通过一个实际项目开发，全面对比了GLM-5、MiniMax 2.5和Qwen 3.5-Plus在AI编程中的表现。本次实测覆盖了UI设计、编码水平、工具调用及成本开销，旨在为开发者提供一份详尽的模型选择参考，避开潜在陷阱。
智能速览
MiniMax 2.5在开发速度和UI还原度上表现最佳。
Qwen 3.5-Plus原生支持多模态，视觉能力突出。
GLM-5因服务器问题和成本效益低而表现不佳。
实测采用相同需求，确保了对比的公平性。
MiniMax 2.5的性价比在三款模型中最高。
精华内容
在AI编程工具百花齐放的当下，选择一款合适的模型至关重要。通过一个从零到一的完整项目开发，来揭示不同模型的真实表现与差异。
开发效率对决
在UI原型开发阶段，MiniMax 2.5和Qwen 3.5-Plus反应迅速，均在6分钟左右完成。其中，MiniMax生成的UI设计更符合现代风格，交互性和模拟数据更完整。而GLM-5因服务器响应缓慢，在官方Cloud Code环境中基本无法使用，测试被迫转向其他IDE。
进入编码阶段后，MiniMax依然保持速度优势，率先完成开发计划并执行。Qwen 3.5-Plus紧随其后，但两者在开发总时长上差距不大。GLM-5则全程受限于网络问题，无法有效完成测试。
工具调用差异
在开发策略上，各模型展现出明显不同。MiniMax 2.5精准识别并调用了SubAgent技能进行并行开发，兼容了更先进的开发模式。Qwen 3.5-Plus则采用Git Worktree方式，并在开发过程中多次进行上下文压缩，这可能影响长周期任务的稳定性。
在项目运行调试阶段，两者均出现Bug。MiniMax修复了两次后，项目成功运行并提供了Mock登录功能。Qwen修复了三次后，虽能访问登录页，但功能不完整，缺少Mock数据，导致无法深入体验。
成本与多模态
成本效益是关键考量。MiniMax 2.5采用29元的套餐，仅消耗了79%的额度，性价比极高。Qwen 3.5-Plus通过API付费，耗费超过2亿Tokens，费用约30元，成本适中。GLM-5的Pro版套餐成本最高，但仅输出了零散内容，消耗了27%的额度却未见成效，服务器体验极差。
多模态能力方面，Qwen 3.5-Plus原生支持，视觉理解能力超越其前代VL模型。MiniMax 2.5需通过MCP方式接入图像理解，而GLM-5则完全不支持。
综合结论
综合来看，MiniMax 2.5在本次实测中表现最为出色，其在开发速度、UI还原度、工具调用和成本控制上均展现出明显优势，是当前AI编程的优选。Qwen 3.5-Plus作为一款强大的开源模型，表现稳定，尤其在多模态方面领先，适合对视觉处理有需求的场景，但工具调用和UI设计有待提升。GLM-5则因糟糕的服务器稳定性、高昂的成本和不完善的体验，不推荐开发者当前使用。
本次横评直观展现了国产大模型在实战编程中的差异。MiniMax 2.5凭借其高效、精准和高性价比成为赢家，而GLM-5则暴露了服务与成本问题。对开发者而言，选择模型时不仅要看技术指标，更应关注实际体验与综合成本。未来，这些模型又将如何进化？
关键评论
GLM服务器频繁卡顿，套餐涨价且用量统计离谱，引发老用户普遍不满。
有用户从GLM转向MiniMax后体验提升明显，认为GLM“死慢”的问题长期存在。
部分用户在更复杂后端项目中的实测结果与视频不同，认为GLM表现更好，Qwen反而无法通过基础用例。
建议加入豆包和Kimi等更多主流模型进行对比，以获得更全面的参考。
