MiniMax M2 + Trae 编码评测:能否与 Claude 4.5 扳手腕?

作为一个深度 Vibe Coding 的程序员,一直希望业内能出现与 Claude 4.5 Sonnect 一较高下的模型的。

不久前第三方评测中,新公布的 MiniMax M2 模型与其只有 1分之差。

真有这么强吗?

趁 Trae 上还能免费用 MiniMax M2,赶紧测试一波。

目标还是建一个有10个页面完备流程的商城网站。

站点构建

Trae 使用 builder 模式,交给它更多的自主权。可能 Trae 免费的原因,MiniMax 的调用较慢,但整体支持还不赖。

要一次生成10个页面还是比较难,过程中,Trae 出现两次思考次数达到上限,需要输入"继续"才能进行。

出来的效果还是可以的,但是,需要后续调整的问题也挺多的:

  • 默认用深色模式,但是没有提供深色/浅色转换的按钮;
  • 手机端完美,但是 PC 端使用的图片宽高不一导致布局错乱;
  • 页脚样式缺失。
  • 代码上,对于这种极少表单的页面使用了 antd,这种大的库(此问题后续不做修复)。
  • 同样代码上,Trae 默认使用 Javascript,中途改成 Typescript 之后,报错的地方还是挺多的。

这些估计一半是 Trae,一半是 MiniMax 的锅。

bug修复

好在这些问题都是比较好修复的,问题一一告知,页面就修复好了,修复过程也十分顺畅。

最让人惊叹的还是,对 Typescript 的修复。虽然 Typescript 错误有25个,但修复过程中仅仅被 Trae 中断了一次。

完全无需手动。这个跟我第一次从 Claude 3.5/3.7 切到 Claude 4 时感受太一致了,从一开始战战兢兢到后来的彻底放心。

代码结构

项目整体结构规划合理。

优点有四:

  • pages 里区分了需要权限的 User 页面。

  • copmponents 里区分了Layout 和其他组件。

  • Typescript的类型定义独立成文件夹。

  • Mock数据独立成文件夹。

在无人工干预的情况下,一开始就有这么好的结构,能为后续操作规范、维护方便提供很好的支持。

用户体验

整个站点的体验,明显优于我一个月前用 Trae 做的测试站点。

非常完善的下单流程:

个人中心的信息展示也很清晰:

整体体验可以用优秀来形容!

评测总结

MiniMax M2 的宣传出来时,我个人是不信的,但是真实体验下来,智能程度跟 Claude Sonnet 4.5 的确差不多,与第三方评测的排名符合。

bug修复起来一次解决,用起来让人非常放心。

最后的问题,回到了 Trae 这里了,服务速度较慢,需要等待的时间比较长。

这时候,可以通过购买第三方服务,然后在 Trae 中配置使用。

套餐对比

目前,Trae 只支持在 硅基流动中选择 - MiniMax M2。

价格方面,硅基流动是按 100万tokens 算的,MiniMax 官方则按 prompts数量算。

  • 硅基流动的价格:输入:¥2.1/ M Tokens,输出:¥8.4/ M Tokens。
  • MiniMax 官方plan,starter版29元/月 40prompts每 5 小时,plus 版 49元/月 ,100prompts每 5 小时。Max 版119元/月,300prompts每 5 小时

显然,对于 coding 的人来说,官方版本这种按输入 prompts 的计算方法更划算;硅基流动的方案更适合偶尔用来编程或非高强度 coding 工作的人员。

所以还是希望 Trae 和 MiniMax 官方赶紧沟通合作一下吧!

相关推荐
笔画人生几秒前
Cursor + 蓝耘API:用自然语言完成全栈项目开发
前端·后端
李昊哲小课2 分钟前
OpenCV Haar级联分类器人脸检测完整教程
人工智能·opencv·计算机视觉
hit56实验室2 分钟前
【易经系列】用六:利永贞。
人工智能
星爷AG I7 分钟前
9-22 目标跟踪(AGI基础理论)
人工智能·agi
m0_603888719 分钟前
FineInstructions Scaling Synthetic Instructions to Pre-Training Scale
人工智能·深度学习·机器学习·ai·论文速览
新缸中之脑13 分钟前
RAG 陷阱:向量搜索不是语义理解
人工智能
AC赳赳老秦16 分钟前
外文文献精读:DeepSeek翻译并解析顶会论文核心技术要点
前端·flutter·zookeeper·自动化·rabbitmq·prometheus·deepseek
EmmaXLZHONG18 分钟前
Reinforce Learning Concept Flow Chart (强化学习概念流程图)
人工智能·深度学习·机器学习·流程图
薛定谔的猫198220 分钟前
十三.调用 BERT 中文文本情感分析交互式推理模型训练好的
人工智能·深度学习·bert
home_49823 分钟前
与gemini关于宇宙观科幻对话
人工智能