先记住这三点
- GLM-5.3 是纯文本模型，第六期把同系列 Flash 的多模态能力估到了它头上；移除后 Qwen3.8-Max 成为唯一第一，但前四仍在 0.5 分同档内。
- GLM-5.3-Flash 不继承旧条目：它按官方权重卡订正为 MIT 开放权重、320B-A18B、1M 上下文，93.7 分第 6。
- 同批移除 MiMo-V2.5（由 V2.6-Pro 接替）与 InternVL 4.0（无法复核，改用 Intern-S2 与 InternVL-U 4B）。
第六期把智谱 GLM-5.3 放进了多模态榜，给了 95.4 分，与 Qwen3.8-Max 并列第一。第七期，这款模型从榜单中移除。
这不是一次分数修订，也不是因为它的能力退步。我们把它放错了榜。 GLM-5.3 是纯文本模型，官方模型卡与 API 文档列出的输入模态只有文本；图像与视频输入属于同系列的 GLM-5.3-Flash。第六期在整理智谱产品线时，把“GLM-5.3 家族”的多模态能力记到了 GLM-5.3 头上，随后又用一套并不存在的视觉、视频、图表分给它算出了综合分。
错在哪里
多模态榜的入选条件很朴素：模型必须能接收至少一种非文本输入，并且我们能为它给出八个维度的分数。纯文本模型不是“弱”，而是根本没有视觉、视频、图表这些维度。给它补零会把它压到榜尾，给它估分会制造一套无法核验的读数，两种做法都不诚实。
第六期的错误是第二种：我们按 GLM-5.3-Flash 的公开信息，给 GLM-5.3 估了感知 97、文档 97、图表 96、视频 93 等分数。把这些分代回八维权重，得到 95.4——一个看起来很合理、实际上对应错对象的数字。
移除之后的榜首带
| 名次 | 模型 | 综合分 | 证据 |
|---|---|---|---|
| #1 | Qwen3.8-Max | 95.4 | B |
| #2 | Kimi K3 | 95.3 | A |
| #2 | 豆包 Seed 2.1 Pro | 95.3 | A |
| #4 | 豆包 Seed 2.0 Pro | 95.2 | A |
第六期是 Qwen3.8-Max 与 GLM-5.3 并列 95.4。移除 GLM-5.3 后，Qwen3.8-Max 成为唯一的第一名，但前四名仍然全部落在 0.5 分同档阈值内。所以正确的读法不是“Qwen 拉开了差距”，而是：榜首带的成员少了一个，带宽没有变。
Kimi K3 与豆包 Seed 2.1 Pro 同为 95.3，按原始分与证据等级排序后并列第二；豆包 Seed 2.0 Pro 95.2 第四。前四名最大差距 0.2 分，任何一家的下一次小幅更新都可能改变顺序。
GLM-5.3-Flash 不是替代品
有人会问：既然 GLM-5.3-Flash 是多模态，为什么不让它继承 GLM-5.3 的位置？
因为它们是两款不同的模型，参数、上下文、许可证与分数都不同。GLM-5.3-Flash 是 320B 总参 / 18B 激活的开放权重模型，MIT 许可、1M 上下文，综合分 93.7，排第 6；GLM-5.3 是闭源文本旗舰，400K 上下文。把前者的分数挪给后者，或者反过来，都会重复第六期的错误。
第六期还把 GLM-5.3-Flash 误标为“闭源、200K、蒸馏轻量版”。第七期按官方权重卡订正为 MIT 开放权重、320B-A18B、1M 上下文。分数 93.7 不变，但它的许可与部署含义完全变了：这是一款可以下载、可以私有化、可以微调的模型。
同一期移除的另外两款
MiMo-V2.5。 小米的上一代模型，第六期记的是闭源 API 加部分开源，综合分 90.1。第七期由 MiMo-V2.6-Pro 接替：1T-A42B、1M 上下文、开放权重，综合分 91.4，排第 11。这不是“追分”，是条目换代。
InternVL 4.0。 第六期收录的“书生 InternVL 4.0”在官方仓库、模型卡与论文中都找不到对应版本，无法复核参数、许可证与分数。我们不再沿用这个条目，改用可核验的 Intern-S2-Preview-397B（#26，84.4，Apache-2.0）与 InternVL-U 4B（#47，75.8，Apache-2.0）。前者接科研图表，后者接统一理解与生成；它们不是 InternVL 4.0 的“新版本”，而是两个能查到的真实模型。
流程上改了什么
- 模态门槛前置。 收录前先记录官方模型卡的输入模态；只有文本输入的模型不进入多模态榜，也不做“估分补位”。
- 同系列不继承。 同一厂商、同一代际的不同型号分别建档，参数、许可证、上下文、模态逐项核对，禁止把 Flash 的能力记到 Pro 头上。
- 主来源优先。 参数、许可证、上下文以官方权重卡与 API 文档为准；技术报告与社区复现只用于补充分数证据。
- 移除也记账。 条目移除、替换与订正全部写入更新日志，旧分不被悄悄覆盖。
哪些没有变
- 评分卡、八维权重、0.5 分同档规则都没有变。
- 除本期新增或替换的 24 个条目外，其余 32 款旧条目的分数没有因为这次移除而调整；名次变化来自样本与榜首带的变动。
- 第六期及更早的长文保留当时的样本口径（35 款 / 280 分），文首增加样本期说明。它们引用的 GLM-5.3 名次与分数是历史记录，不再代表当前榜单。
- 依赖全样本的派生统计仍按第六期口径，下一轮按 56 款统一复算。
这次错误值多少
它没有改变“谁是第一”的档位结论——前四名本来就在同一档；但它改变了一个具体的采购建议：如果有团队因为“GLM-5.3 多模态并列第一”而选择它做图像或视频任务，会直接选错产品。这是分类错误最实际的代价。
榜单可以有一时的判断偏差，但不能有无法追溯的分数。移除、订正、记录，比保留一个好看的数字更重要。
关于本文的常见问题
为什么不用 0 分把 GLM-5.3 留在榜上？
给它补零会把一款文本旗舰压到榜尾，读者会误以为它“多模态很差”；给它估分会制造无法核验的读数。多模态榜的正确处理是移出，而不是二选一。
这次移除改变了第一名吗？
原始分第一从“Qwen3.8-Max 与 GLM-5.3 并列”变为 Qwen3.8-Max 单独第一，但前四名差距只有 0.2 分，按本站同档规则仍属同一档。
