Sabitlenmiş Tweet
继昨天测了一下 GLM-5.1 在 Coding 任务下的表现，今天继续对比测了一下任务理解和处理的能力，利用 agent-browser 完成阿里云轻量服务器续费情况查询（自己的核心使用场景，不代表任何模型的官方测试）。
先说一下结论：
1. GLM 5.1 焕然一新，较短时间内，能重新理解，顺利完成任务，但是结果有些错误。
2. Minimax-m2.7-highspeed 持续许久未能完成任务。
3. Opus 4.6 仍然是王者，稳准狠。
相对来说，GLM-5.1 已经超出我的预期。
这个任务的难点在于，轻量服务器和 ecs 云服务器是两个东西，在阿里云控制台里默认进去看不到轻量服务器列表，这就需要 llm 自己理解并且找到这事儿。
当然，昨晚我也已经帮我老婆把 minimax 切到了 glm-5.1 了。
所以，基于以上这两个测试，我个人重新调整一下国产模型推荐，最新本人推荐 GLM-5.1：
bigmodel.cn/glm-coding?ic=…
马天翼@fkysly
在我的一个私家找 bug 任务上测试了一下（不代表权威性，只代表我个人），GLM 5.1 好像挺牛逼啊。 花了2分钟就找到了问题；Minimax m2.7 highspeed 花了4分多钟，没找到问题。 之前 Opus 4.6 记录是 30秒；GPT-5.3-Codex 是 10分钟都还在找。
中文
