者，这模型简直是为我们这种「既要性能又要省钱」的人定制的： 1️⃣ 思考模式不输闭源：它这个「Thinking」机制很有意思，我在 VS Code 里配合 Cline（现在叫 Roo Code）修 Bug，它懂得先思考再行动。以前遇到这种跨 5、6 个文件的复杂逻辑，小模型通常直接乱改，GLM-4.7 能稳住上下文，体感逻辑能力已经摸到了 Sonnet 4.5 的 90%。 2️⃣ 不再为 Token 焦虑：这是最爽的。以前跑 Agent 自动重构代码，看着 Token 狂跳心都在滴血。GLM-4.7 的 API 成本大概只有 Claude 的 1/10，我现在敢直接让它跑多轮迭代，即使本地部署个 vLLM 也能跑得飞起。当然，写非常冷门的框架时，它偶尔还是会「一本正经胡说八道」，不如 Claude 稳，但在这个开源性价比面前，这些瑕疵完全可接受。 #GLM4 #独立开发 #AI工作流 #开源模型 #降本增效

不再傻傻 2 倍速刷视频，直接用 AI 提取核心逻辑+脑图

，把「被动听课」变成「主动查阅」。我是怎么用 NoteGPT 偷懒的： 1️⃣ 视频秒变结构图实测扔进去一个 2 小时的 YouTube 深度访谈，大概 15 秒出摘要。最强的是它能直接生成脑图，本来要听半天才能理清的逻辑，现在一眼看穿。 2️⃣ 拒绝「看完就忘」以前看完教程脑子一片浆糊，现在用它自动生成的 Flashcards（抽认卡）过一遍。这种间隔重复比单纯做笔记记得牢多了。 3️⃣ 关于准确率写硬核技术文档很稳，但如果是那种讲究「弦外之音」的文学或哲学课，建议还是自己老老实实看原片，AI 目前偶尔会丢失语境。 🤔 你们现在看长视频是开倍速还是直接看总结？ #AI学习 #提效 #工具分享 #NoteGPT #数字游民

claude申诉失败了。

订阅费也没法儿退，我甚至怀疑申诉邮件就是钓鱼的，有追踪IP地址。 dhh是美国开发者，前段时间来深圳交流，演示了自己怎么用claude code。目前最稳妥的方式就是参考dhh方法，把Claude code放在海外机器上，用tailscale远程连接使用。那就得租一台有家宽的海外机器，在那台机器上注册和登录claude。

分享下现在的纯手机端工作流。

九月底前我都是坐在电脑前开着terminal指挥着pi，跑多subagent，最后再自己看diff，提pr，经常一坐就是一天。九月底，我工作流改成在手机端用hermes指挥pi，完全解决了久坐电脑前的痛苦，用到现在还挺舒服。 Hermes用旗舰模型（gpt-6-astra/opus-5.5），pi尽量不装插件，用中端模型（ds-v4.1-flash/sonnet/terra），二者间用a2a通讯。 hermes负责分析issues，拆分成多个小任务，然后给每个小任务创建worktree，并在里面派遣pi去完成小任务。每个pi完成任务都会通知hermes，由它判断提pr还是返工给pi。基本逛一天景点，或一觉醒来十几个pr搞好了，舒服得很。就是过程太黑盒了，心路历程有点像早期的vibe coding，那会diff至少自己会看一下，现在diff也黑盒，完全交给旗舰模型，属于盒中盒了。如果没数据焦虑，其实可以直接用grok-bot或者chatgpt-dot，开箱即用，里面内置了grok-cli和codex，原生agents通讯。弊端就是数据不在本地，有监管，万一被封号一切归零。