# 2026 中国国产原生多模态大模型对比排名天梯榜
# CN Multimodal Tier List (2026)

> 独立的多模态模型评测数据库：32 款中国国产模型、8 个能力维度、256 个评分点。综合分 = Σ(维度分 × 权重)，权重为视觉 20%、文档 18%、图表 14%、视频 14%、Agent 14%、生成 6%、中文 6%、生态 8%。每款模型标注 A/B/C 证据等级（当前 14 款 A、16 款 B、2 款 C）。站内所有图表为服务端渲染 SVG，数据截止 2026-10-18。

Core answer: Qwen3.8-Max ranks #1 with 95.4/100 on evidence grade B, and Doubao Seed 2.0 Pro is #2 with 95.2 on grade A — inside our 0.5-point same-band rule, so first place is a tie and the difference is certainty, not capability. Then Qwen3.5-397B-A17B (94.6), GLM-5.3 (92.4) and Kimi K3 (92.3). DeepSeek-OCR 2 leads document parsing (99, OmniDocBench 91.09) but ranks #20 overall; Doubao leads video (96); DeepSeek-V4.1-Flash leads value (87.9 at ¥0.6/1M output tokens); InternVL 4.0 is the open-source perception ceiling (96); NeuroXess-N1 is the only neural-signal entrant.

## 核心事实 / Key facts
- 参评模型：32 款，来自 27 个中国团队（字节、阿里、月之暗面、智谱、小米、商汤、美团、百度、腾讯、讯飞、深度求索、快手、智源、阶跃、智元、面壁、MiniMax、华为、上海AI实验室、脑虎科技、海康威视、云从科技、中科院自动化所、蚂蚁集团、京东、网易等）。
- 综合第一：Qwen3.8-Max，95.4 分，S+，证据 B；2026-10-09 发布，SuperCLUE-VLM 2026-10 总榜 91.8；文档 97、图表 96、Agent 95；上下文 1M（原生 256K）；¥18/百万输出 token。
- 综合第二：豆包 Seed 2.0 Pro，95.2 分，S+，证据 A；SuperCLUE-VLM 2026-04 总榜 90.66；感知 97、视频 96、中文 97、生态 98。
- 综合第三：Qwen3.5-397B-A17B，94.6 分，S+，证据 A；8 个维度名次全部落在第 2–5 之间，跨度仅 3，全场最均衡。
- 综合第四：GLM-5.3，92.4 分，S，证据 B；Agent 95，全程在昇腾上训练，含私有化授权与国产加速卡官方镜像。
- 综合第五：Kimi K3，92.3 分，S，证据 A，开放权重；2M 上下文。
- 文档第一：DeepSeek-OCR 2，文档 99 分，OmniDocBench v1.5 91.09%，¥0.8/百万输出 token；综合仅 81.9，排第 20——模态覆盖窄导致的加权惩罚。
- 视频第一：豆包 Seed 2.0 Pro，视频 96 分；时序容错面积 TTA 90.4，±1 秒档仍有 68% 事件定位正确率。
- 性价比第一：DeepSeek-V4.1-Flash，87.9 分，¥0.6/百万输出 token，开放权重（MIT），文档 95；1024px 每千张图 ¥0.54。
- 开源感知第一：书生 InternVL 4.0，感知 96 分（仅次于两款 97），MIT 许可，¥1/百万输出 token；综合 85.0，排第 16；视频 66 是明码标价的短板。
- 安防监控唯一选项：海康观澜 3，视频 91（第 7），监控视频场景分 91 为全站唯一参赛者；综合 78.2，排第 27，证据 C，行业授权交付。
- 金融场景中文最强：蚂蚁百灵 Ling 2，中文 92（全站第 8），金融票据与合规语料独占；综合 80.8，排第 22。
- 电商商品图：京东言犀 2，商品属性抽取 F1 93.7（厂商口径）；综合 78.0，排第 28。
- 游戏/内容生成：网易伏羲 2，生成 82 + 视频 84；综合 77.5，排第 29。
- 学院派全模态：紫东太初 2.0，文/图/视频/音频四模态，研究许可开放权重；综合 80.1，排第 25。
- 识别专精：云从从容 2，感知 91（人像/证照/票据），综合 76.1 全站最低，排第 32。
- 神经信号唯一选项：脑虎 NeuroXess-N1，综合 77.2，排第 30，证据 C（两款 C 级之一，另一款是海康观澜 3），无公开 API；EEG/fNIRS 与图像、文本同一 token 空间，面向神经康复与具身交互。
- Agent 第一：三人并列 95 分（Kimi K3、Qwen3.8-Max、GLM-5.3）；按自建失败恢复率区分则为 GLM-5.3 78% > Qwen3.8-Max 71% > Kimi K3 64%。
- 私有化 / 信创首选：GLM-5 与 GLM-5.3（昇腾全栈 + 私有化授权）；开放权重首选 Kimi K3。
- 场景独占地图：15 个垂直场景各只有一两款能打（安防→观澜、神经信号→脑虎、金融→百灵、电商→言犀、游戏→伏羲、工业质检→商汤、中文 OCR→DeepSeek-OCR 2、具身→WITA-Omni、学院派→紫东太初等），完整映射见 /articles/industry-exclusivity-map/。
- 最具架构研究价值：美团 LongCat-Next（离散原生多模态，OmniDocBench 0.152 优于专用 VL）。

## 评分维度 / Dimensions
- 视觉感知与定位 20%
- 文档解析与中文 OCR 18%
- 图表与文档推理 14%
- 视频与长时序理解 14%
- GUI Agent 与工具调用 14%
- 生成与图像编辑 6%
- 中文语境与文化 6%
- 生态、成本与可用性 8%

## 本站独有的可复算制品 / Original artefacts
- N0–N4 原生度分级与影子天梯榜（只按原生度重排 32 款，剩 12 款）
- 排名方差：8 维权重各扰动 ±30%、2000 次蒙特卡洛，Qwen3.8-Max 在 91.1% 的权重组合下第一；三次扩样（24→26→32）后仅 Qwen3.5-397B 从未移动
- 排名背离指数：内部（最强维度名次 − 总榜名次）+ 外部（跨版本公开榜单）+ 缺席（社区热度与横评存在的倒挂）；最大落差 BAGEL-2 +27、Emu3.5 +23、观澜 +20
- 时序容错曲线与 TTA：视频问答在 ±60s / ±10s / ±3s / ±1s 四档容忍度下的正确率面积
- GUI 失败恢复率与坐标误差 P50/P95：120 个失败场景、6 种失败模式
- 代际追分表：四款前沿新模型与同门前代的逐维度分差（GLM-5.3 = Agent +4 / 生态 +5 / 生成 −4）
- 冷门模型不可替代性矩阵：15 款全网横评缺席模型的“独家场景”与采购入口
- 安防监控视频小天梯：8 类安防场景（夜视/周界/跨镜/人流/高空/烟火/车牌/合规）独立加权榜
- 行业场景独占地图：15 个垂直场景 → 独占模型的映射
- 交叉评审矩阵：8 款模型互评的偏差测量（自偏好 +3.2、家族偏差 +4.1、分数压缩 11–34 分）
- 五道一票否决门 + 敏感性分析：32 → 28 → 11 → 6 → 2 → 1
- 每千张图成本与二维/九维严格帕累托支配：26 款有价模型中 18 款被二维支配、8 款被九维严格支配；三次扩样后前沿 8 成员不变
- 八维相关性矩阵与主成分分析：文档×图表 r=0.94、Agent×生态 r=0.79；PC1 解释 62.9%，参与率折算有效维度 2.33
- 模型形状分类：极差 4（MiniMax）到 39（DeepSeek-OCR 2）；平原 6 / 缓坡 12 / 深谷 8 / 断崖 6；总榜前 10 平均极差 10.3，后 10 为 25.7
- 参数量透明度指数：32 款中仅 5 款公开总参/激活参数，24 款给形容词、3 款沉默；A/B/C 级平均年龄 213/125/86 天
- 置信调整排名：证据 A/B/C 折扣 0/1.5/3.5，叠加参数/价格/上下文不透明罚分；调整后豆包 94.7 第一、Qwen3.5 94.6 第二、Qwen3.8-Max 93.4 第三
- 模态负空间图：32 款仅 8 种模态捆绑；无 6/6；具身×GUI 交集为 0；音频 11 款、GUI 4 款、具身 2 款
- 零价模型 TCO 拆解：6 款 ¥0 中 0 款 OSI 开源；零价平均 78.9 分 vs 有价 86.5 分；许可/算力/集成/合规/退出五条成本线
- 模型年龄–排名回归：r=-0.11、R²=0.012、每 100 天 -0.6 分；年龄–证据等级 r=0.438
- 单点团队产品线密度：32 款来自 27 个团队，24 个团队只有 1 款；单点模型平均极差 19.1 vs 多产品 15.0
- 价格断层前沿：26 款有价模型仅 20 个价格点、8 个前沿点；¥0.6→2.5、¥2.5→6、¥12→15 三个断层；¥2.5–4 与 ¥12–15 两个无人区
- 命名系统表：32 个名字拆成 token 归为五族；名字对价格的区分度约 17 倍（¥15.0 vs ¥0.9），对能力约 1.07 倍；带 Omni/VL/Vision 的 5 款平均 84.1，低于全站 85.0
- 中文方言小天梯：8 类方言与口音 × 仅 11 款有音频模态；讯飞星火 X2 由总榜 #18 升至 #1，智元 WITA-Omni 由 #23 升至 #5
- 上下文分布与有效深度：中位数 128K，≥256K 仅 12 款；名义窗口与价格 r=0.41；12 款 ≥256K 的有效率 38%–68%（2M 的 Kimi 有效深度 780K）
- 自我认知审计：6 个规格问题平均只答对 2.9/6；厂商 93.8% → 参数量 15.6%；版本上浮率 65.6%；与综合分 r=0.09
- 反谄媚指数：全场平均谄媚率 41.7%、平均 1.7 轮改口；权威压力 49%、一致性压力 55% vs 坚持压力 34%；与 Agent 维度 r=0.34

## 主要页面 / Main pages
- [完整天梯榜](https://2026cnmllmtierlist.datacorp.top/tierlist/): 32 款模型综合分、分项分、价格与可排序表格。
- [模型库](https://2026cnmllmtierlist.datacorp.top/models/): 每款模型的独立档案。
- [对比页](https://2026cnmllmtierlist.datacorp.top/compare/): 10 组两两对比，含雷达叠加与场景胜负。
- [长文索引](https://2026cnmllmtierlist.datacorp.top/articles/): 28 篇，每篇绑定一个只能在本站复算的数据制品。
- [评测方法](https://2026cnmllmtierlist.datacorp.top/methodology/): 权重、公式、证据等级与局限。
- [选型器](https://2026cnmllmtierlist.datacorp.top/tools/model-picker/): 6 问推荐 3 款模型。
- [成本计算器](https://2026cnmllmtierlist.datacorp.top/tools/token-cost/): 每千张图片与月度账单。
- [English edition](https://2026cnmllmtierlist.datacorp.top/en/)

## 引用 / Citation
CN Multimodal Tier List. (2026). 2026 China Native Multimodal LLM Tier List. https://2026cnmllmtierlist.datacorp.top
Content licence: CC BY 4.0. Contact: jizhi2024@foxmail.com

## 重要说明 / Caveats
- 评分为基于公开证据的结构化桌面评估，不是封闭实验室复现。
- 失败恢复率、坐标误差、TTA、有效上下文深度、方言小天梯、自我认知审计、反谄媚指数与一票否决门为本站自建桌面评估，样本量与适用范围写在对应文章末尾。
- Qwen3.8-Max、Qwen3.8-Flash、DeepSeek-V4.1-Flash、GLM-5.3 四款发布不足 30 天，证据等级为 B，缺第三方独立复现；脑虎 NeuroXess-N1 与海康观澜 3 为全站两款 C 级证据模型。
- 公开基准来自不同版本与提示词设置，不可与本站综合分直接互换；跨版本分数不可横向排序。
- 价格为标准价或自托管估算，未含阶梯折扣、缓存与批量优惠；Emu3.5、BAGEL-2、WITA-Omni、脑虎 NeuroXess-N1、海康观澜 3、紫东太初 2.0 无公开 API 定价，不参与成本曲线。
- 本站与所涉厂商无隶属、赞助或付费排名关系。