Thinkbenchという独自評価ハーネスを使い、両モデルに同じ自律コーディングループを実行させました。ファイルの読み書きやシェルコマンド実行などを含む60タスクを対象とします。
スコア付きタスクの結果、GLM 5.2は完全パス率92%で平均スコア0.976でした。一方、MiniMax M3は完全パス率84%で平均スコア0.961です。差は僅かですが、コストとレイテンシも考慮する必要があります。
費用面ではMiniMaxが6.67ドルに対しGLMは18.47ドルでした。実行時間の平均もMiniMaxが45秒、GLMは80秒と大きく異なります。
既存コードへの対応では、両モデルの差はほぼありませんでした。バグ修正や機能追加などでは、平均スコアが0.999から1.000に収束しています。明確な差が出たのは、空のリポジトリから構築するタスクです。
60タスクのうち54タスクは、平均スコアの差が0.1以内でした。大きな差が出た6件はすべてゼロベース構築タスクです。例えばticketflowではGLMが1.00に対しMiniMaxは0.33でした。これはMiniMaxのパッケージ構成がグレーダーから読み込めなかったためです。
逆にpatchwiseではMiniMaxが1.00でGLMは0.62でした。GLMは名前のタイポや改行処理のバグを出しました。
曖昧な指示への対応も比較しました。MiniMaxはハッシュチェーン検証やクエリビルダーなど、本番運用向けの仕組みを積極的に追加しました。GLMは指示の素直な読み取りに近い、よりフラットな実装を選んだ傾向にあります。
MiniMaxはロックや永続化、フォールバック経路などへの意欲が強く見られました。これは生成物の分析に基づいた評価です。
出典: MiniMax M3 vs. GLM 5.2: Codegen comparison across autonomous coding tasks（HN 55pt・19コメント）（HN Search (backfill)、2026-06-20）