朋友们，2026年了，如果你还在对着那些花里胡哨的AI大模型排行榜单“选妃”，那我只能说——你又被安利上头了。  

曾经，我自己也是“看榜选模型”的那种人，但今年开始，一切都不对劲了！

AI圈像是得了“跑分狂躁症”。Meta的Llama4、谷歌的Gemini等新模型，发布时“拳打GPT，脚踢Claude”，各种Bench霸榜，结果到了资深玩家手里一测，直接原形毕露，大翻车。  

这就好比当年智能手机那句扎心的评价——“跑分没输过，上手没赢过”。没想到，这魔幻的一幕，在AI时代原封不动地复刻了——“榜单猛如虎，实测原地杵”！  

是的，把榜单当尺子，拿分数当答案，行内人早就对这些AI评测榜审美疲劳了。大模型好不好用，还得看上手实效。天天在那刷榜自嗨，不如想想怎么解决老百姓身边的实际问题。  

2026外滩大会，我聊了蚂蚁百灵大模型的周俊等几个负责人。聊完我才发现，原来行业里真有“清流”——不做榜，只做事。  

蚂蚁百灵大方展示自己和市面上其他AI榜单上的差距，不唯榜单论，专研让大模型落地行业，解决普通人的难点、痛点。这就叫AI的“智（能）效（果）比”。  

给大家说两个很难反驳的案例。  

老法师，大反转

先说金融。  

金融是个极其严谨的领域，容不得半点沙子。但很多通用大模型在金融场景下就是个“半吊子”。  

你想用大模型做个“科技大佬的重仓股”看板，或者爬一份财报数据，结果，它要么把时间搞错，要么把人物张冠李戴，各种牛头不对马嘴。  

你费尽心力去校对那些AI犯下的低级错误，费时费力，还不如自己“古法”人工来干。这样的AI，除了发朋友圈装个B，对你的实际工作有什么价值？  

蚂蚁百灵怎么做的？他们没去刷榜，而是另辟蹊径，凭借10多年在金融行业的积累，找来了上百个拥有10-20年经验的专家，以针对性微调的Ling-3.0-flash-Fin为核心大脑，搭配RAG与金融Agent架构，打通了从找资料、核口径到出成果的投研全链路。这就好比让一群身经百战的券商老法师，手把手教AI怎么做研报、怎么做估值建模。  

这，就是行业“老法师”和“刷题机器（通用大模型）”的区别。  

再讲医疗。  

蚂蚁有个医疗健康AI叫“阿福”。别小看这个阿福，它基于百灵一个128B的模型微调，虽然参数量不是万亿级的巨无霸，但凭借其高智能密度，不仅服务了上亿用户，专业能力还接近全球顶尖的万亿级（大块头）大模型。  

更绝的是，它解决了边远地区看病难的问题，辅助医生处理病患回访等各种重复杂事。  

毕竟，蚂蚁参与医疗20年，一直把“服务人”当中心。所以阿福和400多家医院共建就医智能体，打通“安诊儿”，仅在浙江，就累计服务超1.2亿人次。它还结合多模态AI数字人、专家智能体技术，给全国2000名医生开了线上分身，7×24小时在线营业。  

这意味着什么？  

意味着一个偏远山区的老大爷，不用再为了看个皮肤病、问个化验单，舟车劳顿跑到大城市医院去排队。随时打开手机，用方言对着阿福问一嘴，快速完成分诊与指标解读，大大降低了求医问药的门槛。这才是科技该有的温度！  

格局打开，长脑子

不得不说，我真的喜欢周俊说的那句话：AI不只是Coding一条赛道，落地千行百业，站在未来，把现在缺失的做出来，服务好更多人，才是它该有的无远弗届。  

技术最顶的浪漫和理想，不过如此。  

所以，回到开头那个问题：大模型尺寸更大，跑分更高=好？  

错！  

智能密度拉满，有便捷实效，才是YYDS！ 大家觉得好用、受用的大模型，才是真的好模型。  

说到底，条条大路通罗马，大模型也不只一条路通罗马。  

像蚂蚁这样有技术功底的公司，只要按自己过去积累的优势，通过微调等方式，把大模型的“水平通用”转向行业的“垂直专用”。让“啥都懂点皮毛”的半吊子，变成垂直领域的老法师。那才是AI该有的“大巧不工”。  

是的，好的科技从不需要仰望，而是把那些过去的难以想象，变成身边触手可及的细腻与温暖。  

翻译成蚂蚁集团CEO韩歆毅的说法：AI的价值最终要由真实增长来检验，也要由更多人的获得感来衡量。  

别再被那些高高在上的跑分榜单PUA了。去拥抱那些能帮你解决问题、让你生活变更好的AI吧。  

这，才是我们想要的未来。不是吗？