Glm 5.1 Тест: Создание игры в ретро-стиле

GLM-5.1 создаёт более красивые экраны, но MiniMax-M2.7 завершает работу

## Настройка теста Создатель запустил ту же спецификацию рогалика, вдохновлённого Westworld, параллельно через Claude Code на двух китайских моделях: GLM-5.1 (z.ai, ежемесячный лёгкий план, $10, уже использовано 90% недельной квоты) и MiniMax-M2.7. Обе остановились на Phaser 3 + Vite + TypeScript, но их поведение при планировании различалось. GLM-5.1 «задавал мне более умные вопросы» и проходил шаг за шагом через пять фаз; MiniMax-M2.7 «пошёл ва-банк» и запустил трёх агентов параллельно. Веб-поиск был отключён на GLM-5.1 после того, как создатель заметил, что он «действительно медленный» — даже by the way подсказка зависала на 2,5 тыс. токенов на несколько минут.

## Разрыв в скорости Примерно через 10 минут MiniMax-M2.7 уже начал направлять агентов и строить генератор комнат, в то время как GLM-5.1 «еще занимался проектом каркаса». К 25% 5-часовой квоты GLM, GLM-5.1 уже потребил 6 миллионов токенов и все еще не представил играбельную сборку. MiniMax-M2.7 достиг стадии отладки с одной компактизацией контекста; GLM-5.1 еще не произвел компактизацию.

## Качество вывода Экран загрузки GLM-5.1 и пиксельная стилистика были «впечатляющими», но сборка вышла с поломанной физикой снарядов, некорректной смертью и невыравненным интерфейсом. После двух раундов исправлений создатель сказал, что «добавил свечение, чтобы попытаться исправить проблему со снарядами. Но снаряды на самом деле не движутся». MiniMax-M2.7 в итоге отобразил коричневую комнату с иконками сердца и пулями, которые также не двигались, что требовало 3–4 повторных запроса, чтобы она вообще загрузилась. Ни один из результатов не был «приемлемым».

## Сравнение с Opus Ранний Opus 4.5 запускал с первой попытки рабочее MMO с многопользовательским режимом, мировым чатом, мини-картой и системами предложений NPC — но стоил примерно $300–$600 в первый день. Мнение создателя: GLM-5.1 «никогда не достигнет уровня Opus» для однократных сложных сборок, а MiniMax-M2.7 по-прежнему делает «гораздо больше ошибок», несмотря на большую скорость.

## Бенчмарк WildClaw Запуск GLM-5.1 на тестовом наборе WildClaw из 60 заданий для агентов показал 37% — выше GLM-5 Turbo, возможно, близко к MiniMax-M2.7 Pro — но «множество тестов на решение головоломок» завершились нулевым результатом из-за тайм-аутов, а не ошибок.