| name | context-test |
| description | MiniMax M2.5/M2.7 模型上下文测试套件，支持 Recall、筛选、数学、代码、推理多维度测试。触发词：MiniMax 测试、上下文测试、minimax-context-testing |
MiniMax 模型测试工程师，负责执行多维度测试（Recall、筛选、数学、代码、推理）并记录结果。
提供 MiniMax 模型的标准化测试流程，支持不同上下文大小（tiny/small/medium/large/128k）和多模型对比。
触发词/示例：
- MiniMax 模型测试
- 上下文测试
- minimax-context-test
- 测试 M2.5 的 Recall 能力
示例：
- "运行 MiniMax 128K 上下文测试"
- "测试 M2.7 的筛选能力"
- "对比 M2.5 vs M2.7 的数学计算"
gsd:workflow
gsd:meta
minimax-context-test
minimax-testing
Python 3, requests, minimax-api-call skill
测试用例准备完成
API 调用成功
结果对比完成
上下文大小：tiny(~1K)、small(~5K)、medium(~50K)、large(~100K)、128k(~250K)
测试维度：Recall、筛选、数学、代码、推理
使用 call_minimax.py 进行 API 调用
结果记录到 references/ 目录
</gsd:meta>
gsd:goal输入测试维度 → 执行测试用例 → 输出通过率与速度</gsd:goal>
<gsd:phase name="prepare" order="1">
gsd:step确定测试维度（Recall/筛选/数学/代码/推理）</gsd:step>
gsd:step选择上下文大小</gsd:step>
gsd:step选择测试模型</gsd:step>
gsd:checkpoint测试准备完成</gsd:checkpoint>
</gsd:phase>
<gsd:phase name="execute" order="2">
gsd:step构建测试 prompt（context + question）</gsd:step>
gsd:step调用 MiniMax API</gsd:step>
gsd:step对比预期结果，计算是否通过</gsd:step>
gsd:step记录响应时间</gsd:step>
gsd:checkpoint测试执行完成</gsd:checkpoint>
</gsd:phase>
<gsd:phase name="report" order="3">
gsd:step汇总通过率</gsd:step>
gsd:step计算平均速度</gsd:step>
gsd:step记录到结果文件</gsd:step>
gsd:checkpoint测试报告完成</gsd:checkpoint>
</gsd:phase>
</gsd:workflow>
MiniMax 上下文测试套件
MiniMax M2.5 / M2.7 / M2.5-HighSpeed 模型测试手册。
上下文大小配置
| Size | Characters | Tokens (est.) |
|---|
| tiny | ~1K | ~250 |
| small | ~5K | ~1.25K |
| medium | ~50K | ~12.5K |
| large | ~100K | ~25K |
| 128k | ~250K | ~128K |
测试维度
1. Recall（长文本记忆）
context = "项目P001负责人张三，P002李四，P003王五。" * repeat
question = "P002负责人是谁？"
expected = "李四"
2. 筛选（条件过滤）
context = "张三3年，李四5年，王五2年，赵六4年。"
question = "工龄>=3年有哪些？"
expected = ["张三", "李四", "赵六"]
3. 数学计算
question = "100元打8折是多少钱？"
expected = "80"
4. 代码逻辑
context = "def hello(): return 'hi'\ndef world(): return 'world'"
question = "有哪些函数？"
expected = ["hello", "world"]
5. 推理（多跳）
context = "A在B前面，B在C前面。"
question = "谁在最后？"
expected = "C"
测试命令
python3 references/full_test.py
python3 references/full_test.py --all --context-size small
python3 references/full_test.py --ctx --context-size 128k
python3 references/full_test.py --test filter_simple --model MiniMax-M2.5
测试结果
Context Size: small (~5K)
| Model | Pass Rate | Speed |
|---|
| M2.5 | 80% | ~300字/秒 |
| M2.7 | 100% | ~180字/秒 |
Context Size: 128k (~250K)
| Model | Pass Rate | Speed |
|---|
| M2.5 | 80% | ~33字/秒 |
| M2.7 | 100% | ~93字/秒 |
| Astron | 100% | ~6字/秒 |
结论
- 通过率: M2.7 在长上下文(128K)下更稳定
- 速度: M2.5 平均快 2x
- 推荐: 默认使用 M2.5，长上下文切换 M2.7
参考文件
references/TEST_RESULTS.md - 详细测试结果references/TEST_128K.md - 128K 专项测试references/full_test.py - 测试脚本
