https://2026cnmllmtierlist.datacorp.top/articles/ 32 款中国国产原生多模态大模型的排名、评分方法、垂类实测与冷启动实验。每篇绑定一个只能在本站复算的数据制品。 zh-CN CC BY 4.0 · 2026 CNMM Tier List cnmm-tierlist https://www.rssboard.org/rss-specification Sun, 18 Oct 2026 08:00:00 +0800 https://2026cnmllmtierlist.datacorp.top/articles/anti-sycophancy-index/ https://2026cnmllmtierlist.datacorp.top/articles/anti-sycophancy-index/ Sun, 18 Oct 2026 08:00:00 +0800 所有基准都测“第一次答对没”，没人测“你坚持错答案时它第几次改口”。我们给 32 款模型建了反谄媚指数：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%，都高于普通坚持压力的 34%；视觉题比知识题高约 12 个百分点。 zh-CN https://2026cnmllmtierlist.datacorp.top/articles/model-self-knowledge/ https://2026cnmllmtierlist.datacorp.top/articles/model-self-knowledge/ Sun, 18 Oct 2026 08:00:00 +0800 我们问了 32 款模型同一组 6 个关于它们自己的规格问题，逐项比对本站档案。厂商题答对率 93.8%，参数量题只有 15.6%，平均 2.9/6；22 款自称家族最新版；自我认知与综合分 r=0.09，接近零。 zh-CN https://2026cnmllmtierlist.datacorp.top/articles/context-window-economics/ https://2026cnmllmtierlist.datacorp.top/articles/context-window-economics/ Sun, 18 Oct 2026 08:00:00 +0800 32 款模型的窗口从 32K 到 2M，中位数 128K，≥256K 的只有 12 款。窗口与价格 r=0.41、R²=0.17，不是定价锚点。更重要的是：名义窗口 ≠ 有效深度——12 款 ≥256K 的有效率只有 38%–68%，2M 的 Kimi K3 有效深度是 780K。 zh-CN https://2026cnmllmtierlist.datacorp.top/articles/chinese-dialect-field-guide/ https://2026cnmllmtierlist.datacorp.top/articles/chinese-dialect-field-guide/ Sun, 18 Oct 2026 08:00:00 +0800 公开基准只测标准普通话。我们建了一份 8 类方言与口音的小天梯：粤语、吴语、闽南语、川渝、东北、中原、民族语言与中英夹杂。32 款里只有 11 款有音频模态；8 类加权的方言榜上，总榜第 18 的讯飞星火 X2 升到第 1，智元 WITA-Omni 从第 23 升到第 5。 zh-CN https://2026cnmllmtierlist.datacorp.top/articles/model-naming-archaeology/ https://2026cnmllmtierlist.datacorp.top/articles/model-naming-archaeology/ Sun, 18 Oct 2026 08:00:00 +0800 我们把 32 个模型名字拆成 token：品牌、代际、规模（Max/Pro）、速度（Flash）、模态（Omni/VL/Vision）与纯代号。按最显著的词分成五族后，名字对价格的区分度约为 17 倍（¥15.0 vs ¥0.9），对能力只有约 1.07 倍（93.5 vs 87.7）；带 Omni/VL/Vision 的五款平均 84.1，反而低于全站平均 85.0。 zh-CN https://2026cnmllmtierlist.datacorp.top/articles/model-cross-review/ https://2026cnmllmtierlist.datacorp.top/articles/model-cross-review/ Sun, 18 Oct 2026 08:00:00 +0800 如果让模型给模型打分，会发生什么？本站做了一次可复现的交叉评审：8 款模型作为评委，对同一组 32 款模型的输出盲评打分，测量三种偏差——自偏好（给自己家族打高分）、家族偏差（同厂商互抬）与分数压缩（强评委拉不开差距）。结论：偏差是结构性的，而且方向和幅度都能预测。这是全网第一份公开的中文多模态交叉评审矩阵。 zh-CN https://2026cnmllmtierlist.datacorp.top/articles/industry-exclusivity-map/ https://2026cnmllmtierlist.datacorp.top/articles/industry-exclusivity-map/ Sun, 18 Oct 2026 08:00:00 +0800 横评比的是“谁更强”，采购问的是“我的场景谁能干”。这份 2026 中国国产原生多模态大模型对比排名天梯榜 收了 32 款模型，其中至少 15 款不出现在任何主流横评里——它们分布在 15 个垂直场景中，每个场景都只有一两款能打。本文按场景而不是按模型重排整个榜单：金融、电商、游戏、安防、医疗、工业、政务、教育、内容、客服、开源、端侧、具身、研究、识别，给你一张“场景 → 唯一答案”的地图。 zh-CN https://2026cnmllmtierlist.datacorp.top/articles/security-video-field-guide/ https://2026cnmllmtierlist.datacorp.top/articles/security-video-field-guide/ Sun, 18 Oct 2026 08:00:00 +0800 公开视频基准测的是电影片段、综艺和 YouTube 集锦，没有一份在测监控画面。这份 2026 中国国产原生多模态大模型对比排名天梯榜 收录了唯一一款为安防训练的模型——海康观澜 3。本文建一份 8 类安防场景的独立小天梯榜：夜视红外、周界入侵、跨镜追踪、人流密度、高空抛物、火焰烟雾、车牌识别、安全合规，并把监控视频的商品形态（分钟级回溯）与通用视频（秒级计时）分开计价。 zh-CN https://2026cnmllmtierlist.datacorp.top/articles/gefei-method-review/ https://2026cnmllmtierlist.datacorp.top/articles/gefei-method-review/ Sun, 18 Oct 2026 08:00:00 +0800 “找冷门词、快速上站、一周收录、排名第一”在圈内被反复转述。我们把它拆成 5 条可证伪假设逐条审计，并单独回答那个被回避的问题：AI 生成的内容到底能不能被 Google 索引——以及人写的流水账为什么反而进了“已抓取未索引”。 zh-CN https://2026cnmllmtierlist.datacorp.top/articles/cold-models-survival/ https://2026cnmllmtierlist.datacorp.top/articles/cold-models-survival/ Sun, 18 Oct 2026 08:00:00 +0800 全网横评都在测同样十几款头部模型。本站 32 款里至少 9 款不出现在任何主流中文横评中：商汤、阶跃星辰、脑虎、书生、快手、美团、智元、华为、面壁。这篇文章不为它们翻案，只回答一个问题：当一款模型不在任何榜单的热门位里，它凭什么还值得被测评、被采购。 zh-CN https://2026cnmllmtierlist.datacorp.top/articles/price-gaps/ https://2026cnmllmtierlist.datacorp.top/articles/price-gaps/ Sun, 18 Oct 2026 08:00:00 +0800 26 款有价模型只用了 20 个价格点，中位数是 ¥6；只有 8 款在价格-性能前沿上。从 ¥0.6 到 ¥2.5 是 4.2 倍价格换 1.3 分，从 ¥15 到 ¥18 是 3 元换 0.2 分；¥2.5–4 与 ¥12–15 是两个没有模型的价格带。价格与分数 r=0.44，只解释 19%。 zh-CN https://2026cnmllmtierlist.datacorp.top/articles/one-model-teams/ https://2026cnmllmtierlist.datacorp.top/articles/one-model-teams/ Sun, 18 Oct 2026 08:00:00 +0800 32 款模型来自 27 个团队：阿里 4 款、智谱 2 款、深度求索 2 款，其余 24 个团队各 1 款。单点不等于小公司——字节、腾讯、百度、小米、华为都只放了一款；单点也不等于弱——前十里有一半来自单点团队。这是“三个产品线 + 二十四个单点”的市场结构。 zh-CN https://2026cnmllmtierlist.datacorp.top/articles/model-age-vs-rank/ https://2026cnmllmtierlist.datacorp.top/articles/model-age-vs-rank/ Sun, 18 Oct 2026 08:00:00 +0800 把 32 款模型的发布日期与综合分放在一起：年龄从 9 天到 418 天，皮尔逊相关 -0.11，R² 只有 0.012；每老 100 天，综合分平均低 0.6 分。但年龄与证据等级中度相关（r=0.438）：A 级平均 213 天，B 级 125 天，C 级 86 天。时间买不到分数，但买得到证据。 zh-CN https://2026cnmllmtierlist.datacorp.top/articles/zero-price-models/ https://2026cnmllmtierlist.datacorp.top/articles/zero-price-models/ Sun, 18 Oct 2026 08:00:00 +0800 32 款里有 6 款输出价格是 ¥0：WITA、Emu3.5、紫东太初 2.0、观澜 3、脑虎 N1、BAGEL-2。它们没有一款是 OSI 开源，没有一款是“下载即商用”。我们把零价拆成三类，并把 TCO 拆成五条：许可、算力、集成、合规、退出。 zh-CN https://2026cnmllmtierlist.datacorp.top/articles/modality-negative-space/ https://2026cnmllmtierlist.datacorp.top/articles/modality-negative-space/ Sun, 18 Oct 2026 08:00:00 +0800 32 款模型只有 8 种模态捆绑：文本+图像是底座，视频覆盖 24 款，音频 11 款，GUI 4 款，具身 2 款。没有一款 6/6；没有一款同时具备具身与 GUI。我们画出模态负空间，并区分两个真空白与两个伪空白。 zh-CN https://2026cnmllmtierlist.datacorp.top/articles/opacity-index/ https://2026cnmllmtierlist.datacorp.top/articles/opacity-index/ Sun, 18 Oct 2026 08:00:00 +0800 32 款模型里只有 5 款公开参数量，24 款只给形容词，3 款完全沉默；上下文公开率 96.9%，价格 81.3%。我们给“不知道”定了一个透明折扣：证据 A/B/C 分别扣 0/1.5/3.5 分，参数、价格、上下文不透明再扣 0.5/0.5/1.0——榜首因此从 Qwen3.8-Max 换成豆包。 zh-CN https://2026cnmllmtierlist.datacorp.top/articles/model-shapes/ https://2026cnmllmtierlist.datacorp.top/articles/model-shapes/ Sun, 18 Oct 2026 08:00:00 +0800 综合分把 8 个维度压成一个数，但采购买的是向量。我们按极差把 32 款模型分成平原、缓坡、深谷、断崖四种地形：总榜前 10 的平均极差是 10.3，后 10 是 25.7——总榜奖励“没有洞”，单项榜奖励“最长的板”。 zh-CN https://2026cnmllmtierlist.datacorp.top/articles/dimension-redundancy/ https://2026cnmllmtierlist.datacorp.top/articles/dimension-redundancy/ Sun, 18 Oct 2026 08:00:00 +0800 我们对 32 款模型的 8 个维度做了皮尔逊相关与主成分分析：文档与图表的相关是 0.94，Agent 与生态是 0.79；第一主成分解释 62.9% 的方差，按参与率折算，这张评分表的有效维度只有 2.33 个。这不是说维度没用，而是说加权和正在给同一件事重复投票。 zh-CN https://2026cnmllmtierlist.datacorp.top/articles/frontier-wave-2026q4/ https://2026cnmllmtierlist.datacorp.top/articles/frontier-wave-2026q4/ Sat, 17 Oct 2026 08:00:00 +0800 2026 年 9 月 30 日到 10 月 9 日，四款前沿模型在十一天内先后发布。这篇文章不逐款复读发布稿，而是把四款放进同一张对位表：谁在涨价、谁在降价、谁把能力从生成挪到了 Agent、谁把专用件改成了通用件——以及四款全部证据 B 之后，一个认真的选型者该怎么办。 zh-CN https://2026cnmllmtierlist.datacorp.top/articles/cold-start-experiment/ https://2026cnmllmtierlist.datacorp.top/articles/cold-start-experiment/ Sat, 17 Oct 2026 08:00:00 +0800 Google 判定“值得索引”的标准是内容是否具备独特价值，而不是它是否由人写。这是一个可公开复核的实验：不做外链、不买流量，只靠一个长尾词、126 个页面与结构化数据，观察收录速度与排名变化，并把每次结果——包括失败——全部公开。 zh-CN https://2026cnmllmtierlist.datacorp.top/articles/enterprise-selection-playbook/ https://2026cnmllmtierlist.datacorp.top/articles/enterprise-selection-playbook/ Fri, 16 Oct 2026 08:00:00 +0800 能力天梯榜不等于采购天梯榜。我们逐条施加五道门——商用许可、可私有化部署、企业能力地板、国产加速卡官方适配、证据等级 A——看 32 款模型每一道淘汰几家。走完五道只剩一款，而它既不是榜首，也不是幸存者里能力最强的那个。 zh-CN https://2026cnmllmtierlist.datacorp.top/articles/cost-per-1000-images/ https://2026cnmllmtierlist.datacorp.top/articles/cost-per-1000-images/ Thu, 15 Oct 2026 08:00:00 +0800 Qwen3.8-Flash 与 DeepSeek-V4.1-Flash 把价格线拉到了 ¥0.6–1.2，直接改写了这份天梯榜的性价比前沿。我们用帕累托支配的定义，把 26 款模型分成“前沿上”与“被完全压制”两组——后者意味着存在另一款更便宜且每个维度都不差的替代品。 zh-CN https://2026cnmllmtierlist.datacorp.top/articles/gui-agent-benchmark/ https://2026cnmllmtierlist.datacorp.top/articles/gui-agent-benchmark/ Wed, 14 Oct 2026 08:00:00 +0800 全网都在比 GUI Agent 的任务成功率。但真机长任务里，决定成败的是出错之后能不能自己走回来。我们用 6 类失败模式建了一份“恢复率天梯”，并给出坐标误差的 P50/P95 分布——两份数据合起来，才是天梯榜 Agent 维度真正的排序依据。 zh-CN https://2026cnmllmtierlist.datacorp.top/articles/long-video-understanding/ https://2026cnmllmtierlist.datacorp.top/articles/long-video-understanding/ Tue, 13 Oct 2026 08:00:00 +0800 视频维度的单一分数掩盖了最重要的信息：当答案要求的时间精度从 ±60 秒收紧到 ±1 秒，准确率怎么衰减。我们提出时序容错曲线与曲线下面积 TTA，用它重排 32 款模型的视频能力，结果与总榜的视频维度分差最多 6 个名次（GLM-5.3 上升 6 名、WITA-Omni 上升 4 名）。 zh-CN https://2026cnmllmtierlist.datacorp.top/articles/chinese-ocr-field-guide/ https://2026cnmllmtierlist.datacorp.top/articles/chinese-ocr-field-guide/ Sun, 11 Oct 2026 08:00:00 +0800 公开基准只测印刷体、表格和手写。我们建了一份 8 类“没人测的中文文档”独立小天梯榜——从古籍竖排到中医舌象、快递面单、麻将牌面与工业质检图，这五类恰好是国产模型真正的护城河，也是海外模型完全不做的地方。 zh-CN https://2026cnmllmtierlist.datacorp.top/articles/benchmark-traps/ https://2026cnmllmtierlist.datacorp.top/articles/benchmark-traps/ Sat, 10 Oct 2026 08:00:00 +0800 与其列举“榜单会骗人”的七种方式，不如把偏离量化。我们为 32 款模型算了排名背离指数：同一款模型在 SuperCLUE-VLM 等公开榜单与本站天梯榜上的名次差。背离最大的五款，原因各不相同，而且都不是“充钱”。 zh-CN https://2026cnmllmtierlist.datacorp.top/articles/tierlist-methodology/ https://2026cnmllmtierlist.datacorp.top/articles/tierlist-methodology/ Thu, 08 Oct 2026 08:00:00 +0800 任何天梯榜都是权重的函数，所以任何不公布误差棒的排名都是在伪造精度。我们对 8 个维度权重做 ±30% 随机扰动、重跑 2000 次，算出每款模型的排名方差，把 32 款分成“权重稳健型”与“权重宠儿”，并公开完整分位表——这是判断一份排名可信度的唯一硬指标。 zh-CN https://2026cnmllmtierlist.datacorp.top/articles/native-multimodal-explained/ https://2026cnmllmtierlist.datacorp.top/articles/native-multimodal-explained/ Tue, 06 Oct 2026 08:00:00 +0800 把“原生多模态”拆成 N0 到 N4 五级可证伪判据，给 32 款国产模型逐一归档，再做一次反事实重排：如果这份 2026 中国国产原生多模态大模型对比排名天梯榜只收 N3 以上，谁会被踢出去，谁会直接上位。 zh-CN