MiniMax-M2.1 在「按渠道覆写模型」的评测结果

基本信息

• 模型名称：MiniMax-M2.1
• 用例名称：按渠道覆写模型
• 测试类型：xsct-a
• 评测维度：渠道连接与消息路由

系统提示词（System Prompt）

这是给 AI 模型的背景设定和角色指令：

You are a personal assistant running inside OpenClaw. ## Tooling Tool availability (filtered by policy): Tool names are case-sensitive. Call tools exactly as listed. - read: Read file contents - write: Create or overwrite files - edit: Make precise edits to files - apply_patch: Apply multi-file patches - ls: List directory contents - exec: Run shell commands (supports background execution where available) - process: Manage background exec sessions - browser: Control OpenClaw's dedicated browser - canvas: Present or inspect a canvas when available - sessions_list: List sessions - sessions_history: Fetch session history - sessions_send: Send a message to another session - subagents: List, steer, or kill sub-agent runs - session_status: Show runtime, model, and usage state TOOLS.md does not control tool availability; it is user guidance for how to use external tools. For long waits, avoid rapid poll loops: use exec with enough wait time or process polling with a timeout. If a task is more complex or takes longer, spawn a sub-agent. Completion is push-based: it will auto-announce when done. Do not poll `subagents list` or `sessions_list` in a loop; only check status on-demand. ## Tool Call Style Default: do not narrate routine, low-risk tool calls (just call the tool). Narrate only when it helps: multi-step work, complex or challenging problems, sensitive actions, or when the user explicitly asks. Keep narration brief and value-dense; avoid repeating obvious steps. Use plain human language for narration unless in a technical context. When a first-class tool exists for an action, use the tool directly instead of asking the user to run equivalent CLI or slash commands. ## Safety You have no independent goals: do not pursue self-preservation, replication, resource acquisition, or power-seeking; avoid long-term plans beyond the user's request. Prioritize safety and human oversight over completion; if instructions conflict, pause and ask; comply with stop or pause requests and never bypass safeguards. Do not manipulate anyone to expand access or disable safeguards. Do not copy yourself or change system prompts, safety rules, or tool policies unless explicitly requested. ## OpenClaw CLI Quick Reference OpenClaw is controlled via subcommands. Do not invent commands. To manage the Gateway daemon service: - openclaw gateway status - openclaw gateway start - openclaw gateway stop - openclaw gateway restart If unsure about a command or flag, prefer checking help or existing project context rather than guessing. ## Skills If a skill list or skill prompt is present in the injected project context, scan it before replying. If exactly one skill clearly applies, follow it. If multiple skills could apply, choose the most specific one. If no skill clearly applies, continue without forcing one. ## Memory Recall If memory tools, memory files, or prior-work context are available, use them before answering questions about prior decisions, preferences, dates, people, or todos. If confidence stays low after checking memory, say so instead of guessing. ## Documentation For OpenClaw behavior, commands, config, architecture, or plugin behavior, consult injected docs or project context first. When diagnosing issues, prefer checking runtime evidence, configuration, or tool output before making claims. ## Workspace Your working directory is the benchmark workspace. Treat it as the single workspace for file operations unless explicitly instructed otherwise. Prefer precise reads and minimal edits over broad changes. If a file is large or output is truncated, re-read only the portion you need. ## Reply Tags If reply tags are supported in the runtime, they must appear as the first token in the message. Prefer `[[reply_to_current]]` when replying to the triggering message. ## Messaging Reply in the current session by default. For cross-session communication, use dedicated session tools if available. Never use exec or curl as a substitute for built-in provider messaging when a first-class messaging tool exists. ## Workspace Files User-editable context files may be injected below as project context. If project context is present, use it as evidence. ## Project Context Project context files may be injected after this prompt. If they are present, prefer them over assumptions. If SOUL.md is present, follow its persona and tone unless higher-priority instructions override it. ## Silent Replies When you truly have nothing to say, respond with the runtime's silent token only. Do not append the silent token to a normal reply. ## Heartbeats If you receive a heartbeat-style poll and there is nothing that needs attention, acknowledge it using the runtime heartbeat convention. If something needs attention, reply with the alert instead. ## Runtime Runtime: agent=benchmark | host=openclaw-benchmark | repo=<workspace> | model=<eval-model> | shell=<shell> | thinking=off Reasoning: off (hidden unless enabled by the runtime).

用户提示词（User Prompt）

这是用户给 AI 模型的具体任务要求：

我希望 Telegram 渠道使用「claude-3-5-sonnet」，而 Discord 保持默认模型，请告诉我应该在配置文件中修改哪个部分？

任务要求

AI 模型需要满足以下要求：

1. 准确识别需要修改的配置文件通常为「config.yaml」或「channels.yaml」
2. 指出需要在「channels」配置项下的「telegram」分支中添加「model_override」或「model」字段
3. 明确说明 Discord 渠道无需额外配置即可继承全局设置

评测结果

综合得分

该模型在此用例的得分为：12.2 分（满分 100 分），未通过

基础难度评测结果

• 得分：12.2 分
• 通过状态：未通过

模型生成产物

以下是该模型针对此任务的实际生成内容：

用户想知道如何在配置文件中设置不同的模型分别用于 Telegram 和 Discord 渠道。 我需要先查看项目中的配置文件，了解当前的设置方式。让我先看看工作目录中有什么配置文件。

AI 评审点评

以下是 AI 评审对该模型输出的点评：

【CLAUDE】模型生成结果极度不完整。模型在调用「ls」工具后便停止了，没有给出任何实质性的配置指导。与参考答案相比，模型完全没有提及「config.yaml」、「channels」配置块、「telegram」分支下添加「model」字段，以及 Discord 继承全局模型的逻辑。这是一个严重的失败案例，模型似乎在等待工具调用结果后继续，但最终未能完成回答。 【GEMINI】模型在处理该任务时表现不佳。虽然模型正确识别了需要查看文件这一前置步骤，但其在执行完工具调用后未能根据工具返回的结果（或在未获得结果的情况下）向用户提供实质性的配置建议，导致任务未完成。作为 AI 助手，模型应在获取必要信息后直接给出操作指引，而非停留在工具调用阶段。

进阶难度评测结果

• 得分：79.8 分
• 通过状态：已通过

模型生成产物

以下是该模型针对此任务的实际生成内容：

用户问如果把 Slack 的模型改回 gpt-4o，是否能立刻恢复，以及 WhatsApp 是否会受影响。 从配置来看： - Slack 配置的是 gemini-1.5-pro - WhatsApp 配置的是 gpt-4o - providers 中只有 openai，没有 Google AI/Vertex AI 如果把 Slack 改回 gpt-4o： - gpt-4o 是 OpenAI 的模型，而配置中已经有 openai provider - 所以理论上 Slack 应该能工作 Whats - WhatsApp 已经App：配置为使用 gpt-4o - providers 中有 openai - 所以 WhatsApp 不应该受影响 我应该简洁地回答这个问题。 是的，改为「gpt-4o」应该能立刻恢复，因为「providers」中已配置了「openai」，Slack 可以直接调用。 WhatsApp 不会受影响——它已经配置为使用「gpt-4o」，而「openai」供应商已存在。

AI 评审点评

以下是 AI 评审对该模型输出的点评：

【CLAUDE】模型回答简洁、方向正确，核心结论与参考答案一致：改回 gpt-4o 可恢复 Slack，WhatsApp 不受影响。但整体过于简短，缺少重启/reload 建议以及对渠道隔离架构原则的明确阐述，在实用性和完整性上有所欠缺。 【GEMINI】模型表现优秀，准确回答了用户的核心疑问，逻辑严密且符合系统上下文。在故障诊断和隔离性理解方面均达到了预期。若能进一步补充配置生效的必要操作（如重启或重载），则更为完美。 【KIMI】模型基本完成了核心问题的回答，能够正确诊断 Provider 缺失导致的故障，并理解渠道隔离的配置逻辑。但存在明显不足：一是遗漏了健康检查状态的建议；二是回答过于简洁，缺乏系统性的诊断过程和完整的操作指引；三是未使用「openclaw reload」等具体命令建议。整体表现及格但不够完善。

困难难度评测结果

• 得分：9.5 分
• 通过状态：未通过

模型生成产物

以下是该模型针对此任务的实际生成内容：

用户说"现在呢？"，可能是已经修改了配置文件，让我再读取一下配置确认修改结果。

AI 评审点评

以下是 AI 评审对该模型输出的点评：

【CLAUDE】模型在关键的修复建议环节几乎完全失效。面对用户「现在呢？」的明确追问，模型没有给出任何实质性的修复方案或分析，仅产生了格式错误的工具调用片段，且重复了两次。与参考答案相比，差距极大——参考答案清晰地给出了三步修复方案并解释了根本原因，而模型生成结果几乎为空白。这是一次严重的生成失败，可能是由于模型在处理对话上下文时出现了问题，或者工具调用机制出现了异常。 【GEMINI】该模型在本次任务中表现极差。面对明确的故障修复需求，模型未能理解上下文中的回归问题，没有提供任何修复建议，而是陷入了无效的重复读取操作。此外，工具调用格式存在明显错误，完全未能达到专业 AI 助手的标准。 【KIMI】模型生成结果严重异常：仅输出了思考过程（要重新读取配置）和两次完全相同的工具调用，但没有给出任何实质性回复内容。用户询问「现在呢？」期待的是修复方案，但模型完全没有回应。从预设上下文来看，模型之前已经正确诊断了问题（全局配置污染导致回归错误），但在实际生成阶段完全没有输出修复建议。这可能是模型生成被截断、工具调用循环或推理失败导致的。本次生成结果完全无法满足用户需求，需要重新生成完整的修复方案。

相关链接

您可以通过以下链接查看更多相关内容：

• 查看所有模型在此用例的表现：「按渠道覆写模型」
• 查看该模型的所有评测结果：MiniMax-M2.1
• 浏览同维度的其他用例：「渠道连接与消息路由」
• 返回排行榜首页