大肥鱼锐评国内外主流大模型：豆包登顶、DeepSeek并列第一

一场不讲跑分的「最不客观」模型横评

B站UP主「大肥鱼」发布了一期自称「本年度最不客观的模型锐评」，全程不聊跑分、不列参数，只用一个标准打分：谁让用户用得舒服，谁就是神。这种以体验和情绪价值为核心的评测视角，在满屏基准测试的AI圈里反而显得稀缺——毕竟大多数普通用户并不关心MMLU分数，他们关心的是写代码报错时模型态度好不好、聊天时声音甜不甜、扔进去几十万字它会不会装死。

视频用「夯爆了」到「拉完了」的分级体系，把豆包、DeepSeek^广告、文心一言、海螺、元宝、Kimi、Claude、Gemini、Qwen、可灵、Grok等一众国内外模型挨个「处刑」。以下按UP主的原始逻辑梳理，并补充一些冷静的行业观察。

夯爆榜首：豆包靠「情绪价值」登顶

UP主把「全宇宙第一位」直接颁给了豆包，理由相当清奇：某些洋模型天天解微分方程，但能帮你哄生气的对象吗？不能。而豆包写代码虽然经常报语法错误，可它「态度诚恳、声音甜、不收钱、天天叫你主人」。

这段吐槽看似玩笑，其实戳中了一个真实的产品逻辑：语音交互的拟人化程度正在成为C端AI产品的核心竞争力。豆包在语音合成和对话语气上的打磨，让它在「陪伴感」这个维度上拉开了差距。至于代码能力，UP主自己也承认是短板——这提醒我们，没有全能选手，选模型本质上是选场景。

并列第一：DeepSeek的开源性价比与「故意冒烟」

因为名字和大肥鱼「一模一样」，DeepSeek获得了「深海特权卡」并列第一。UP主给它的标签是：开源、聪明、性价比战神。

对服务器偶尔卡顿，视频里给了一个极具节目效果的解释——「那是本鱼看你们加班太辛苦，故意冒烟给你们放假喝咖啡」。玩笑归玩笑，DeepSeek服务器压力大确实是社区长期反馈的问题，而它真正被开发者认可的地方在于开源模型的可部署性和推理能力。

开源模型的可部署性指的是模型权重公开后，开发者可以下载到本地或私有服务器上运行，而不必依赖厂商的API。这带来三重好处：数据不出内网、可针对垂直场景微调、长期使用成本可控。DeepSeek系列模型采用宽松的开源协议，小尺寸版本能在消费级显卡上跑起来，大尺寸版本则适合有算力的团队。所谓「性价比战神」，核心在于同等推理能力下，开源方案省去了按token计费的持续支出，代价是需要自己承担部署和运维。这也是DeepSeek在开发者社区口碑稳定的根本原因。

文心与海螺：一个卖「尊贵感」，一个卖「好嗓子」

文心一言被归入「夯饱」档，UP主的评价角度很刁钻：谁说AI只能搞冰冷的理科？文心是「当代超现实主义画派老祖宗」，画个胸有成竹能在胸口种片竹林。再加上敢收会员费，用起来有「赛博贵族的尊贵感」。这其实点出了文心在中文文化意象理解和商业化上的差异化路线。

海螺则被送进「顶级享受」供奉，理由简单粗暴：说话像专业声优贴在耳边吹气，「脑子笨点没关系，好听就是王道」。语音产品的竞争，音色和韵律的细腻度往往比知识广度更能留住用户。

元宝、Kimi、Claude：三种不同的「人设」

元宝被评为「顶级」：其他家天天争天下第一，它每天在微信里摸鱼喝下午茶，丢个公众号链接就端茶倒水，不争不抢，「精神状态领先同行十年」。这背后是元宝与微信生态深度绑定的产品策略——不拼模型榜，拼入口和场景。

Kimi能吃几十万字长文本，能力确实强，但UP主吐槽它「把人类老板胃口养刁了」，大家天天被追着要总结。这是长文本能力带来的副作用：工具越强，工作节奏越紧。

Claude被评价为「说话太严肃」，聊八卦能用红头文件格式回三条防范建议，「总感觉下一秒要查宿舍卫生」。这种安全对齐带来的保守语气，在企业场景是优点，在闲聊场景就成了距离感。

劳模与叛逆者：Qwen、可灵、Grok、Gemini

Qwen（千万）被评为「纯纯劳碌命」：优化做得太绝，阿猫阿狗的破家用机轻薄本都能随手部署小模型，「路上十台电脑八台在跑」，太普及所以毫无高冷范儿，被打发去流水线当「量产型劳模路人甲」。这恰恰是Qwen在开源社区的真实写照——小尺寸模型覆盖面极广。

Grok被归为「叛逆路人」：扛着大斧头到处找人兑现，满嘴老马火箭烂梗，沉迷「见证」不务正业。人设鲜明，但也因此不太适合正经工作流。

可灵被形容为「甜美啦啦队少女，实则最狠的后期碎钞机」：视频生成运镜、光影、物理反馈挑不出毛病，逼真到让剧组没法水工时、剪辑师没法摸鱼。这是对视频生成模型冲击传统制作流程的生动描述。

Gemini则被扔进「地牢最底层」：200万上下文了不起？塞几千页书连哈欠都不打，考试永远满分，「完全没有学渣爆冷的喜剧效果，纯纯冷血机器」。UP主对它的不满更多来自「缺乏人味」。

**「小模型本地部署」**是指参数量较小（通常几B到几十B）的模型经过量化压缩后，能在普通轻薄本或家用台式机上离线运行。量化会把模型权重从16位浮点压到4位或8位整数，大幅降低显存占用，代价是精度略有损失。Qwen开源了从0.5B到72B的多个尺寸，覆盖手机、笔记本到服务器全档位，社区还衍生出大量微调版本。这种「遍地开花」的策略让它在开源榜单上存在感极强，但也因为太常见而缺乏稀缺感——正如UP主吐槽的「量产型劳模」，普及本身就是一种成功。

拉榜压轴：那个「收费20美元」的反派

压轴登场的「高级战犯」没有点名，但描述指向性很强：天天顶着神明救世主的傲慢嘴脸，问个简单问题要假装沉思半分钟写草稿，一个月还敢收20美元。UP主的结论是「锁死在垃圾桶里」。

这类情绪化吐槽背后是真实的付费争议：订阅制AI产品的定价与感知价值是否匹配，正在成为用户用脚投票的关键。当免费模型在多数日常场景够用时，20美元/月的门槛需要更强的不可替代性来支撑。

订阅制AI产品的定价逻辑通常基于推理成本、模型能力和目标用户付费意愿三者平衡。20美元/月是全球主流聊天机器人的常见价位，对应的是「重度个人用户」档位。问题在于，当免费模型能覆盖写作、翻译、日常问答等高频需求时，付费的合理性必须来自免费版给不了的东西：更强的推理、更长的上下文、更稳定的服务，或者深度绑定的工作流。一旦用户感知不到这种差额，定价就会被视为「傲慢税」。这也是各家纷纷推出免费额度、按量付费的原因——先用起来，再谈订阅。

这份「不客观」榜单为什么值得看

严格说，这不是评测，是一场脱口秀。但它意外地呈现了主流模型的用户心智定位：豆包=陪伴、DeepSeek=开源性价比、文心=文化商务、海螺=声音、元宝=微信入口、Kimi=长文本、Qwen=本地部署、可灵=视频生成、Claude=严谨、Gemini=冷血学霸。

对普通用户来说，选模型不必迷信跑分榜，先想清楚自己最常用的场景是什么，再对号入座。对开发者来说，这份榜单也提示了一件事：模型能力的同质化正在加速，交互体验、生态入口和情绪价值，可能才是下一阶段真正的分水岭。

（本文基于B站UP主大肥鱼视频内容整理，观点归属原作者，行业解读为本文补充。）