看清 AI　›　国产与海外差多少

国产和海外模型：同一类活差多少

英译中、长文档阅读、常规改代码，国产头部已经和海外头部同档；让 AI 自主连续干几十步、联网深挖资料，海外头部仍明显领先。国产厂商之间的差距，常常比国别之间还大。

5类活逐项对照6 / 10长文档榜前 10 国产席位16 点+终端任务第 1 领先 GLM-5.32026-09-15数据截至
01

五类活一张表

每一格都是具名名次，榜单日期不同，别跨行比

活国产已经够用差距仍明显
写作EQ-Bench 创意写作 v3（英文） · 2026-09-15Kimi K3 第 4、GLM-5.3 第 5，排在 GPT-5.6 Sol 前面DeepSeek V4 Pro 第 51、MiniMax M2.5 第 80
翻译WMT25 人工评测 · 2025 年英译中第 1 是 Qwen 底座的系统，混元、DeepSeek-V3 与 Claude-4 同处前段全部语向里 Gemini 2.5 Pro 在 14 个语向进头部；日译中 DeepSeek-V3 只在 8–10 名
编程SWE-bench Multilingual · Terminal-Bench 4.0 · 2026-09-15GLM 5 多语言代码修复第 4；GLM-5.3 终端任务第 5，高于 GPT-5.6 Sol终端任务前 4 全是海外旗舰，第 1 名 58.2%，比 GLM-5.3 高 16 个百分点以上；前 14 里没有别的国产模型
长文档LongBench v2 · 2025 年中前 10 名国产占 6 席，Qwen3 思考版第 3，DeepSeek-R1 高于人类基线第 1、2 名都是 Gemini；榜单没收录 2026 年的模型
联网查资料BrowseComp-ZH（中文网页） · 2025-04豆包深度搜索 26.0%，排在 Perplexity、Grok-3 研究模式前面OpenAI DeepResearch 42.9%；Kimi、DeepSeek 开深度思考后都不到 10%
各榜单与论文原表 · 2026-09-15
02

写作：看哪一家

EQ-Bench 创意写作 v3，共 134 个模型，靛青为国产

  1. 第 1GPT-6 Astra
  2. 第 2Claude Fable 5.1
  3. 第 3Claude Opus 5
  4. 第 4Kimi K3
  5. 第 5GLM-5.3
  6. 第 6GPT-5.6 Sol
  7. 第 14Qwen3.8
  8. 第 51DeepSeek V4 Pro
  9. 第 56MiMo-V2.5-Pro
  10. 第 80MiniMax M2.5
测的是英文小说类写作，评委也是大模型，不代表中文公文和营销文案 · 2026-09-15
04

为什么结论不能一刀切

四个让同一句「国产行不行」答案不同的原因

厂商之间差得比国别还多同是国产，英文创意写作里 Kimi K3 第 4，DeepSeek V4 Pro 第 51。「国产行不行」要落到具体哪一家、哪一类活。
自动打分和人工评测结论不同混元技术报告称 WMT25 的 31 个语向拿了 30 个第一，这是自动指标。组织方论文写明，人工评测里它明显低于头部系统。
步数越多，头部优势越大单次修一个 bug，国产头部紧跟；让 AI 在终端里连续干几十步，前 4 名全是海外最新旗舰。
同名开关，背后流程不同OpenAI 把联网分成简单搜、边想边搜、深度研究三档；国产 API 文档里多是一个开关或一个内置工具，档位官方未说明。
WMT25 组织方论文、各家官方文档 · 2026-09-15
05

常见问题

答案出自上面的榜单与论文

国产大模型现在比海外差多少？⌄

看活。英译中、长文档阅读、常规代码修改，国产头部已经和海外头部同档；让 AI 在终端里自主跑长任务、跨日韩等多语种翻译，海外头部仍明显领先。

写文章用国产模型够不够？⌄

看哪一家。英文创意写作榜上 Kimi K3、GLM-5.3 排第 4、第 5，同为国产的 DeepSeek V4 Pro 在第 51 名。中文写作的独立名次还没有。

宣传说翻译拿了第一，可信吗？⌄

先问是自动打分还是人工评测。混元自称 31 个语向 30 个第一是自动指标，WMT25 组织方的人工评测结论要低得多。

开了深度思考，查资料就准了吗？⌄

不一定。深度思考只是先想再答，查得准不准取决于有没有联网、搜几轮。中文网页查找测试里，Kimi、DeepSeek 开深度思考后准确率都不到 10%，豆包深度搜索是 26.0%。

06

没采到的

照三态写清楚

还有 5 项没采到⌄
  • · 中文写作的独立分项名次 —— 未采集，EQ-Bench 只测英文
  • · 2026 年模型的独立翻译名次 —— 未采集，目前只有 WMT25
  • · 2026 年模型的长文档独立对照 —— 未采集，LongBench v2 停在 2025 年中
  • · τ²-bench、GAIA 当前名次 —— 未采集
  • · 豆包、Kimi App 里深度思考与深度研究是否分档 —— 官方未说明
07

来源清单

11 条：独立榜单与论文 7 条 · 厂商文档与技术报告 4 条

逐条摊开，每条附原文链接⌄

您该怎么办

中英互译、长文档阅读、日常改代码，直接用国产头部模型；让 AI 自主跑长任务、做日韩等多语种正式材料，先拿海外头部模型做一次对照。

挑哪一家，同一段提示词在两家上各跑一次再定。按任务筛模型见按任务选模型，价格对照见多渠道到手价。