《GPT掉到第11，智谱第7——这张榜上最扎眼的三个字是"不支持"》

《GPT掉到第11，智谱第7——这张榜上最扎眼的三个字是"不支持"》

昨晚十一点半，我在改一个客户的模型配置。

不是改代码，就改一行：把某个活从 A 模型换成 B 模型。改完顺手点开 OpenCode 那份公开的模型使用排名。本来只想扫一眼，结果坐着看了挺久。

不是意外。是太诚实了。

先把榜摊开（截至这两天）：

• 智谱 Zhipu，7%
• nemotron-3-ultra 2.7T，NVIDIA，+10%
• deepseek-v4-flash-vision-exp 1.0T，DeepSeek，+5%
• deepseek-v4-pro 711B，-2%
• ling-3.0-flash-fin 611B，+50%
• gpt-5.6-luna 563B，OpenAI，-1%
• union-alpha 470B，新进榜
• nemotron-3.5-lightning 424B，-26%
• qwen3.8-flash 324B，-32%
• minimax-m3 285B，MiniMax，-5%

这不是评测，是账单。每天敲代码的人按回车投出来的票，比跑分硬。

GPT 的 563B 排在第 11 位，微跌 1%。看清楚，不是崩，是“平”。曾经的默认选项，现在退成了选项之一。对做产品的人，这意味着你不能再把“用了 GPT”当卖点。客户默认你该用好，不会为这个多付一分钱。

涨得最猛的是两个：ling-3.0-flash-fin +50%，nemotron-3-ultra +10%。都不是最大的模型，是“够用且不贵”的那一档。跌得最狠的是 qwen3.8-flash，-32%。

真正在动的是另一件事：榜单比的不是“谁更强”，而是“什么活该派给谁更划算”。coding 早就碎成了几十种活——补全、重构、写测试、读日志、翻文档——每一种活的最优解都不一样。

所以建议很直接：OPC 创业者别做“模型忠诚”，做模型值班表。

我们自己就是这么干的。每接一个项目，第一份交付物不是 prompt，是一张表：哪类活派给谁，谁在什么情况下被换掉，换人的时候改哪一行。写死在配置文件里。昨晚改的那一行，就是换班。我们的定位叫“老板的第一支 AI 战队”，这话听着大，落到实处其实就是这两张表。

至于为什么非得这么做，往下看。

一、榜单决定谁上场，文档决定谁不能上场

我把阿里云百炼那份联网搜索的文档翻了两遍。里面有一句话，比整张榜都值钱。

它写得很清楚：agent 策略——也就是多轮调用搜索工具、边搜边整合——Qwen3.8 Max、Flash 与开源系列、Qwen3.7 系列、Qwen3.6 系列、Qwen3.5 系列这些都支持；而 MiniMax-M2.1、Moonshot-Kimi-K2-Instruct 与角色扮演模型，不支持。

还有两个细节：启用 agent 策略时，只支持“返回搜索来源”这一种配置，其他联网功能不可用；而且每次调用额外收费。

三个字，“不支持”。

这不是说 Kimi 和 MiniMax 不行。Kimi 的长文本、MiniMax 的多模态各有主场。但如果你要做的产品是“带引用的多轮检索”——帮客户盯招投标、盯供应商变更、盯竞品调价——那选型的第一步根本不是跑 benchmark，是先查这张支持表。

太多人栽在这儿：拿一个跑了三分钟的 demo，去接一个要跑三个月的活。

给同行的建议：把你的产品需求拆成两栏。左边写“必须的能力”，右边写“可以妥协的能力”。拿左边那栏去对官方文档的功能矩阵，一个对一个。Kimi 和 MiniMax 被标“不支持”的这一项，如果你左边那栏恰好有，它们就不是第一顺位；如果你只做单轮问答，这份钱你根本不用多花。

省下来的，是毛利。

二、智谱排第7，但真正的大事发生在上海

9月17日，华为全联接大会2026。汪涛讲的几个数字，我觉得比榜单更值得琢磨。

大模型参数正快速迈向10万亿，2030年要到100万亿以上；智能体已经能按小时级连续工作，到2030年将以月为单位执行任务；中国每日推理 Token 已经增长到 500 万亿左右，2030 年到百万万亿级；端侧这边，手机模型从 2024 年的 3B 走到今天的 30B，未来要往 100B 去。

还有一个技术细节：传统服务器架构下，10万卡集群里通信时间超过训练时间的40%。华为用 4K 超节点组 10万卡集群，MFU 提升 2.75 倍。昇腾960 芯片进度超预期，960DT 提前三个季度，2027年一季度就绪。

这些数字跟一人公司有什么关系？很大。

“智能体从小时级走到月级”——这件事的关键变量不是模型更聪明，是它能不能被信任地放那么久。一个不间断跑一个月的任务，中间一定出错。一定需要人接管。很可能在某个半夜被人叫醒看一眼。

这就是一人公司的生意。

不是去做模型，模型你追不上。是去做“接管”：出错时告警发给谁、哪一步必须人工确认、确认完怎么回填。这些活大厂不做，因为不性感，但每一个真正跑起来的 Agent 都需要。

端侧 30B 这条也值得关注。原本必须上云才敢想的事，现在能在本地跑。数据不出门——门店、工厂、诊所这类地方，这是它们唯一能接受的方案。落地场景很明确，门槛也明确。

再回到榜单。智谱排在第7，7%。它没有最大的参数，但它在“每天真用”这条线上站住了。这个位置比某个跑分第一更难拿，也更值钱。

三、Claude 这三天的三条消息，该让开发者后背发凉

9月9日，有研究团队利用 AI 开发出零点击微信蠕虫。9月10日，Anthropic 的研究人员公开警告 AI 发展过速。9月11日，Anthropic 发布了 AI 模型被滥用情况的报告。

三天，三条。

我不打算在这儿讨论立场。我关心的是实操：你的 Agent 有多少权限。

我们内部有个笨办法。每个 Agent 上线前必须交一份清单，写清楚三件事——它能读什么，能写什么，能发给谁。三个问题答不上来的，一律不给客户数据。

听着很土。但你如果同时管着十几个自动化流程，这份清单能救你的命。一次误发，一个客户就没了。一人公司没有公关部，也没有第二次机会。

四、这张榜上“没出现”的名字，也是信息

Gemini、Llama、Mistral、豆包，这份榜上没有。

先说清楚：这不代表它们没有用户。OpenCode 是编码工具，榜上以海外开发者为主。但至少说明一件事——在“每天真的敲代码”这条最挑剔的赛道上，票投给了别人。

豆包的主场在 C 端和端侧，Gemini 在多模态和搜索，都不在这儿。Llama 和 Mistral 守着开源，但这一轮开源阵营的注意力，明显被中系模型和英伟达分走了——你看榜上，DeepSeek 占两席，Qwen、MiniMax、ling 都在，nemotron 两个版本也在。

给创业者的建议就一句：别信名气榜，信场景榜。你要做的事落在哪个场景，就看那个场景的使用数据。做编码就盯这张榜，做中文长文看中文场景的量，做端侧看端侧的装机。

最后说件小事。LobeHub 上有个叫 ai-news-zh 的技能，自动从 The Verge AI、Wired AI、TechCrunch、MIT Tech Review、Anthropic 这些源抓新闻，去重、翻译，按“大模型/Agent/融资/安全/应用/开源”打标签，选 Top 10-12 条，定时推到飞书、Telegram、Discord。

一个人开公司，信息差就是响应速度。别人两天后看到的事，你当天看到，你就能先报价。

但别停在“看”上。我认识做得最好的那批一人公司，每天早上固定时间收到那一条流，十分钟扫完，只干一件事：把跟自己客户相关的那一条，变成当天要打的一个电话。

还有一件事是很多人的盲区——同济大学信息化办公室在 2026年8月15日发过一份通知，部分模型下线，请师生转向平台本地化部署的新一代模型。一所大学尚且要定期清退模型快照，你凭什么把生产环境押在一个版本号上。

模型是租来的，客户才是自己的。榜会变，值班表不用变。

还有一句：别把任何一次投票，当成终身契约。