周末终于抽时间用 Trae CN 把 GLM 4.7 测完了。
为了节省时间，这次依然选择了从已初始化好的模板项目开始，构建一个完整的商城系统，最终要生成手机端（iOS）、Web 端以及后端服务这三大模块的代码，覆盖了前后端与移动端的基本功能链路。
GLM 4.7 体验
整个过程下来，如果用一个字来总结，那依然是“快”。
官方没有发布 GLM 4.7 的 TPS，只知道 GLM 4.5 大概在 100 tokens/s 左右。而这次实际体验中，内眼可见比 Cursor 的模型输出更快。整个测试从需求输入到三端代码基本成型，GLM 4.7 总共只花了两小时多一点，效率相当可观。
速度快的同时，它在细节处理上会偶尔出现疏漏。GLM 4.7 倾向于先快速给出整体框架和核心逻辑，但在一些具体实现环节不够周全。
例如：
- 在 Web 端页面中，漏掉了页脚（Footer）部分的版权信息和链接；
- 在 Web 端，商品购买流程里，它直接跳过了表单填写与验证步骤，导致流程不完整；
- 在 iOS 端，登录和注册这两个基础模块竟然被忽略；
- 后端部分，在实现登录接口接口时，却忘记了配套的登出（Logout）功能，连带着相关的测试用例也没有覆盖到这些场景。
不过，GLM 4.7 在理解问题和修正错误方面很聪明。一旦指出遗漏或错误，它能迅速领会意图并给出修正。
比如，在测试登录功能时，发现“登录失败没有提示，只是页面闪了一下”。我这么一说，它立刻理解到“页面闪了一下”是重定向刷新造成，很快修复了代码。
这种高效的交互修正能力，让整个开发过程依然保持流畅，不至于被细节问题拖慢节奏。
所以它快到，你可以忽略它的缺点。
对比 MiniMax M2.1
上次对 MiniMax M2.1 模型进行的测试中，同样完成前端 Web 端、移动端 iOS 端以及后端所需的总时间大约是 3 个小时。这一耗时表现相较于 GLM 4.7 来说，确实显得稍弱一些。
不过，MiniMax 模型在开发过程中会考虑得更为周全和细致。
例如，针对上面提到的用户登录功能，MiniMax 不仅会生成基础的实现代码，自动创建的测试脚本更全面一些，确保了登录流程的每个环节都经过充分测试，从而保障所有相关功能的完备性和稳定性。
从最终生成的成品质量来看，在前端部分，无论是 Web 端还是 iOS 端，MiniMax M2.1 的表现实际上要优于 GLM 4.7。MiniMax 生成的界面更完善，交互细节也处理得更到位。
GLM 4.7 页面端成品，整体略显简陋，布局较为基础，视觉元素不够丰富，缺乏高级的 UI 效果和细致的排版优化。
让 GLM 4.7 按 Web 端功能实现手机端，第一次完成的成品，左侧界面遗漏了登录功能及其入口。
所以，GLM 4.7 还需要你多次跟他确认细节，才能得到更好的界面。
最后，我们借助 Cursor 工具对两者生成的后端代码进行了系统性的评估。下表详细列出了各项评分对比：
| 评分项 | 总分 | GLM 4.7 | MiniMax M2.1 | GLM 优势 |
|---|---|---|---|---|
| 架构设计 | 20 | 10 | 8 | 模块化更清晰，使用真实数据库 |
| 代码质量 | 20 | 12 | 12 | 平手 |
| 安全性 | 20 | 10 | 10 | 平手 |
| 数据库设计 | 15 | 8 | 3 | 显著优势，使用 MongoDB 具备关系与查询优化 |
| 错误处理 | 10 | 5 | 5 | 平手 |
| 测试覆盖 | 10 | 0 | 0 | 平手（均无测试） |
| 文档和工具 | 5 | 3 | 3 | 平手 |
| 总计 | 100 | 48 | 41 | GLM 总分领先 |
根据 AI 的综合评价，GLM 4.7 的主要优势在于采用了更专业、可扩展的数据库方案——例如利用 MongoDB 的灵活文档模型支持未来业务变化，以及相对更清晰的 MVC 架构，这有助于团队协作和长期维护。
然而，从最终得分来看，GLM 4.7 获得 48 分，MiniMax M2.1 获得 41 分，两者均未达到及格线。这说明如果要将这些生成代码用于企业级项目，无论选择哪个模型，都需要开发人员进行大量的补充工作，包括重构部分模块、增强安全措施、编写测试用例以及完善文档等。
整体对比下来，这次的 GLM 4.7 更像是一次小版本迭代更新，惊喜有限。
AI 人格化的思考
对比完 MiniMax M2.1 和 GLM 4.7 ，我脑海中浮现出两个性格迥异的员工形象：
一个是典型的“埋头苦干型”员工——MiniMax M2.1。它就像办公室里那个总是默默耕耘的同事，遇到问题很少主动求助，而是倾向于自己钻研、独立解决。
另一个则像是“脑筋灵活但有点懒散”的员工——GLM 4.7。它聪明、反应快，但似乎需要明确的指令才会行动。
对于需求的某个具体功能是否要做，MiniMax 选择是做，然后增加测试来保证输出正确；GLM 4.7选择的是不做，少做少错，先保证已经做的内容更完善。
挺有意思的，AI 演化出了不同的人格。
在2025年年末，国产大语言模型在实际项目中做编程工作已不再是难题。写前端、后端、修复bug，它们都已具备扎实的实用能力。现在的关键已不再是“能不能用”，而是“你更倾向用谁”——就像选择合作搭档一样，取决于你的工作习惯、项目类型甚至个人偏好。
对程序员来说，如果需求明确、任务结构化强，这两者的差异确实不太明显，都能高效完成任务。我可能更倾向于MiniMax，它那种自主挖掘解决方案的风格或许更省心。
而对产品经理而言，GLM 可能更具吸引力。留有一定的修改空间，加上快速响应的速度，更方便产品经理快速调整产品方向。
从成本角度看，MiniMax 提供了更平易的入门门槛，Starter 版本首月仅 9.9 元，后续每月 20 元；GLM Lite 则首月 20 元，后续每月 40 元，定价稍高，但对比国外同类产品的定价仍非常有优势。
如今大模型在开发辅助方面的基础能力已无需质疑。作为开发者，后续我也会减少这方面的评测。继续关注开发本身。
