先记住这三点
- “已抓取未索引”的真正原因通常不是 AI 生成，而是内容可替代——同样的排名、同样的分数、同样的结论，网上已经有十份。
- 本站的对策是让每一页都携带一个别处不存在的产物：排名方差表、背离指数、否决门槛计数、时序容错曲线、代际追分表。这些不是文字，是数据。
- 收录与排名是两件事。D0 之后先看 indexed，再看 position；把两者混在一起会导致错误的迭代方向。
这是一份预注册实验，不是一篇复盘
大多数“我是怎么做 SEO 的”文章都有一个致命问题：它们是在知道结果之后写的。 作者挑出有效的动作，忽略无效的动作，把运气讲成方法论。这类文章无法被证伪，因此也无法被学习。
我们换一种写法。这篇文章发布于 2026 中国国产原生多模态大模型对比排名天梯榜 正式上线的当天，写的是预期和证伪条件，不是成绩。所有可观测结果会按周追加到 更新日志，包括打脸的部分。
实验对象就是这个站：160 个静态页面、零外链预算、零社区投放、零付费推广。
要验证的那个判断
Google 判定“值得索引”的标准是内容是否具备独特价值，不是是否由人写的。
这句话的两半都很重要，但第二半更常被忽略：
- AI 写的内容照样可以被索引，前提是它提供了别人没有的东西。
- 人写的流水账照样会被扔进“已抓取 – 目前未编入索引”，因为它没有提供别人没有的东西。
搜索引擎面对的不是“人 vs AI”的问题，是可替代性问题。如果一篇关于国产多模态模型的文章，把作者名字遮住、把站点名字遮住之后，读者无法分辨它和另外五十篇有什么区别，那它对索引系统来说就是重复内容——不管它是谁写的、写了多少字、配了几张图。
“已抓取 – 目前未编入索引”这条 Search Console 状态的真实含义不是“质量不够好”，而是**“我们已经有一份差不多的了”**。
所以这个实验的核心假设是：
在零外链、零投放的条件下，页面的可替代性是唯一决定索引率与排名的变量。
如果这个假设成立，那么所有精力都应该投在“让页面不可被替代”上，而不是投在外链、发布频率、社交媒体分发上。
站点结构：160 页是怎么分布的
每种语言 80 页，中英双语共 160 页：
| 类别 | 每语言页数 | 说明 |
|---|---|---|
| 首页 | 1 | 关键词主承载页 |
| 天梯榜 | 1 | 32 款模型完整排名，可按 8 维度重排 |
| 模型索引 | 1 | 全部模型档案入口 |
| 模型档案 | 32 | 每款模型一页，含评分、基准、场景、来源 |
| 对比索引 | 1 | 全部对比对入口 |
| 对比页 | 10 | 两两深度对比 |
| 文章索引 | 1 | — |
| 长文 | 23 | 本文是其中之一 |
| 工具索引 | 1 | — |
| 交互工具 | 4 | 选型器、成本计算器、上下文对比、对比实验室 |
| 信息页 | 5 | 方法论、实验、常见问题、更新日志、关于 |
| 合计 | 80 | × 2 语言 = 160 |
这个结构里的关键比例是 42 : 28——42 个数据页（模型档案 + 对比页）对 28 个内容页（文章 + 信息页）。数据页多，是刻意的：数据页天然不可被替代，因为它是从原始评分算出来的；内容页需要额外工作才能不可被替代。
反可替代性的具体做法：每页一个数据制品
我们给 23 篇长文各绑定了一个只能在本站复算出来的数据制品（data artefact）。判定标准很硬：如果这个制品能被别处的公开数据直接推出，它就不算制品。
| # | 文章 | 绑定的数据制品 | 为什么别处推不出来 |
|---|---|---|---|
| 1 | 原生多模态到底指什么 | N0–N4 原生度分级 + 影子天梯榜 | 分级标准是本站定义的；反事实重排依赖本站 32 款评分 |
| 2 | 天梯榜方法论 | 2000 次权重扰动的排名方差 | 需要完整 8 维原始分 + 固定随机种子，别家只公布综合分 |
| 3 | 基准陷阱 | 排名背离指数（内部落差 + 外部跨版本 + 缺席） | 内部落差要 8 维全分；缺席分析要覆盖社区热度与横评名单两侧 |
| 4 | 中文 OCR 实战手册 | 8 类冷门中文文档小天梯榜 + 神经信号类 | 8 个类目是本站自定义的，公开基准不覆盖 |
| 5 | 长视频理解 | 时序容错曲线 / TTA | TTA 是本站构造的指标，无公开对应物 |
| 6 | GUI Agent 评测 | 失败恢复率 + 坐标误差 P50/P95 | 公开基准只报成功率，不报恢复 |
| 7 | 每千张图成本 | 2D 与 9D 严格帕累托前沿 | 9D 支配需要 8 维全分 + 单价，全网无第二份 |
| 8 | 企业选型手册 | 五道门一票否决天梯榜 + 敏感性分析 | 门的定义与顺序是本站构造 |
| 9 | 前沿四连发 | 同窗口对位表 + 代际追分表 | 追分表要从同门前代的逐维度分差算出，依赖本站历史评分 |
| 10 | 冷门模型生存考 | 冷门模型不可替代性矩阵 | 矩阵的“独家场景”列来自本站逐款档案的人工判定 |
| 11 | 本文 | 160 页的可替代性审计 + 预注册证伪条件 | 自指，且随时间更新 |
| 12 | 安防监控视频小天梯 | 8 类安防场景小天梯榜 + 监控视频衰减曲线 | 安防类目是本站自定义的，监控数据无法进公开基准 |
| 13 | 行业场景独占地图 | 15 个行业场景的独占模型映射 | 场景清单与映射关系是本站构造 |
| 14 | 交叉评审实验 | 评委偏差矩阵（自偏好 + 家族偏差） | 交叉评审数据只能在本站复现 |
| 15 | 哥飞式方法论审计 | 5 条假设的可复现性拆分 | 复现链条是本站自建 |
这张表也是本文的答案：“内容独特价值”不是一句口号，它是一个可以逐页检查的工程约束。 每写一页之前先问一句——这一页有没有一个别处推不出来的东西？如果没有，这一页不该写。
三个复算入口保证制品不是死的：
关键词策略：主词一个，长尾一片
主关键词只有一个，全站围绕它组织：2026 中国国产原生多模态大模型对比排名天梯榜。
它出现在首页标题、天梯榜页 H1、每篇文章的正文里，出现在 23 篇长文中的 23 篇。这不是关键词堆砌——它是一个真实的、当前无人占据的查询意图：中文用户想找国产多模态模型的排名，现有内容要么是单模型评测，要么是英文榜单的翻译，要么是不含 2026 年新模型的过期榜单。
长尾词按“问题类型”而不是“词根”来铺：
| 长尾意图 | 承载页 |
|---|---|
| X 和 Y 哪个好 | 10 个对比页 |
| 国产多模态模型多少钱 | 成本计算器 + 每千张图成本 |
| 支持私有化部署的国产模型 | 企业选型手册 |
| 中文 OCR 哪个模型准 | DeepSeek-OCR 2 档案 + 中文 OCR 实战手册 |
| 长视频理解能力对比 | 长视频理解 + 上下文对比工具 |
| GUI agent 手机自动化 | GUI Agent 评测 |
| 昇腾 国产芯片 大模型 | GLM-5.3 档案 + 企业选型手册 G4 |
| 榜单是怎么算出来的 | 方法论 + 天梯榜方法论 |
| 前沿模型发布对比 | 前沿四连发 |
| 冷门 / 开源多模态模型 | 冷门模型生存考 + InternVL 4.0 档案 |
| 安防监控多模态模型 | 安防监控视频小天梯 + 观澜档案 |
| 行业场景大模型（金融 / 电商 / 游戏） | 行业场景独占地图 |
其中“支持私有化部署”、“昇腾 大模型”、“每千张图成本”这三条，在我们的调研里没有一篇中文内容给出可核查的答案。这是本站最可能拿到流量的三个入口，也是最不可能被大站覆盖的三个——因为它们的数据太碎，维护成本高于收益，只有专做这件事的小站会做。
本期新增的两条长尾（“前沿模型发布对比”“冷门/开源多模态模型”）竞争更接近零：前者有时效但无沉淀，后者有沉淀但无流量。我们赌的是前者带来的收录速度能覆盖后者的长尾渗透。
为什么两次扩样：从 24 款到 32 款
扩样本身是一次反可替代性操作，值得写进实验日志。
第一次扩样新增的两款——书生 InternVL 4.0 与脑虎 NeuroXess-N1——都不改善排名，只改善证据光谱：全站的证据等级从“13 A / 11 B / 0 C”变成“14 A / 16 B / 2 C”。一个全 A/B 的榜单，“证据等级”这一列是没有区分度的装饰；有了第一款 C，这一列第一次有了信息量。
同时，InternVL 4.0 带来了“缺席背离”这个新分析对象（开源社区热度与横评存在的倒挂），脑虎带来了全站两款 C 级证据之一与唯一的非标准模态。扩样让三个原本只能空谈的概念（证据折扣、榜单缺席、模态覆盖）变成了可计算的列。 这是 24 款做不到的。
代价也如实记录：32 款让扰动实验的“从未移动”模型从 3 款掉到 1 款，Keye-VL-2.0 和 BAGEL-2 的名次区间都被拉宽。榜单的误差棒变大了——这是扩样的真实代价，我们接受，因为误差棒变大比样本有偏更诚实。
第二次扩样（26 → 32）的理由不同：前八款冷门模型证明“覆盖”能变成流量入口，但这八款全部集中在“技术形态”维度（开源、专精、具身、端侧、学院派）。缺的是另一半——行业场景维度。金融、电商、游戏、安防四个场景各贡献一款，加上两款安防/识别硬件厂商模型之后，站点第一次有了“场景独占”这个分析对象：15 个行业场景各只有一两款能打，而这张映射表在全网不存在。代价同样记录：第二次扩样把“从未移动”的稳健模型从 1 款保持到 1 款（Qwen3.5-397B 三次扩样都没动），但把第 27–32 名的扰动区间全部打通——倒数六款的名次差基本是权重噪声。
两个证伪条件
预注册实验必须有明确的失败判据，否则就是自说自话。我们设两条：
证伪条件一：可替代性无效。 上线 90 天后（2027-01-16 前），如果 160 页中被 Google 编入索引的比例低于 40%，且未索引页的 Search Console 状态集中在“已抓取 – 目前未编入索引”，则本实验的核心假设被证伪——说明在零外链条件下，内容独特价值不足以驱动索引，域名权重与外链仍是必要条件。 → 届时结论应改为：冷启动阶段必须先解决外链与域名信任，再谈内容差异化。
证伪条件二：制品密度无效。 如果索引率高于 40%，但 23 篇长文的自然搜索点击全部低于同期 42 个数据页的平均值，则“每页一个数据制品”这个做法被证伪——说明制品对排名有帮助但对点击无帮助，长文的正确写法是另一种。 → 届时结论应改为：长文应服务于数据页的内链与语义覆盖，而不是自己争取排名。
两条都不是“如果我们没成功就说明环境不好”式的退路。它们各自指向一个具体的、相反的结论。
我们主动承认的三个弱点
写预注册实验，如果不写自己可能错在哪，就没有诚意。
一、样本量 n=1。 一个站、一次上线、一个时间点。即使 90 天后索引率是 85%，也无法区分这是“独特价值有效”还是“2026 年 10 月的算法恰好友好”。我们能做的是把过程数据全部公开（页面清单、每页制品、时间线），让别人能在自己的站上复现。
二、“独特价值”是自我判定。 上面那张 12 行制品表是我们自己填的，我们自己认为别处推不出来。这个判断可能错——也许某个我们没见过的站已经做了 N0–N4 分级。缓解办法是把判定标准写死（能否从公开数据直接推出），并在 更新日志 里记录任何发现的反例。
三、AI 参与写作这件事本身可能被误读。 本站内容由 AI 协助生成，这是公开的、写在 关于页面 的。按本文开头的判断，这不构成索引障碍——构成障碍的是可替代性，不是作者身份。但如果 90 天后索引率很低，反对者会说“看吧，AI 内容就是不行”，而我们会无法区分是 AI 的问题还是制品不够独特的问题。这个混淆变量我们无法消除，只能承认。
时间线
| 日期 | 事件 |
|---|---|
| 2026-10-18 | 160 页全量上线，本文发布，预注册生效 |
| 2026-10-25 | 第一次 Search Console 覆盖率抓取，记入更新日志 |
| 2026-11-18 | 30 天节点：索引率、点击、展现首次公布 |
| 2026-12-18 | 60 天节点：对比 42 数据页 vs 20 内容页的点击差 |
| 2027-01-16 | 90 天节点：两条证伪条件判定 |
节点结果——包括否证本文的结果——会原样写进 更新日志。
如果你要复现这个实验
需要三样东西，缺一不可：
- 一份可复算的原始数据。 本站是 32 款模型 × 8 个维度 = 256 个评分点，全部公开在 模型档案 里。没有原始数据，就没有制品，页面必然可替代。
- 一个“别处推不出来”的判定纪律。 每写一页前问一次。答不上来就不写。这会让页面数量大幅减少——本站 23 篇长文是从 40 多个候选题里筛出来的。
- 一个提前写好的失败判据。 上线前写，不是上线后写。
这三样都和“文笔”、“深度”、“专业度”无关。它们是结构性的，因此可以被复制。 这也是我们认为这个实验值得做的原因：如果它成功，成功的原因是可以被别人拿走的。
评分口径与证据等级见 方法论页面；对“方法论能不能复现”这个问题本身的审计，见 哥飞式方法论可复现性审计。
关于本文的常见问题
这个实验的证伪条件是什么？
两条。第一，提交 60 天后仍有超过一半页面处于“已抓取未索引”，说明独特价值假设不成立；第二，目标词进入前 20 名后又在两周内跌出前 50，说明命中来自新奇性而非价值。任一条件触发，我们会公开写明并停止该方法。
为什么选“2026 中国国产原生多模态大模型对比排名天梯榜”这么长的词？
因为它的意图极度明确，而完全匹配的页面几乎不存在。长尾词的优势从来不是搜索量，而是“竞争页面数接近零 + 搜索者知道自己要什么”。对新域名来说，这是唯一能在没有外链的情况下拿到排名的入口。
