先记住这三点
- 规模词族（Max/Pro，3 款）平均 ¥15.0 / 93.5 分，速度词族（Flash，2 款）平均 ¥0.9 / 87.7 分：名字预告价格的准确率约为预告能力的 17 倍。
- 模态词既不必要也不充分：13 款模态 ≥4 的模型里只有 2 款名字带 Omni；名字里写着 VL/Vision 的两款模态数只有 3，比什么都没写的 Kimi K3 更窄。
- 家族前缀预告生态、后缀预告价格：四款 Qwen 横跨 ¥1.2–18、生态分全在 90–98；32 款里只有 2 款把参数规格写进名字。
名字是模型的第一份规格书，而且是唯一一份不需要第三方复现、不需要证据等级、所有人在发布会之前就能读到的规格书。
32 款国产多模态模型用了 32 个名字。名字里塞进了品牌（Qwen、GLM、ERNIE）、代际（3.5、5.3、V4.1）、规模（Max、Pro）、速度（Flash）、模态（Omni、VL、Vision）和纯代号（K3、N1、X2、Seed）。这篇文章把 32 个名字拆成 token，只回答一个问题：名字里的每个词，到底预告了什么——能力，还是价格。
结论不复杂：名字预告价格的准确率远高于预告能力；而名字里最响亮的词（Max、Pro、Omni）恰恰最不承诺能力方向。 这是一篇没有人写过的角度，因为它需要的不是评测，而是一次语言学式的清点。
五种命名策略，一张对照表
按名字里最显著的那个词把 32 款分成五族（每款只算一次，优先级：规模词 > 速度词 > 模态词 > 代际词 > 无词）：
| 命名族 | 代表词 | 款数 | 平均综合分 | 平均输出价 | 平均模态数 |
|---|---|---|---|---|---|
| 规模词 | Max / Pro | 3 | 93.5 | ¥15.0 | 4.0 |
| 速度词 | Flash | 2 | 87.7 | ¥0.9 | 3.5 |
| 模态词 | Omni / VL / Vision | 5 | 84.1 | ¥3.8 | 3.6 |
| 代际词 | Next / Preview | 1 | 89.2 | ¥2.5 | 4.0 |
| 无词 | 纯代号 | 21 | 83.6 | ¥7.7 | 3.1 |
| 全站 | — | 32 | 85.0 | — | 3.3 |
三组数字并排读，这张表自己会说话：规模词族（¥15.0）与速度词族（¥0.9）的价格相差 16.7 倍，综合分只差 5.8 分（93.5 / 87.7）。 换成分数比，名字对价格的区分度约为 17 倍，对能力的区分度约为 1.07 倍。
更值得注意的一行是模态词族：名字里带 Omni / VL / Vision 的五款，平均综合分 84.1，低于全站平均 85.0。 名字里写着“全模态”的模型，在综合榜上并不比平均更强。
发现一：规模词是价格标签，不是能力标签
“Max”“Pro”在发布会语境里意味着“最强的那个”。数据只支持一半：
- Qwen3.8-Max 95.4，总榜第 1，¥18；
- 豆包 Seed 2.0 Pro 95.2，总榜第 2，¥15；
- 商汤 SenseNova 6.5 Pro 89.9，总榜第 8，¥12。
三款里有两款在总榜前二，所以“带 Pro/Max 的更靠前”不算错。但把价格放进来，这条规律立刻变形：三款的平均价格是全站最贵的一档（¥15.0），而它们换来的平均分（93.5）只比速度词族高 5.8 分。 规模词预告的是“你要多付钱”，而不是“你要多拿分”。
反过来，速度词族的价格最低（¥0.9），综合分却是第二高（87.7）。DeepSeek-V4.1-Flash 与 Qwen3.8-Flash 证明了一件事：在 2026 年，“Flash”这个词预告的不是“更弱”，而是“更便宜”。
发现二：模态词既不必要也不充分
“Omni”是名字库里语义最强、兑现最弱的词。全站模态数 ≥4 的模型有 13 款，其中只有 2 款名字里带 Omni（Qwen3-Omni-30B、WITA-Omni）；反过来，模态数排第一的 5 模态模型（Qwen3.8-Max、WITA-Omni）里，一半的名字里根本没有模态词。
更直接的反例是 快手 Keye-VL-2.0 与 腾讯混元 Vision：名字里写着 VL、Vision，模态数都是 3——比名字里什么都不写的 Kimi K3（4 模态）、MiniMax M2.5（4 模态）更窄。
所以模态词的正确读法是：它不保证多模态，只保证这个产品线在“视觉”这件事上放进了路线图。 名字里有 VL / Vision，说明厂商愿意把视觉当卖点；不代表它的模态覆盖会宽于平均。
发现三：家族前缀预告生态，后缀预告价格
四款 Qwen 是这个规律最干净的样本：
| 名字 | 后缀 | 输出价 | 生态分 | 综合分 |
|---|---|---|---|---|
| Qwen3.8-Max | Max | ¥18 | 96 | 95.4 |
| Qwen3.5-397B-A17B | 397B | ¥12 | 98 | 94.6 |
| Qwen3-Omni-30B | Omni | ¥4 | 90 | 88.9 |
| Qwen3.8-Flash | Flash | ¥1.2 | 97 | 87.5 |
前缀同一个（Qwen），价格横跨 15 倍（¥1.2–18），生态分全部落在 90–98。前缀告诉你“这是同一套工具链”，后缀告诉你“你要付哪一档的钱”。 生态分与后缀几乎无关，与价格、定位强相关。
这条规律对选型有直接用法：当你在同一家族里挑模型，不要按“哪个名字听起来更强”排序，按后缀对价格带排序，然后在这个价格带里比能力——DeepSeek-V4.1-Flash 之所以是 2026 年 10 月的性价比锚点，正是因为它把“文档 95”放进了 Flash 后缀。
发现四：只有两款把参数写进名字
32 个名字里，把参数规格写进名字的只有 2 款：Qwen3.5-397B-A17B（397B 总参 / 17B 激活）与 Qwen3-Omni-30B（30B-A3B）。其余 30 款的名字里只有代号、代际和形容词。
这与 参数量透明度指数 是同一件事的两面：32 款里只有 5 款公开参数量，只有 2 款愿意把它印在名字上。 名字里的数字（3.5、5.3、V4.1）是版本号，不是规格；把版本号读成能力刻度，是命名考古里最常见的一种错觉。
版本号只在同一家族内部有效：Qwen3.8 > Qwen3.5（95.4 > 94.6），GLM-5.3 > GLM-5（92.4 > 92.0），两代升级都成立。但跨家族无效：智源 Emu3.5（3.5）排第 24，Kimi K3（整数 3）排第 5。版本号是家族内部的坐标系，不是全站的能力刻度。
采购读法：把名字当索引，别当证据
这篇的可用结论只有一条：名字可以用来缩小候选，不能用来排序候选。
- 用前缀筛生态：同一后缀（比如 Flash）在 Qwen 与 DeepSeek 之间，工具链、定价方式、开源许可是主要差异，能力差异是次要的。
- 用后缀筛预算带：Max/Pro 是最贵档、Flash 是低价档、Omni 是可定价区间最宽的一档（¥0.5–8.6），先定预算再看能力。
- 忽略模态词：模态覆盖请直接查模态负空间图，那里有 32 款的真实捆绑，而不是名字里的形容词。
- 别用版本号跨家族比较：跨家族比“谁是 3.5、谁是 5.3”是纯粹的伪排序。
反过来说，如果你的选型流程里出现“它的名字里有 Pro，所以它更强”这样的推理，命名考古这篇就是为那一步写的。
边界
- 命名与能力不是完全无关。 规模词族确实是全站平均分最高的一族，所以“名字完全没有信息”是错误结论；正确的说法是“名字的信息主要落在价格与定位上”。
- 分类是单标签，会损失信息。 一款模型可以同时带模态词与代际词（WITA-Omni Preview），本表按优先级只取一个；换一种优先级，族平均值会小幅移动。
- 样本是 32 款、时间是 2026-10-18。 命名策略随厂商调整路线图而变化；“Flash 变强”这类趋势本身就是这篇文章想监测的量。
- 平均分掩盖分布。 模态词族里 WITA-Omni 80.6 与 Qwen3-Omni-30B 88.9 相差 8 分，族平均 84.1 是一个被拉平的数。
复现
本表的全部输入都在站内模型数据里：名字来自 rankName，价格来自 priceOut，模态数来自 modalities 数组长度，综合分按站内权重复算。命名族的划分规则写在正文里，你可以用不同的优先级重跑。
如果这篇文章只留下一句话：名字预告的是价格，不是能力；用名字筛候选，用档案里的维度分做决定。
关于本文的常见问题
名字里带 Pro/Max 就更强吗？
平均更强，但主要是因为更贵、更晚发布：三款规模词模型平均 93.5 分，对全站 85.0——分差远小于价差。用名字给能力排序是伪排序；名字适合筛候选，不适合定结论。
为什么说版本号不能跨家族比较？
版本号是家族内部的坐标系：Qwen3.8 > Qwen3.5、GLM-5.3 > GLM-5 都成立，但 Emu3.5（3.5）排第 24，Kimi K3（整数 3）排第 5。跨家族比“谁是 3.5、谁是 5.3”是没有意义的排序。
