冷门模型生存考：商汤、阶跃星辰、脑虎与书生为什么还在榜上

全网横评都在测同一批模型

如果你把 2026 年中文互联网上所有“国产多模态大模型横评”的参评名单叠在一起，重合度会高得惊人：豆包、Qwen、Kimi、GLM、DeepSeek、文心、混元、MiniMax——八到十款，来来去去就是这些。不是作者懒，是榜单本身是内容产品，也要算 ROI：测一款没有公开 API 的模型，读者用不上；测一款只做端侧的模型，流量看不上。

本站这份 2026 中国国产原生多模态大模型对比排名天梯榜 收了 32 款。多出来的十几款里，至少 15 款不出现在任何主流中文横评中：商汤、阶跃星辰、脑虎、书生、快手、美团、智元、华为、面壁。

这篇文章不为它们翻案。它们中的几款按总榜排确实不高，有两款连公开 API 都没有。这篇文章只回答一个问题：当一款模型不在任何榜单的热门位里，它凭什么还值得被测评、被采购。

答案的预览：凭“没有第二名”。

冷门的三条共同成因

把 15 款冷门模型的档案翻一遍，缺席原因是可归纳的：

成因	涉及模型	机制
不做通用营销	商汤 SenseNova、阶跃 Step-3、云从从容	发布会面向政企与行业客户，不做开发者社区投放，公开声量天然低
采购入口非 API	脑虎 NeuroXess、华为盘古、海康观澜	项目制或行业授权，没有标准化调用入口，横评无法“即插即测”
榜单适配度低	书生 InternVL、快手 Keye、美团 LongCat、智元 WITA、面壁 MiniCPM、紫东太初	开源社区款、视频专精款、具身款、端侧款、学院派——都不在“十款门面”的取样框里
场景绑定太深	蚂蚁百灵、京东言犀、网易伏羲	训练数据里场景语料占比过高，通用榜上天然吃亏，厂商也没有出圈动机

四条成因指向同一件事：这些模型的热度不在搜索框里，在交付现场。 而搜索框是横评的作者和读者共同的眼睛。用搜索框做取样框，得到的不是市场全貌，是营销预算的分布图。

商汤 SenseNova 6.5 Pro：垂类案例是最旧的护城河

总榜第 8，89.9 分，A 级证据，¥12——这个成绩单放在任何横评里都不难看，但商汤确实不在任何一份横评里。原因很朴素：SenseNova 的发布会对象是三甲医院和汽车产线，不是开发者。

它在 没人测的中文文档天梯 上的位置才是它的真实画像：中医舌象第一、工业质检第一、戏曲脸谱第二。这三类场景的共同点是标注需要领域专家、数据不能公开、海外机构没有需求——也就是公开基准永远覆盖不到的地方。商汤十年的视觉积累恰好堆在这里。

它的短板同样诚实：在 帕累托前沿 的 9 维严格支配表里，它被同价 ¥12 的 Qwen3.5-397B 全面压制——通用战场上它确实打不过，8 个维度没有一项严格领先。它的生存理由全部在通用战场之外。

采购含义：如果你的多模态需求落在医疗影像辅助或工业质检，SenseNova 应该出现在候选名单里，而它在绝大多数横评里根本不出现——这是取样偏差，不是能力缺席。反之，如果你的需求是通用问答加图表理解，同价有严格更优解，没必要为“商汤”两个字付钱。

阶跃星辰 Step-3：接口最全的中价位，架构最黑箱的那一档

总榜第 17，84.7 分，B 级证据，¥5。Step-3 在中文横评里的缺席率几乎 100%，原因和商汤相反：它不缺声量，缺的是可测评性——四模态接口列得很齐，架构细节不公开，原生度只能按可观测行为暂定 N2。

但把它放回价格带里看，会发现一个尴尬的事实：¥5 档位上是它一个人在守。 比它便宜的（Qwen3.8-Flash ¥1.2、DeepSeek-V4.1-Flash ¥0.6）生态更强但垂类浅；比它贵的（GLM-5.3 ¥9）能力强一档但采购门槛也高一档。在“四模态接口 + 中价位 + 闭源商用”这个交叉点上，它是本站 32 款里唯一的产品。

它的存活方式在 成本文章 里被归了类：无严格领先维度，仅靠平局存活——这是最脆弱的存活方式，下一次任何厂商的版本更新都可能抹掉它。但“最脆弱”不等于“现在没有价值”：一个需要音频+视频+图像统一接口、又不想碰旗舰价格的项目，今天的候选仍然只有它。

采购含义：把 Step-3 当“接口保险”——当你需要的模态组合没有别的中价位产品覆盖时，它是唯一选项；当 Qwen 或 GLM 的同价位产品补上模态缺口，它就该出候选。选它要接受架构黑箱带来的集成风险，并在合同里锁定接口兼容条款。

脑虎 NeuroXess-N1：全网唯一的神经信号模态，和两款 C 级证据之一

总榜第 30，77.2 分，C 级证据，无公开 API。这是本站 32 款里最“偏”的一个条目，也是收录它争议最大的一个。

先把事实摆清楚：一家做植入式脑机接口的公司，把 EEG/fNIRS 时序信号、图像与文本放进同一个离散 token 空间，做神经康复评估与具身交互。它的场景分“神经信号解码 88”是全站唯一参赛者——不是它赢了什么，是没有第二个人上场。

它同时是本站两款 C 级证据模型之一（另一款是海康观澜 3）：所有数字来自厂商口径，零第三方复现。按本站自己的标准，这样的模型本来不该进榜。但它进了，理由和分数无关：

• 覆盖即价值。 一个模态只有一款模型在测，这个事实本身就是全网唯一的信息。横评的同质化正在杀死这类信息。
• C 级标签是过滤器，不是遮羞布。 我们把证据等级独立于综合分公布，就是为了让读者自己决定要不要碰一款全厂商口径的模型。把它藏起来和把它捧到 A 级，是同一种不诚实。
• 它测试的是榜单的鲁棒性。 一份把 C 级证据模型收进第 30 名、同时如实标注的榜单，比一份只收 14 款 A/B 级热门模型的榜单更经得起审计——后者的问题是取样偏差，前者的问题只是多了一行。

它的弱点也必须写明白：生态 62 全站最低，没有 SDK 文档，没有限流说明，生成 68、视频 70，超出神经与具身场景即不可用。除了神经康复、卒中随访与具身交互研究，任何业务都不应该考虑它。

采购含义：这是“唯一答案”型场景的标准形态——选型问题不是“选哪款”，是“用不用它、以及用什么条款用”。项目制授权下，数据合规路径按医疗场景设计是它的真实卖点，权重不出甲方是它的真实边界。

书生 InternVL 4.0：社区热度与榜单热度的倒挂

总榜第 16，85.0 分，A 级证据，MIT，¥1/百万输出 token，感知 96——闭源旗舰之下开放权重的最高分。

这是 15 款冷门模型里最典型的一款：开源社区的下载量长期前三，中文横评的存在感约等于零。 我们在 排名背离指数 里给这种现象起了个名字：缺席背离。横评的固定动作是“拉十款头部门面”，而头部门面是营销声量函数，不是能力函数。

InternVL 4.0 的档案是这种倒挂的完整标本：感知 96（全场第三，仅次于两款 97）、document 93、chart 90——但视频 66 全站倒数第三，agent 78 低于企业地板。它的能力剖面是一个尖锐的偏科生，而偏科生在任何加权总榜里都吃亏，在“感知组件”这个真实采购身份里却是开源阵营的唯一选择。

另一个它独有的事实：它是 9 维严格支配分析里的逃生者——被 DeepSeek-V4.1-Flash 二维支配（更便宜且综合分更高 2.9 分），却在感知维度上 96 对 90 严格领先所有更便宜的对手。翻译成采购语言：“综合分更高的更便宜”这个结论，对开源用户是失效的，因为开源用户的采购函数里，许可类型与自托管能力的权重接近 40%，而这两项都不在那 8 个维度里。

采购含义：做开源技术栈、需要 ¥1 以下感知组件、要求 MIT 许可——三个条件同时成立时，候选只有它。它不适合当多模态主力（视频与 Agent 是明码标价的短板），但当组件它是 A 级证据 + 最宽许可 + 开源感知天花板的组合。

本期新入榜的六款行业模型：一种新的冷门

前四款深拆对象的冷门原因是“不营销、无 API、不适配榜单”。本期新增的六款给出了第四种冷门：场景绑定太深。它们的发布会只面向行业客户，通用榜上天然吃亏，但各自手里都握着一个没有第二名场景。

模型	总榜	证据	总分 / 价格	主场
海康观澜 3	#27	C	78.2 / 行业授权	监控视频：夜视红外、周界、跨镜追踪
云从从容 2	#32	B	76.1 / ¥7	识别：人像、证照、票据
紫东太初 2.0	#25	B	80.1 / 无 API	学院派全模态：论文与消融
蚂蚁百灵 Ling 2	#22	B	80.8 / ¥5	金融：票据、合规、风控文档
京东言犀 2	#28	B	78.0 / ¥6	零售：商品图、SKU、供应链单据
网易伏羲 2	#29	B	77.5 / ¥4	内容：游戏 NPC、二创、短视频

六款的总分全部在 76–81 区间——恰好是总榜上“看起来都不该选”的区间。但把每款放回它的主场，结论会反转：观澜的监控视频理解没有第二个参评者；从容的感知 91 是同分外模型给不了的；百灵的中文 92 仅次于三款旗舰；言犀的商品图语料在 32 款里独占；伏羲的生成 82 是内容向最便宜的量产选项；紫东太初则是开源社区之外唯一公开全模态消融的模型。

它们的共同点也是新的：六款全部倒在 一票否决天梯榜 的 G2 或 G3——观澜死在权重自持（行业授权），百灵、言犀、伏羲、从容死在能力地板（agent 低于 84），紫东太初死在商用许可（研究许可）。冷门模型不仅难被横评看到，也难被采购流程接纳——这两件事往往是同一个原因。

不可替代性矩阵：十五款冷门模型，十五个“没有第二名”

把 15 款冷门模型压成一张矩阵。最后一列是这篇文章的真正论点：如果它消失，哪个场景没有备胎。

模型	总榜	证据	独家场景	采购入口	消失后的影响
商汤 SenseNova 6.5 Pro	#8	A	工业质检、中医舌象	闭源商用 + 行业方案	垂类视觉少一个 A 级选项，只剩厂商自证
阶跃 Step-3	#17	B	四模态接口最全的中价位	闭源商用 API	中价位模态组合出现空档
脑虎 NeuroXess-N1	#30	C	神经信号解码	项目制授权	全网唯一选项消失，场景整体归零
书生 InternVL 4.0	#16	A	开源感知 96	MIT 权重 + 官方 API	开源阵营感知天花板掉 6 分
快手 Keye-VL-2.0	#14	A	视频 94 / ¥2	开源（社区许可）	视频性价比锚点消失
美团 LongCat-Next	#9	A	生成 92 + 研究许可	开源（研究许可）	开源生成参考系消失
智元 WITA-Omni	#23	A	N4 原生 + 具身	闭源备案	原生度光谱少最高一档
华为盘古 5.5	#21	B	行业交付（台风、井下）	行业授权	两个行业场景无替代，回到项目定制
面壁 MiniCPM-V 4.5	#26	A	端侧 ¥0.45	Apache-2.0（需登记）	端侧价格锚点消失，账单翻倍
海康观澜 3	#27	C	监控视频（夜视/周界/跨镜）	行业授权	安防视频理解整体归零，回到传统 CV
云从从容 2	#32	B	识别（人像/证照）感知 91	闭源商用	中价位识别少一个稳定选项
紫东太初 2.0	#25	B	学院派全模态消融	研究许可	全模态对齐的公开参考系消失
蚂蚁百灵 Ling 2	#22	B	金融票据 / 中文 92	闭源商用	金融场景中文选项少一档
京东言犀 2	#28	B	商品图 / SKU 语料	闭源商用	电商场景回到人工标注
网易伏羲 2	#29	B	游戏 / 内容生成 82	闭源商用	内容向生成少一个低价选项

十五个条目，十五个不同的“没有第二名”。这就是冷门模型的全部生存逻辑：它们不靠强，靠不可替代。

怎么用这份矩阵

三条操作建议，对应三种读者：

给选型者：候选名单里永远给冷门模型留一格。做法是把场景按“独家场景”列过一遍——你的业务只要碰到矩阵里的任何一格，对应模型就该进 POC，不管它总榜第几。横评的热门位是营销函数，矩阵的独家场景列是能力函数，两个函数只在通用战场重合。

给榜单作者：取样偏差是被系统性低估的问题。测十款门面得到的“国产多模态全景图”，本质上是一张营销预算分布图。本站的做法是把参评范围扩展到“通用旗舰 + 专精 + 冷门 + 开源”四类，代价是维护成本（15 款冷门模型的档案更新频率远低于旗舰），收益是覆盖——对那 1% 需要冷门场景的读者，这些页面是全网唯一答案，而唯一答案是不怕比较的。

给被忽略的厂商：不在横评里不一定是损失。商汤的舌象第一、脑虎的神经信号唯一、面壁的端侧价格锚点——这些位置竞争者进不来，因为横评的取样框进不来。真正的风险是连“独家场景”都被通用能力覆盖的那一天（阶跃 Step-3 就站在这条线上），所以冷门模型的护城河不是分数，是场景里积累的数据与交付记录。

边界与口径

矩阵中的“独家场景”列是本站基于各模型档案的人工判定，判定标准是“该场景下是否存在另一款能力可比的参评模型”，不是市场调研。证据等级口径见 方法论页面；15 款冷门模型的逐款评分、基准与来源见各自档案页。矩阵会随版本更新——如果哪天某款冷门模型的独家场景被覆盖，我们会把它移出矩阵并在 更新日志 里写明原因。