Gemini 3.8 Flash 综合榜第 13,金融榜第 2。同一个模型,两张榜。

这两个名次能相减吗?不能。综合榜一共 23 个模型,它排 13,是下游;金融榜 80 个模型,它排第 2,是头部。真正的落差不是"掉了 11 位",是从中游跳到了头部。

综合指数按美国各行业的 GDP 占比加权,finance、coding、legal、tax 混在一起算一个数。它回答的是"这个模型在美国经济里的覆盖面有多大",不是"它在你手上这件事上好不好使"。这是两个问题。

这个第 2 名是这么拿的。榜首是自家的 Gemini 4 Argon,65.4%。Flash 61.44%,差 4 分。

可 Argon 跑一次要 981 秒、花 4.38 美元;Flash 只要 201 秒、2 美元。多掏 2.4 美元、多等 780 秒,换 4 个百分点。不划算。

第三名 muse-spark-open 拿 61.34%,跟 Flash 只差 0.1 分,耗时却是 1453 秒,是 Flash 的 7 倍。分数挤到 61 分这一档,比分数已经没意义,这张榜实际在比谁先跑完。

总榜那张是写给投资人和媒体看的,不是写给每天跑几十份财报摘要的人看的。你该盯的是垂直榜。

下次有人甩一张综合排名过来说"这个模型不行",问他一句:那张榜是按什么加权的?答不上来的话,他那句"不行"还剩几分可信?

拆榜 · 01(数据抓取于 2026-10-21;综合榜更新于 10-19,金融榜更新于 10-18)