32 款模型只有 5 款敢写参数量：一份信息透明度黑榜，以及把“不知道”折进排名后的样子

一个没人排过的维度：你被告知了多少

天梯榜排名的是能力。但采购一个模型时，你还需要知道另一件事：厂商告诉了你多少，以及没告诉你的部分由谁承担。

这不是“透明度”这种道德词，而是可计算的采购成本。参数量决定显存与吞吐估算，上下文决定长文档能不能一次进，价格决定预算，许可证决定能不能商用，证据等级决定你要不要自己复测。任何一项缺失，成本都会从厂商转移到你身上。

我们把 32 款模型的四个字段逐条核对：参数量、上下文、价格、证据等级。结论先给：只有 5 款模型公开了参数量；24 款只给了一个形容词（“MoE”“原生”“具身”）；3 款连形容词都没给。 上下文公开率 96.9%，价格公开率 81.3%——参数量是整张表里最不透明的一列。

四个字段的公开率

字段	公开	总数	公开率	说明
参数量	5	32	15.6%	只有给到总参/激活参数才算公开
上下文	31	32	96.9%	唯一未公开的是 WITA-Omni
输出价格	26	32	81.3%	6 款为 ¥0，含义见零价模型
证据等级	32	32	100%	14 A / 16 B / 2 C，但等级由本站判定
许可证	32	32	100%	但“开源”“开放权重”“研究许可”不是一回事

“参数量公开”的口径很严：必须给出总参与激活参数，或者给出明确尺寸。只说“MoE”“万亿级”“激活约 8B”不算——它们能帮你猜，但不能帮你算显存。

按这个口径，32 款分成三档：

• 5 款给数字：Qwen3.5-397B（397B 总参 / 17B 激活）、Kimi K3（2.8T 总参）、Qwen3-Omni-30B（30B-A3B）、Keye-VL-2.0（30B-A3B）、MiniCPM-V 4.5（8B）。
• 24 款给形容词：从“未公开（MoE）”到“未公开（MoE，激活约 12B）”。后者比前者多给了一点，但仍然无法复算。
• 3 款完全沉默：SenseNova 6.5 Pro、ERNIE 5.1、Hunyuan-Vision，参数一栏只有“未公开”。

一个值得注意的巧合：5 款给数字的模型，证据等级全部是 A。 这不是“公开参数量导致 A 级”，而是反过来——愿意公开参数的团队，通常也更愿意公开技术报告、复现细节与失败案例。透明度是一种组织习惯，不是一条字段。

5 款公开参数量的模型

模型	参数量	总榜	证据	价格 / 百万输出 token
Qwen3.5-397B-A17B	397B 总参 / 17B 激活	#3	A	¥12
Kimi K3	2.8T 总参（MoE，开源）	#5	A	¥16
Qwen3-Omni-30B	30B-A3B	#10	A	¥4
Keye-VL-2.0	30B-A3B	#14	A	¥2
MiniCPM-V 4.5	8B	#26	A	¥0.5

这 5 款覆盖了从 8B 到 2.8T 的四个数量级，但名次从第 3 到第 26 都有。参数量与排名没有单调关系：Kimi 的 2.8T 没有赢过 Qwen3.5 的 397B（总参），MiniCPM 的 8B 也没有垫底。MoE 的总参与激活参数是两件事，单看总参甚至会误导。

真正有用的是“总参 + 激活 + 上下文 + 价格”四个数一起看：Qwen3-Omni 用 30B-A3B 做到 88.9 分、¥4，Kimi 用 2.8T 做到 92.3 分、¥16——前者的每分成本低一个数量级，后者的长上下文与 Agent 更强。参数量的价值不在排名，在解释价格与部署边界。

证据等级不是分数，是误差棒

本站 32 款的证据分布是 14 A、16 B、2 C。三组的平均分与平均名次：

证据	数量	平均分	平均名次	名次范围
A	14	87.4	12.6	#2–#26
B	16	83.9	18.4	#1–#32
C	2	77.7	28.5	#27、#30

A 组平均更高，但 B 组同时包含第 1 名（Qwen3.8-Max，95.4）和第 4 名（GLM-5.3，92.4）。这不是矛盾，是误差棒：B 级意味着“厂商自报基准 + 少量第三方复现”，合理不确定区间约 ±1.5 分；C 级更宽。

于是出现一个必须说清楚的事实：原始分第 1 的 Qwen3.8-Max（95.4，B）与第 2 的豆包（95.2，A）只差 0.2 分，远小于 B 级的 ±1.5 分误差。 站内把 0.5 分以内视为同一档，所以严格说这是并列第一；但如果必须选一个“更可信的第一”，豆包的证据等级更高。

这就是“把不知道折进排名”的动机：不是给 B 级模型扣“能力分”，而是给它的分数加一道“确定性折扣”。

置信调整排名：把不知道折进去

我们定义一个透明的折扣公式，纯粹用于采购排序，不改变原始分：

• 证据折扣：A = 0，B = 1.5，C = 3.5（对应站内误差棒）。
• 参数不透明：+0.5（无法估算显存/吞吐）。
• 价格不透明：+0.5（¥0 且无公开报价）。
• 上下文不透明：+1.0（只有 WITA 触发）。

调整分 = 原始分 − 证据折扣 − 不透明罚分。结果：

调整名次	模型	原始分	原始名次	折扣	调整分
1	豆包 Seed 2.0 Pro	95.2	#2	−0.5	94.7
2	Qwen3.5-397B	94.6	#3	0	94.6
3	Qwen3.8-Max	95.4	#1	−2.0	93.4
4	Kimi K3	92.3	#5	0	92.3
5	GLM-5	92.0	#6	−0.5	91.5
6	GLM-5.3	92.4	#4	−2.0	90.4
7	SenseNova 6.5 Pro	89.9	#8	−0.5	89.4
8	Qwen3-Omni-30B	88.9	#10	0	88.9
9	LongCat-Next	89.2	#9	−0.5	88.7
10	MiMo-V2.5	90.1	#7	−2.0	88.1

三处变化最值得读：

Qwen3.8-Max 从第 1 掉到第 3。 不是因为它弱，而是因为它的 95.4 建立在 B 级证据上，且参数量未公开。它的“能力上限”仍然是全场最高；但“可验证的能力下限”不如豆包与 Qwen3.5。

豆包从第 2 升到第 1。 它的原始分只低 0.2，但 A 级证据 + 公开价格 + 公开上下文，让它的分数更可依赖。这不是说豆包更强，而是说“如果你只能承担一次采购决策，豆包的分数更不容易被后续复现推翻”。

GLM-5.3 从第 4 掉到第 6。 它的 92.4 同样是 B 级 + 参数未公开；GLM-5 虽然原始分低 0.4、价格还贵 ¥1（¥10 对 ¥9），但证据 A 让它在调整后反超。在证据差距面前，1 元的价格差不是决定项。

公式是可改的。 把 B 级折扣从 1.5 降到 1.0，Qwen3.8-Max 的调整分是 93.9，仍排第 3；升到 2.5，它跌到 92.4，与 GLM-5.3 的 90.4 仍有距离，但已接近 Kimi 的 92.3。前二（豆包、Qwen3.5）在 B 折扣 1.0–2.5 的整个区间里稳定；这说明结论对参数不敏感，不是精心调出来的。

为什么参数量重要，以及它为什么不等于能力

参数量影响四件事，全都和采购成本有关：

1. 显存与吞吐：私有化部署时，总参决定最低显存；激活参数决定每 token 的计算量。只给“MoE”无法估算。
2. 微调成本：全参微调与 LoRA 的边界，取决于总参规模。
3. 延迟与并发：同样的激活参数，不同的路由策略会带来不同的尾延迟。
4. 可复现性：参数公开的模型，第三方更容易复算基准；参数不公开的模型，基准只能靠信任。

但参数量不是能力。Kimi 的 2.8T 总参没有让它赢过 Qwen3.5 的 397B；MiniCPM 的 8B 在文档上仍有 86。参数量解释的是“为什么这个价格、这个延迟、这个部署门槛”，不是“为什么这个分数”。 把参数量当排名，是另一种形式的跑分崇拜。

透明度与排名的关系：几乎为零

5 款给数字的模型，名次是 3、5、10、14、26；3 款完全沉默的模型，名次是 8、11、15。不公开参数量也能进前 15，公开参数量也可能排第 26。 透明度和能力是两条轴。

但透明度和采购风险高度相关：

• 参数不公开 → 你无法做容量规划，只能先买 API 或做黑盒压测；
• 价格不公开 → 你无法做预算，只能进项目制谈判；
• 上下文不公开 → 你无法判断长文档能否一次进；
• 证据等级低 → 你必须自己复测，复测成本可能高于模型差价。

透明度不改变模型的能力，它改变你为能力付的第二笔钱。 这笔钱不在 token 单价里，在评估、集成、合规与退出成本里。

采购问题清单

看到一份只有综合分的榜单时，补问六个问题：

1. 总参与激活参数分别是多少？ 只答“MoE”不够。
2. 上下文是原生还是外推？ 有效上下文多长？
3. 价格是标准价还是阶梯价？ 图片 token 怎么算？
4. 许可证允许商用吗？ 允许私有化吗？允许蒸馏吗？
5. 证据来自厂商自报、第三方复现，还是你自己的场景？
6. 如果明年这个版本下线，替代路径是什么？

六个问题里，前三个决定“能不能用”，后三个决定“能不能长期用”。综合分只回答“好不好用”。

边界

• 折扣公式是启发式，不是统计模型。 1.5/3.5 来自站内误差棒，0.5/1.0 是采购成本的粗略代理；你可以按自己的风险偏好改。
• 证据等级由本站判定。 A/B/C 不是厂商认证，判定依据在方法论；不同机构可能给出不同等级。
• “未公开”不必然是隐瞒。 有些团队出于安全、合规或竞争考虑不披露参数；这是合理选择，但成本仍然由采购方承担。
• 5 款公开参数量的样本太小。 不能据此说“公开参数量的模型更强”；只能说“公开参数量的模型更容易被验证”。

复现

字段核对自 src/data/models.ts 的 params、context、priceOut、evidence 四个字段；公开率按 32 款全样本计算。折扣公式、调整表与敏感性区间随站点数据发布，改一个参数即可重跑。扩样后数字随更新日志更新。

如果这篇文章只留下一句话：排名告诉你它能做什么，透明度告诉你这个说法有多可信。 只读第一层就下单，等于把第二层的成本留给自己。