11月11日，B站UP主“程序员阿江-Relakkes”发布了一条测评视频，让32个主流AI模型同场考中文，考题只考两件事：听不听得懂中国话，写出来能不能直接用。榜单随即公开在他运营的评测网站ModelDial的“文本能力榜”上，逐模型的综合分与分项成绩免费可查，当前发布的数据版本更新于11月11日晚间。结果先说清：第一名Claude Fable 5.2是全场唯一超过90分的模型，前七名清一色海外模型，豆包Seed 2.1 Pro排到第13名，彻底摘掉了“垫底”的帽子——而榜单里更值得普通用户记住的信号，藏在分项分数的反差里。哔哩哔哩ModelDial
这张考卷考什么：听懂和会写分开算分
ModelDial的文本能力榜使用统一的中文题集和评分标准。题目分成两大块：文字理解考语义辨析、证据整合、意图推断、规则应用；文字输出考文本表达、文体适配、叙事推进、成稿完整度，总分是两大块的平均值，满分100分。视频里放出了几个扎心的现场：有模型把“你长本事了”当成夸人；有模型写某区发言稿时把别的区的案例当成本区政绩、还编出95%的满意度；甚至有模型写完小说后在文末自己标注“无AI腔”。ModelDialModelDial哔哩哔哩
榜单真正的信号：国产模型听得懂，写不出
榜首Claude Fable 5.2总分93.84，理解、输出两边都是高分，属于没短板的那种第一。第二名的GPT-6.2 Astra形状完全不同：它靠文本输出94.34分（全榜最高）把总分拉到87.62，但语义辨析只有67分，读题能力明显不如写作。评论区“纯中文的文本能力前7名是海外模型，前10只有千问一个”的说法，与数据完全对得上。在ModelDial的模型目录里，排名第五的Muse Wonder归属Meta，这意味着前七名没有一个国产型号。国产阵营走的是另一个方向。千问Qwen3.8 Max的理解分90.61已进全榜第一梯队，文本输出却只有70.34，总分80.47排第9，是名次最高的国产模型；豆包、GLM-5.3、Kimi K3的输出分普遍比理解分低13到20分。“听得懂、写不出”才是国产模型在这张中文卷上的真实短板，而不是通常以为的知识或理解问题。ModelDial哔哩哔哩ModelDial
豆包爬出了垫底位，但只够排到中游
Doubao Seed 2.1 Pro本次总分77.06、全场第13，在国产模型里仅次于Qwen3.8 Max，小幅领先Kimi K3.1 Pro和GLM-5.3，也高于两款DeepSeek V4.1 Flash。UP主在置顶评论里打趣，“这次咱豆姐上来了，在国产模型里靠前不沾鞋了”。对普通用户，这份榜单的用法是把总分拆开看：日常让AI出稿、写文案、写公文，优先看文本输出那一栏更高的模型；经常要它处理密集材料、抽取结论、理解反话和客套话，则优先看文字理解。评论区里“写周报、公文用哪个”“写小说谁自然”的争论，恰好对应这两栏被拆开的分数。ModelDial哔哩哔哩
这份榜单能信到什么程度
这是一次个人创作者的实测：视频带有“个人观点，仅供参考”的内容声明，题目为自建私有题库而非公开标准考试。榜单当前共33条参测配置，比视频标题的“32个AI”多出的一条是已到期的DeepSeek旧版本；33条中31条为经核验的结果，另有1条采用开发者自估、1条经独立子代理复核。每一行成绩对应固定的思考档位配置，不自动平移到你日常打开的App版本，真正换用之前，最好拿自己手里的真实任务再验一遍。哔哩哔哩ModelDial
