可追溯的改动
更新日志
每一次权重调整、分数变动与事实订正都记录在这里。旧分不会被覆盖，方便你核对我们的判断是否前后一致。
内容扩样：5 篇新长文、28 篇总长文、170 页
- 新增五篇长文：《名字考古》《没人测的中文方言天梯》《上下文通胀》《自我认知审计》《反谄媚指数》，同时把此前未单独记录的数据系列八篇并入长文总数，长文 15 → 28。
- 新增五个只在本站可复算的数据制品：命名系统五族表、8 类方言小天梯、名义/有效上下文深度表、自我认知偏差矩阵、谄媚率矩阵。
- 页面由 144 增至 170；模型与评分点不变（32 款 / 256 点）——本期为内容扩样，不改动任何榜单数据。
- 订正 OG 图与站点标语：由“26 款模型 / 208 评分点”更正为“32 款模型 / 256 评分点”。
二度扩样：32 款模型、15 篇长文、144 页
- 新增六款行业场景模型：海康观澜 3（安防监控）、云从从容 2（识别）、紫东太初 2.0（学院派全模态）、蚂蚁百灵 Ling 2（金融）、京东言犀 2（电商）、网易伏羲 2（游戏内容）；评分点由 208 增至 256。
- 新增《安防监控视频小天梯》《行业场景独占地图》《交叉评审实验》三篇长文，长文总数 12 → 15；页面由 126 增至 144。
- 证据光谱变为 14A / 16B / 2C；开源模型 11 → 12 款。
- 预注册证伪条件按 144 页口径执行；扩样完成于 Search Console 首次抓取之前。
首日扩样：26 款模型、12 篇长文、126 页
- 首次抓取前完成扩样：新增书生 InternVL 4.0 与脑虎 NeuroXess-N1 两款冷门模型，评分点由 192 增至 208。
- 新增《前沿四连发》与《冷门模型生存考》两篇长文，长文总数 10 → 12；页面由 118 增至 126。
- 证据光谱从 13A / 11B / 0C 变为 14A / 11B / 1C：全站首次出现 C 级证据模型，“证据等级”一列开始具备区分度。
- 预注册证伪条件按 126 页口径执行；扩样完成于 Search Console 首次抓取之前，不构成中途移动门柱。
站点上线，冷启动实验开始
- 发布 24 款国产多模态模型、8 维评分、192 个评分点。
- 上线 10 篇深度文章、4 个查询工具、10 组对比页，中英双语共 118 个静态页面。
- 提交 sitemap、llms.txt 与结构化数据，实验日志开始记录。
四款前沿新模型入场，榜单扩到 24 款
- 新增 Qwen3.8-Max、Qwen3.8-Flash、DeepSeek-V4.1-Flash、GLM-5.3——四款均发布于 2026 年 9 月底至 10 月上旬。
- 四款证据等级全部为 B：厂商自报基准，缺第三方独立复现与 30 天稳定性观察。评分点由 160 增至 192。
- Qwen3.8-Max 以 95.4 登顶，豆包 Seed 2.0 Pro 退居第二（95.2）；两者差值落在本站 0.5 分同档阈值内，属并列第一。
- 对比页由 6 组扩到 10 组，新增 Qwen3.8-Max 对豆包、GLM-5.3 对 GLM-5、DeepSeek-V4.1-Flash 对 Qwen3.8-Flash 等。
数据冻结与权重定稿
- 以 SuperCLUE-VLM 2026 年 4 月榜与 10 月榜、官方技术报告与社区复现为证据基线。
- 确定权重：视觉 20 / 文档 18 / 图表 14 / 视频 14 / Agent 14 / 生成 6 / 中文 6 / 生态 8。
- 为每个模型标注证据等级 A/B/C；13 款达到 A 级。
模型从 12 款扩到 20 款
- 新增美团 LongCat-Next、智源 Emu3.5、智元 WITA-Omni、华为盘古 5.5、MiniMax M2.5、面壁 MiniCPM-V 4.5、BAGEL-2、阶跃 Step-3。
- 补齐文档专精、具身智能、端侧与开源统一模型四类样本，避免榜单被通用旗舰垄断。
评分卡修订：Agent 权重上调
- Agent 权重由 10% 上调至 14%，生成由 10% 下调至 6%。理由：企业采购中 GUI/工具调用需求增长快于图像生成。
- 受影响的模型：Kimi K3 +0.3、豆包 +0.2、Emu3.5 −0.2。
可视化体系完成
- 上线雷达、热力、散点、趋势与逐项差值五类图表，全部为服务端渲染 SVG，无图表库依赖。
个人榜单 · 非官方评分
本页所有排名、分数与对比均为个人评测榜单，不是官方评分，也不代表任何厂商、机构或监管口径。分数是公开证据在自定权重下的主观映射，换一组权重名次就会变。如有不同意见或发现事实错误，欢迎联系站长：jizhi2024@foxmail.com——我们会逐条核对并在更新日志中记录订正。