先记住这三点
- 37 款开放权重里，只有 23 款是 Apache-2.0 或 MIT；其余 14 款需要逐条读社区或研究许可。
- 前 20 名中有 12 款开放权重：Kimi K3 95.3 第二、GLM-5.3-Flash 93.7 第六、DeepSeek-V4.1-Flash 93.4 第七、Qwen3.8-VL-Flash 93.2 第八。
- 新增 24 个条目覆盖通用、文档、Agent、端侧、具身与生成六类；生成模型的综合名次普遍靠后，是“偏科”而不是能力差。
第七期不是一次普通的补录。我们用同一张八维评分卡，把榜单从 35 款扩到 56 款：新增 24 个条目、移除 3 款，可下载权重的模型从 12 款升到 37 款，占全榜 66%。这是本站第一次出现“开放权重多于闭源 API”的榜单。
这篇文章只回答三个问题：这 37 款是谁；它们落在哪些分数段；以及“开放权重”在本站到底怎么计数。
先看总数
| 指标 | 第六期 | 第七期 |
|---|---|---|
| 模型 | 35 | 56 |
| 评分点 | 280 | 448 |
| 开放权重 | 12 | 37 |
| 证据 A / B / C | 15 / 18 / 2 | 22 / 32 / 2 |
| 长文 | 28 | 31 |
证据结构也变了：A 级从 15 款升到 22 款，B 级从 18 款升到 32 款。新增条目里既有权重卡、许可证和评测脚本都齐全的模型，也有只靠技术报告与社区复现的模型。我们没有把“有 GitHub 仓库”直接当成 A 级证据，也没有因为一款模型开源就给它加分。
37 款的许可分布
“开放权重”不等于“OSI 开源”。本站的 openSource 字段只有一个含义：权重可以公开下载。真正的使用条件写在许可证字段里。按许可证粗分，37 款是四类：
| 许可类型 | 款数 | 代表模型 |
|---|---|---|
| Apache-2.0 | 18 | Qwen3.8-VL-Flash、Qwen3.8-27B、Qwen3-Omni-30B、Intern-S2、PaddleOCR-VL 1.6、Wan2.2 |
| MIT | 5 | DeepSeek-V4.1-Flash、GLM-5.3-Flash、Ling-3.0-flash-VL、DeepSeek-OCR 2（MIT 系） |
| 社区许可 | 10 | Kimi K3、MiniMax M3、MiMo-V2.6-Pro、Step 5 Preview、GLM-Image、HunyuanImage 3.0 |
| 研究许可 | 4 | LongCat-Next、Emu3.5、BAGEL-2、紫东太初 2.0 |
真正宽松、可商用、可再分发的只有前两类，合计 23 款；剩下 14 款需要逐条读条款。注意 MiniCPM-V 4.5 虽然标注 Apache-2.0，但官方要求商用登记，我们在许可证列单独标了出来。
开放权重已经进入 S 档
前 20 名里有 12 款开放权重模型：
| 名次 | 模型 | 综合分 | 许可 |
|---|---|---|---|
| #2 | Kimi K3 | 95.3 | 社区许可 |
| #6 | GLM-5.3-Flash | 93.7 | MIT |
| #7 | DeepSeek-V4.1-Flash | 93.4 | MIT |
| #8 | Qwen3.8-VL-Flash | 93.2 | Apache-2.0 |
| #9 | Step 5 Preview | 93.0 | StepFun 社区许可 |
| #11 | MiMo-V2.6-Pro | 91.4 | 小米社区许可 |
| #12 | MiniMax M3 | 91.1 | MiniMax 社区许可 |
| #13 | Qwen3.8-27B | 90.5 | Apache-2.0 |
| #16 | Step 3.7 Flash | 89.2 | StepFun 社区许可 |
| #17 | Qwen3-Omni-30B | 88.9 | Apache-2.0 |
| #19 | DeepSeek-V4-Flash-Vision-Exp | 87.4 | MIT |
| #20 | dots3-note preview | 87.3 | Apache-2.0 |
和第六期相比，最大的变化不是“多了一款开源模型”，而是开源模型开始占据前十的多个位置：第 2、6、7、8、9 名全部是可下载权重的模型。Kimi K3 以 95.3 排在总榜第二，只落后 Qwen3.8-Max 0.1 分；GLM-5.3-Flash 以 MIT 许可排第 6。对于需要私有化、微调或成本控制的团队，这份榜单第一次可以只在前十内部完成选型。
新增的 24 个条目
| 名次 | 模型 | 分数 | 许可 | 定位 |
|---|---|---|---|---|
| #11 | MiMo-V2.6-Pro | 91.4 | 小米社区许可 | 1T-A42B 全模态、1M 上下文 |
| #12 | MiniMax M3 | 91.1 | MiniMax 社区许可 | 428B-A23B、1M 上下文、Agent 93 |
| #13 | Qwen3.8-27B | 90.5 | Apache-2.0 | 单机可部署的 27B 密集档 |
| #16 | Step 3.7 Flash | 89.2 | StepFun 社区许可 | 196B-A11B、¥2/M 输出 |
| #19 | DeepSeek-V4-Flash-Vision-Exp | 87.4 | MIT | 256K 文档视觉实验档 |
| #20 | dots3-note preview | 87.3 | Apache-2.0 | 小红书图文与语音输入 |
| #22 | Ling-3.0-flash-VL | 85.9 | MIT | 中文文档与金融语境 |
| #26 | Intern-S2-Preview-397B | 84.4 | Apache-2.0 | 科研图表与论文版面 |
| #29 | MiniCPM-V 4.7 | 81.8 | Apache-2.0 | 端侧图文助手 |
| #33 | 紫东太初 5.0-9B | 80.6 | Apache-2.0 | 政务与教育私有化基线 |
| #35 | Step3-VL-10B | 80.4 | Apache-2.0 | 单卡可跑的入门基座 |
| #38 | Qwen-UI-Agent | 79.5 | Apache-2.0 | GUI Agent 专用，Agent 98 |
| #39 | SenseNova U1.5 Lite | 78.8 | Apache-2.0 | 8B 统一理解与生成 |
| #45 | MiniCPM-o 4.5 | 76.7 | Apache-2.0 | 9B 端侧全模态 |
| #47 | InternVL-U 4B | 75.8 | Apache-2.0 | 4B 统一理解、生成与编辑 |
| #48 | HunyuanImage 3.0 | 74.3 | 腾讯混元社区许可 | 80B 图像生成 |
| #49 | PaddleOCR-VL 1.6 | 71.5 | Apache-2.0 | 0.9B 文档解析，文档 98 |
| #50 | RoboBrain 2.5 | 70.6 | Apache-2.0 | 具身智能开源大脑 |
| #51 | GLM-Image | 70.6 | 智谱社区许可 | 昇腾全栈训练的图像模型 |
| #52 | SenseNova-SI-1.3-8B | 69.8 | Apache-2.0 | 空间智能小模型 |
| #53 | MiniMax H3 | 68.1 | MiniMax 社区许可 | 全模态生成 |
| #54 | Kairos 3.0-4B | 66.3 | Apache-2.0 | 4B 世界模型 |
| #55 | Wan2.2 | 65.1 | Apache-2.0 | 视频生成基座 |
| #56 | HunyuanVideo 1.5 | 63.7 | 腾讯混元社区许可 | 8.3B 视频生成 |
排名靠后不等于模型差。Wan2.2 与 HunyuanVideo 1.5 的生成分分别是 94 和 95，但它们在文档、Agent 与中文维度上分数很低，综合分被拉到底部。这张榜奖励“没有洞”，不奖励“最长的那块板”。如果你只需要生成，应该看生成分和单位成本，而不是综合名次。
三个新信号
第一，Agent 有了新的单项第一。 Qwen-UI-Agent 以 Agent 98 超过 Kimi K3 的 96，靠的是 MobileWorld-Real 92.2 与 AndroidDaily 97.5 两组真机任务。它的综合分只有 79.5，排第 38——这是典型的专才：手机与桌面操作很强，通用理解很弱。
第二，文档赛道出现 99/98 两档。 DeepSeek-OCR 2 以 99 继续第一，PaddleOCR-VL 1.6 以 98 单独排第二，而它只有 0.9B、可在 CPU 上跑。文档批处理的成本曲线会被这两款模型重新画一遍。
第三，生成模型集体沉底。 Emu3.5 生成 98、HunyuanImage 3.0 生成 96、MiniMax H3 生成 96、HunyuanVideo 1.5 生成 95、Wan2.2 生成 94、GLM-Image 生成 94，但它们的综合名次是第 34、48、53、56、55、51。把它们放在同一张综合榜里，是为了让读者看到“偏科”的代价，而不是否认它们在各自任务上的能力。
计数规则与边界
- 37 款是“权重可下载”，不是“OSI 认证开源”。其中 23 款是 Apache-2.0 或 MIT，14 款是社区或研究许可。
- 证据等级与是否开源无关。Kimi K3 是 A 级，GLM-5.3-Flash 是 B 级；B 级不代表不可用，只代表独立复现更少。
- 综合分、权重、同档规则都没有变。变的是样本：56 款、448 个评分点。
- 依赖全样本的派生统计仍按第六期口径。相关性矩阵、PCA、价格带计数、谄媚率与方言实验均值需要按 56 款重算，排在下一轮。
怎么用这张表
要私有化，先看许可证，再看名次：Kimi K3（社区许可）、GLM-5.3-Flash / DeepSeek-V4.1-Flash（MIT）、Qwen3.8-VL-Flash / Qwen3.8-27B（Apache-2.0）分别对应三种不同的法务成本。
要文档，直接看 DeepSeek-OCR 2 与 PaddleOCR-VL 1.6，不要用综合名次做决定。
要 Agent，先确认你的场景是 GUI 操作还是通用工具调用。前者看 Qwen-UI-Agent，后者仍应看 Kimi K3、GLM-5.3-Flash 与 MiMo-V2.6-Pro。
要一个通用的开源主力，第 2、6、8、13 名是四个不同价位与部署形态的答案；第 11、12 名则适合需要长上下文与全模态输入的团队。
关于本文的常见问题
开放权重和开源是一回事吗？
不是。开放权重只说明参数可以下载；开源还要求许可证允许自由使用、修改与再分发。本站的 37 款开放权重里，只有 23 款是 Apache-2.0 或 MIT。
为什么 Wan2.2、HunyuanVideo 这些生成模型排名这么低？
综合分覆盖八个维度，生成只占 6%。这些模型生成分很高（94–95），但文档、Agent 与中文维度很弱，综合名次被拉到第 51–56。只做生成时，应看生成分与单位成本。
