一票否决天梯榜：昇腾、备案与许可当硬门槛后，32 款只剩几款

天梯榜的前三名，在真实采购里一个都选不了

这是本站写得最不舒服的一篇文章。

2026 中国国产原生多模态大模型对比排名天梯榜 的前三名是 Qwen3.8-Max（95.4）、豆包 Seed 2.0 Pro（95.2）、Qwen3.5-397B（94.6）。如果你是一家需要数据不出内网、跑在国产算力上、要走招投标的企业，这三款全部出局，而且出局的原因和能力一分关系都没有。

综合分是一个加权平均，它默认所有维度都可以互相补偿。但企业采购不是加权平均，是一票否决：一个硬门槛不满足，其余七个维度满分也没用。所以我们把天梯榜拆开，改成串联的门，看每一道门刷掉谁。

五道门，一个都不能商量

门	判定条件	数据来源	性质
G1	可商用（研究许可出局）	许可证字段	客观
G2	可私有化部署 / 权重可自持	开源标记 + 许可条款	客观
G3	企业能力地板：document ≥ 90 且 chart ≥ 85 且 agent ≥ 84	本站评分	阈值是主观的，分数是公开的
G4	国产加速卡官方适配（有公开镜像或适配声明）	厂商公开资料	本站判定，可争议
G5	证据等级 A（第三方可复现）	本站证据分级	本站判定，可争议

G1、G2 是硬事实，写在许可证里。G3 的分数公开、阈值是我们定的，你可以改。G4、G5 是本站判断，我们把标准摊开，你可以不同意。

这五道门是有顺序的，而且顺序本身会产生不同的结论。 我们最后会做敏感性分析。

G1 可商用：32 → 28

研究许可不等于商用许可，这是最容易被忽略的一道门。出局四款：

出局	综合分	总榜	许可
LongCat-Next	89.2	#9	开源（研究许可）
紫东太初 2.0	80.1	#25	开放权重（研究许可）
Emu3.5	80.5	#24	开源（研究许可）
BAGEL-2	76.9	#31	开源（研究许可）

LongCat-Next 是这道门上最疼的一个：总榜第 9，89.2 分，¥2.5 的输出单价，在 帕累托前沿 上是第三个点，生成能力 92 分全站第二。它的研究许可意味着你连内部生产环境都不能部署，不是“要谈授权”，是条款直接排除。很多团队在 POC 阶段用它跑通了，到采购阶段才发现不能用——这是 2026 年国产开源模型最常见的一次返工。

紫东太初 2.0 是本期新增的死者，死因相同：学院派模型按研究许可开放权重，论文可以引，生产环境不能上。它与 Emu3.5、BAGEL-2 的影响都有限——三款都是生成向或研究向模型，在企业流程里本来就很少作为主力。

G2 可私有化：28 → 11，总榜前三全灭

这道门刷掉 17 款，包括能力榜上最强的那几款：

出局	综合分	总榜	为什么出局
Qwen3.8-Max	95.4	#1	闭源商用 API，旗舰不提供权重
豆包 Seed 2.0 Pro	95.2	#2	闭源商用 API
Qwen3.5-397B	94.6	#3	部分尺寸开源，旗舰 397B 闭源
MiMo-V2.5	90.1	#7	闭源 API + 部分开源
SenseNova 6.5 Pro	89.9	#8	闭源商用
ERNIE 5.1	88.1	#11	闭源商用
Hunyuan-Vision	85.2	#15	闭源商用
Step-3	84.7	#17	闭源商用
讯飞星火 X2	84.5	#18	闭源商用
MiniMax M2.5	83.8	#19	闭源商用
WITA-Omni	80.6	#23	闭源，备案商用，预览版
脑虎 NeuroXess-N1	77.2	#30	闭源 · 项目制授权，厂商部署，权重不出甲方
海康观澜 3	78.2	#27	闭源 · 行业授权，随硬件交付，客户拿不到权重
云从从容 2	76.1	#32	闭源商用，无私有化授权条款
蚂蚁百灵 Ling 2	80.8	#22	闭源商用，无私有化授权条款
京东言犀 2	78.0	#28	闭源商用，无私有化授权条款
网易伏羲 2	77.5	#29	闭源商用，无私有化授权条款

2026 中国国产原生多模态大模型对比排名天梯榜 的前三名，在这道门上全部出局。 能力最高的三款，恰好都是纯云 API。

这不是巧合，是结构性的：能力前沿和可私有化前沿在 2026 年是反向相关的。 训练一个 95 分的原生多模态旗舰需要万亿级参数和最新一代算力，厂商没有动力把它开放出来；愿意开放权重的，要么是中小尺寸，要么是分代的旧旗舰。

Qwen3.5-397B 那一行值得单独说：它的许可写的是“部分尺寸开源（Apache-2.0），旗舰闭源”。这在选型里是个陷阱——你在 Hugging Face 上能下到 Qwen3.5 系列，但下不到榜单上排第 3 的那一个。 同代不同尺寸的能力差在本站评分里能到 7 分以上。

两款“部署在内网”的模型死法相同：脑虎是项目制授权——模型跑在甲方的机房里，权重和法律上的控制权都不在甲方手里；观澜是行业授权——随硬件与方案交付，客户同样拿不到权重。招投标语境下这都不过 G2：你要的不是“数据不出内网”，是“资产可自持”，前者是合规姿态，后者才是采购标的。本期新增的四款闭源商用模型（百灵、言犀、伏羲、从容）则死在更简单的原因上：条款里就没有私有化授权这一项——行业模型的采购入口是方案，不是权重。

剩下 11 款：

排名	模型	综合分	梯队	证据	可自持方式
#4	GLM-5.3	92.4	S	B	闭源商用 + 私有化授权（含昇腾镜像）
#5	Kimi K3	92.3	S	A	开放权重（社区许可）
#6	GLM-5	92.0	S	A	闭源商用 + 私有化授权
#10	Qwen3-Omni-30B	88.9	A	A	Apache-2.0
#12	DeepSeek-V4.1-Flash	87.9	A-	B	开放权重（MIT）
#13	Qwen3.8-Flash	87.5	A-	B	开放权重（Apache-2.0）
#14	Keye-VL-2.0	86.0	A-	A	开源（社区许可）
#16	书生 InternVL 4.0	85.0	A	A	开放权重（MIT）
#20	DeepSeek-OCR 2	81.9	B+	A	开源（MIT 系）
#21	华为盘古 5.5	81.6	B+	B	闭源，行业授权
#24	MiniCPM-V 4.5	79.6	B	A	Apache-2.0（商用需登记）

注意这张表里的梯队断层：从 #6 的 92.0 直接跳到 #10 的 88.9，中间空了 3.1 分。也就是说，一旦你要求可私有化，你的能力上限就被锁死在 92.4，比不设门槛时的 95.4 低 3 分。这 3 分是私有化的真实价格，跟钱无关。

G3 能力地板：11 → 6，六名新死者

企业多模态的主战场是三件事：读文档、读图表、调工具。我们把地板设在 document ≥ 90、chart ≥ 85、agent ≥ 84。

出局	document	chart	agent	卡在哪
DeepSeek-OCR 2	99	88	72	agent
Keye-VL-2.0	86	85	83	document、agent
华为盘古 5.5	87	84	74	三项全卡
MiniCPM-V 4.5	86	80	72	三项全卡
书生 InternVL 4.0	93	90	78	agent
蚂蚁百灵 Ling 2	88	82	80	document、chart、agent 三项都差一点
京东言犀 2	86	78	78	三项全卡
网易伏羲 2	70	68	75	三项全卡
云从从容 2	78	72	70	三项全卡

DeepSeek-OCR 2 是这道门上最令人意外的一次出局。 它的 document 是 99 分，整张天梯榜 32 款里的第一名，比 Qwen3.8-Max 和 Qwen3.5-397B 都高 2 分，价格只要 ¥0.8/千张。在任何“文档智能”榜单上它都是冠军。

但它的 agent 是 72 分，32 款里排第 23。它是一个纯粹的信息抽取引擎，不是一个能参与业务流程的模型。 你把它接进 OCR 流水线，它是最好的选择；你把它当成企业知识库的问答大脑，它会在需要多步工具调用的地方卡死。

这就是加权平均会骗你的地方：在综合分里，document 的 99 分（权重 18%）把 agent 的 72 分（权重 14%）大部分补偿掉了，于是它排在第 20，看起来“还行”。而在企业场景里，这两件事根本不能互相补偿。

本期新增的四款行业模型全部倒在 G3，而且形状各不相同。 百灵的 document 88、chart 82、agent 80——三项都只差一两分，是“最可惜”的死者；言犀三项全卡；伏羲的 document 70 说明它根本不是为企业流程设计的；从容则三项全卡且分数最低。它们的共同点：场景语料再深，也换不来流程能力——企业流程考的是“读文档、读图表、调工具”三件通用的事，场景专精在这三件事上不加分。

InternVL 4.0 的死因和 DeepSeek-OCR 2 相同但形状不同：document 93、chart 90 都过线，agent 78 差 6 分。它是一款优秀的感知组件——perception 96、MIT 许可、A 级证据——但企业流程要的不是组件，是能走完三步的参与者。开源模型在“单点能力”上已经追上来了，在“流程能力”上还差一代，这是 G3 这道墙最稳定的形状。

华为盘古 5.5 三项全卡，这是它综合分第 21 的直接原因。它的价值在 行业交付案例，不在通用能力地板。

剩 6 款：GLM-5.3、Kimi K3、GLM-5、Qwen3-Omni-30B、DeepSeek-V4.1-Flash、Qwen3.8-Flash。

G4 国产加速卡：6 → 2，四款开放权重全部倒在“没有官方镜像”

判定标准：厂商是否提供国产加速卡（昇腾 / 寒武纪 / 海光）的官方推理镜像或公开适配声明。

出局	为什么
Kimi K3	开放权重（社区许可），无官方国产卡镜像
Qwen3-Omni-30B	Apache-2.0，无官方国产卡镜像
DeepSeek-V4.1-Flash	开放权重（MIT），无官方国产卡镜像
Qwen3.8-Flash	Apache-2.0，无官方国产卡镜像

这道门是本站最有争议的一道，我们把争议讲清楚。

四款出局的模型全部是开放权重。技术上，你的团队完全可以自己把它们移植到昇腾上——MIT 和 Apache-2.0 没有任何法律障碍。所以这道门卡的不是“能不能”，是“谁承担移植成本和适配责任”。

在招投标语境里，这两件事完全不同：采购方要的是厂商出具的适配声明和售后责任，不是“理论上可以移植”。 一个自己移植的模型跑在国产卡上，出了问题没有厂商兜底，审计时也没有可引用的官方文件。所以从采购合规的角度，这道门是实的；从技术可行性角度，它是虚的。

如果你的组织有强推理团队、且合规上接受自担适配责任，跳过 G4，你的候选是 6 款而不是 2 款，其中 Qwen3.8-Flash 和 DeepSeek-V4.1-Flash 的价格优势（¥1.2 / ¥0.6）会让整体 TCO 低一个数量级。这是一个真实的、值得做的权衡，不是妥协。

通过 G4 的两款：

模型	综合分	证据	适配情况
GLM-5.3	92.4	B	许可证条款明示“含昇腾镜像”，全栈在昇腾上训练
GLM-5	92.0	A	智谱公开昇腾适配声明，已有多个政企交付

G5 证据等级：2 → 1，被否掉的恰好是分数更高的那个

最后一道门：证据等级 A，即本站的评分有第三方独立复现支撑。

• GLM-5：证据 A。 通过。
• GLM-5.3：证据 B。 出局。发布日 2026-10-02，到本文写作时不足三周，SuperCLUE-VLM 2026-10 的 89.4 分是官方口径，SWE-Bench Pro 73% 亦然，尚无第三方复现。

最终答案是一款总榜第 6、综合分 92.0 的模型：GLM-5。

而分数比它高 0.4、能力全面更新、同样满足前四道门的 GLM-5.3，被“确定性”这一项否掉了。

这个结果看起来荒谬，但它是本站整个评分体系的必然产物，也是我们坚持要把证据等级独立发布的原因：能力风险和确定性风险是两种不同的风险，不能用一个数字表示。

• GLM-5.3 的风险是：92.4 这个分数可能是 91，也可能是 93.5，我们不知道。
• GLM-5 的风险是：92.0 这个分数我们比较确定。

对于一家要在合同里承诺 SLA 的企业，第二种风险可定价，第一种不可。但如果你的场景是内部工具、可以容忍一次模型替换，那 GLM-5.3 的 0.4 分优势和昇腾原生镜像值这个险。

这就是为什么我们把 G5 放在最后，而不是放进综合分里。

敏感性分析：改一个阈值，结论会变吗

会。这是必须说的。

变动	最终候选	变化
基线（五道门全开）	GLM-5	1 款
去掉 G5（不要求证据 A）	GLM-5.3、GLM-5	2 款
去掉 G4（自担国产卡适配）	+ Kimi K3、Qwen3-Omni-30B、DeepSeek-V4.1-Flash、Qwen3.8-Flash	6 款
G3 的 agent 门槛降到 78	+ 书生 InternVL 4.0（agent 78 压线过）	7 款
去掉 G2（接受纯云 API）	+ Qwen3.8-Max、豆包、Qwen3.5-397B 等 13 款	14 款
只留 G1（只要能商用）	28 款	28 款

最敏感的门是 G2，最不敏感的门是 G3 的 document 阈值。 这个结果本身有信息量：企业选型的真正分水岭是部署形态，不是能力细节。你在 document 阈值上纠结 5 分毫无意义，在“要不要私有化”上纠结一次就决定了 17 款模型的生死。

注意 G3 的 agent 门槛降到 78 也只多放进来一款——87 到 78 之间有六款模型挤在门口（含本期新增的百灵 80、言犀 78、伏羲 75），但没有一款能同时过 document 和 chart。 能力地板是一面墙，不是一道闸：放宽一个维度很少改变通过人数，因为模型的能力剖面普遍偏斜。

如果只能记住一件事：先定 G2，再看天梯榜。 反过来做，你会花三周评测一批根本买不到的模型。

三份可直接用的候选清单

A. 强合规（金融、政务、央国企，数据不出内网 + 国产算力 + 可审计） → GLM-5（92.0 / S / 证据 A） 单一选项。 → 备选路径：等 GLM-5.3 拿到第三方复现（预计 1–2 个季度），届时能力上限从 92.0 提到 92.4。 → 不要做的事：用盘古 5.5 补位。它是全栈国产的，但 G3 三项全卡，通用能力地板不够。

B. 中合规（制造业、医疗信息化、大型民企，数据不出内网但接受自担适配） → GLM-5.3（92.4 / S） 做主力，Kimi K3（92.3 / S / 证据 A） 做对照。 → 这两款是唯一在 92 分以上且权重可自持的组合。Kimi K3 的证据等级 A 是它相对 GLM-5.3 的真实优势。 → 视频密集场景加 Qwen3-Omni-30B（video 90，Apache-2.0）。

C. 弱合规（互联网公司、内部工具、可容忍数据出域） → 直接看 天梯榜，用 Qwen3.8-Max（95.4），本文前五节对你不适用。 → 但请留意 Qwen3.8-Max 是证据 B，官方口径未经第三方复现；同价位的 豆包 Seed 2.0 Pro（95.2 / 证据 A） 只差 0.2 分，确定性更高。在企业采购里，0.2 分换 A 级证据通常是划算的。

口径声明

G4、G5 是本站判断，不是行业标准。G4 的国产卡适配信息来自厂商公开资料，采集时间 2026-10-18，可能滞后于最新的适配发布。G3 的三项阈值是我们基于企业多模态典型工作负载设定的，没有权威来源背书——我们提供的是可复算的框架，不是结论。改阈值、改门的顺序、增删门，都可以在 对比实验室 里配合本文的表格自行推演。

评分与证据等级的完整口径见 方法论页面，历次门槛调整见 更新日志。