作者：电子创新网张国斌
2026年6月14日，小米新媒体高级工程师邹师傅发文热议“某大模型重新出山”，直言担忧行业陷入营销战与情怀捆绑，随后火速道歉澄清，引发全网关于大模型竞争底线的激烈探讨。
今天，该工程师再次道歉并发言澄清不针对任何友商。
小米工程师发言核心内容包括：
欢迎良性切磋：该工程师明确表示欢迎新玩家入场进行纯粹的技术竞争，认为多一个认真做模型的厂商对行业和用户都有积极意义。
警惕非技术竞争：表达了对竞争风向的担忧，指出真正可怕的并非技术落后，而是赛道偏离硬实力比拼，滑向“比嗓门、拼情怀、搞捆绑”，特别反对将商业竞争与国产算力芯片及家国情怀强行关联。
呼吁珍惜务实氛围：强调过去一年国内大模型圈难得形成了“靠作品说话”的风气（如DeepSeek靠开源、MiMo靠论文、Qwen靠口碑），认为这种无是非争端的技术净土来之不易。
反对舆论污染：强烈反对新选手以饱和式舆论轰炸和有组织拉踩的方式入场，预判行业可能因此陷入内部厮杀与站队，迫使技术人员分散精力应对公关战。
笔者认为这些观点都是比较中肯的，这两天舆论一直认为此言论指向华为盘古大模型，因为在12日的华为开发者大会（HDC 2026）上余承东宣布盘古大模型全面升级并亲自挂帅，因此多数网友认为其矛头暗指华为盘古大模型。
科普：12条指标鉴定大模型优劣
今天，我们抛开口水战，就谈谈如何鉴定大模型的优劣，这里分享12条指标。
首先我们要明确，大模型之间的竞争，早就不是简单比参数规模（Parameter Count），曾几何时，大模型的竞争只有一个指标--参数规模（Parameter Count），从百亿到千亿，再到万亿——整个行业像极了当年的CPU频率大战：谁更大，谁更强，谁更贵，谁更先进，但问题是——用户根本不在乎你有多少参数。用户只关心三件事：你能不能答对、你会不会胡说、你贵不贵，于是，一个残酷的现实出现了：“参数崇拜”，正在变成AI行业最大的认知泡沫。
现在，大模型拼比的是系统工程能力的综合比拼。如果用行业视角来看，可以拆成三层：模型能力层、工程实现层、生态与商业层。
划重点，我们用三层12个指标来评比大模型的优劣。
一、核心：模型能力层（决定“聪不聪明”）
这是最直观、也是用户最容易感知的能力。
1）推理能力（Reasoning）
是否具备多步推理能力（Chain-of-Thought）
能否解决复杂逻辑问题（数学、代码、规划）
是否稳定（不会“忽然降智”）
→ 典型测试：
GSM8K（数学推理）
MATH
HumanEval（代码能力）
2）知识与理解能力（Knowledge & Understanding）
知识覆盖广度（通识 vs 专业）
上下文理解深度（长文本理解）
多语言能力
→ 关键指标：
MMLU（综合知识）
CMMLU（中文能力）
长上下文（128K / 1M tokens）
3）生成能力（Generation Quality）
文本是否自然、结构清晰
是否有“观点力”和逻辑组织能力
是否可控（风格、长度、格式）
→ 实际场景：
写报告
写代码
写营销内容（你现在就在用这个能力）
4）多模态能力（Multimodal）
图像理解（Vision）
视频理解（Video）
语音（ASR/TTS）
→ 判断标准：
是否“看懂图”还是只做caption
是否能做跨模态推理（图+文）
5）工具使用能力（Agent能力）
是否能调用外部工具（搜索、代码执行、API）
是否能分解任务（Task Planning）
是否具备“闭环执行能力”
→ 这已经是从“模型”走向“智能体（Agent）”的关键分水岭
二、工程实现层（决定“好不好用”）
很多人忽略这一层，但产业竞争真正拉开差距的就在这里。
6）推理效率（Inference Efficiency）
延迟（Latency）
吞吐（Throughput）
每token成本（$/token）
→ 关键技术：
KV Cache优化
Speculative Decoding
模型量化（INT4 / INT8）
7）稳定性与幻觉控制（Hallucination）
是否胡编乱造
是否能“承认不知道”
是否有事实一致性（Factuality）
→ 企业级应用最看重这一点
8）对齐能力（Alignment）
是否符合人类价值和指令
是否“听话”（Instruction Following）
是否安全（不会输出违规内容）
→ 技术手段：
RLHF（人类反馈强化学习）
Constitutional AI
9）可扩展性（Scalability）
是否支持超长上下文
是否支持并发
是否适合部署（云 / 边缘）
三、生态与商业层（决定“能不能赢”）--这一层才是决定谁能成为“平台”的关键。
10）开发者生态（Ecosystem）
API是否易用
是否有插件 / 工具链
是否支持微调（Fine-tuning）
→ 类比：
不只是“模型”，而是“AI操作系统”
11）数据飞轮（Data Flywheel）
是否有持续数据反馈
是否能快速迭代模型
→ 本质：谁的数据更“新鲜 + 高质量”
12）成本与商业化能力
推理成本是否足够低
是否能规模化部署
是否有清晰商业模式
大家记住了吗？12个指标！
四、更直观的评比：一个“行业级评估模型”
这里推荐一个“五维评分模型”：
一句话总结“决定胜负的，不是模型本身，而是模型+工程+生态的三位一体”
事件回溯：
“在我余承东的字典里，没有第二，只有第一。”6月12日下午在华为开发者大会（HDC 2026）上，华为常务董事、产品投资评审委员会（IRB）主任、终端BG董事长余承东说道。他在现场除了发布HarmonyOS 7操作系统外，还宣布华为将推出开源盘古openPangu 2.0大模型，包括openPangu 2.0 Pro，总参数量5050亿，激活参数量180亿；以及openPangu 2.0 Flash，总参数量920亿，激活参数量60亿。
他透露，openPangu计划6月30日把七大组件陆续开源上线，业界开源的主要是模型结构、模型权重、技术报告和推理代码等四项，而华为还多开源了三项，包括预训练代码、后训练代码、训推算子，“让大家使用昇腾、使用盘古大模型更高效、更易用”。
目前国内大模型进入到残酷的竞争时代，竞争是一件好事，希望通过竞争，优秀的大模型脱颖而出！为产业赋能！
注：本文为原创文章，未经作者授权严禁转载或部分摘录切割使用，否则我们将保留侵权追诉的权利