MiniMax M3.1 Flash 的 Claude Code 版测评报告来了。前两个视频我们是在 PI 上测的，然后评论区直接炸了锅：不少粉丝说，同样的测试用例，怎么在 Codex、在 Claude Code 上面跑效果好这么多？看看人家 AA 上的评分，再看看人家在 Agents Last Exam 的评分，你是不是本来就不该在 PI 上测呀。

粉丝的建议，那当然是要听的。我们所有模型基于 PI 测评，主要是想避开 harness 对我们测评模型原生能力的影响。但 Minimax 的强项是 agent 的工具调用能力，所以这次准备在当前最强的 Claude Code 上面再测一次，看下效果如何。

第一题强约束指令遵循句子生成测试。先检查一下结尾是不是都是从 1 到 10 结尾的——第 6、8、10 句不是。我们再看是否通顺，我认真看了下，基本都是通顺的，没有看到什么问题。这个表现还是挺不错的，毕竟这道题基本没有几个大语言模型能做到全对。

第二题鹈鹕土星环骑自行车 SVG 测试。大方向上，这个转弯效果看上去挺不错的，但是小问题还是有的：首先这个鹈鹕身体有点奇怪，怎么中间是空的；第二，鹈鹕没有用翅膀扶着自行车。

第三题复合弓射箭 SVG 测试。这个效果看上去也不错，起码整个画面色彩、小人和复合弓看上去挺舒服。唯一我觉得不合理的是，复合弓的箭是要搭在箭台上的，不能上下移动的。它这里为了满足抛物线，弓箭没有搭在箭台上，而是往上移动了，其实正确的做法应该是复合弓整体倾斜一定角度。

第四题实现一个精美的浏览器操作系统。这个 UI 走的是简约风，好，我们看下右上角弹窗，功能没有什么问题。我们再看一下 Dock 栏应用，这个计算器下方等于号的 UI 设计不大好，应该跟上面同样蓝色的功能按钮对齐。其他功能没有看到什么问题，看下压轴的太空射击游戏吧，玩下来还可以了，没有看到有什么大问题。

第五题实现一个 3D 赛车游戏测试。整体效果还可以，唯一一个问题是车辆撞一次就挂了，一般赛车应该都有多次机会的，不过这个也只是个实现偏好的问题，不是功能性问题。

第六题，无第三方库实现一个高颜值 Trello 看板。整个 UI 看上去挺简洁的，我们看一下基本功能。这个卡片的拖动和上次一样是同样问题，卡片没有跟上拖动时的鼠标，上次想拖动到第二列时，卡片飞到左上角了，这次又飞到右下角了，不过最终鼠标放开后能正常拖到第二列。列表的拖动倒没有出现上次不能拖动的问题。所以这一题的表现也还是挺不错的，没有出现什么硬伤。

整个测评下来吧，这次的效果比上次测得确实好了很多，大家怎么看呢？