12款国产大模型实测：没有一款能跑通销售全流程

大湾区经济网10月24日讯 能整理会议纪要，能检索资料库，也能做数据分析——随着AI大模型能力不断提升，企业级AI应用从通用问答进入具体岗位和业务流程，一个关键问题逐渐浮出水面：企业究竟是在“选模型”，还是在“跑业务”？

网易智企最新完成的一次实测，给出了相当具体的答案。针对当下在各类榜单上表现出色的大模型，他们把12款国产大模型放进真实销售任务中，让模型完成从评估线索、准备拜访，到整理纪要、判断商机、应对异议、跟进客户，再到输出方案和报价的一整套工作。结果是：没有一款模型能包揽全部任务，不同模型在关键信息提取、业务规则遵循和成果交付上表现不一，其中Qwen3.8-Flash与DeepSeek-V4.1-Flash分场景领先。

这份《2026销售场景AI实战评测报告》（以下简称《报告》）选取了DeepSeek、MiniMax、豆包、千问、Kimi、GLM等品牌旗下12款模型，把销售工作拆成线索评估、拜访准备、沟通纪要、商机评估、异议处理、客户跟进、方案与报价7项任务，分别比较表现。这种设计有助于观察不同模型在具体任务中的适配性。

为什么要这样设计？《报告》指出，真实销售不是7道互不相干的考题。一次客户沟通结束后，纪要里记录的需求、预算和待确认事项，会影响商机阶段判断；商机评估识别出的关键障碍，又决定后续跟进要问什么、备什么；前期形成的需求判断，还要与产品能力、价格政策和交付范围进一步核对。客户信息、业务判断和工作成果在各环节持续传递，前一环节的结果往往就是下一环节的输入。

如果每个环节都重新理解、重新猜测，前一环节的判断就可能在后一环节被放大成错误。模型在单点任务上得分再高，若承接不住上一环节的信息状态，企业拿到的仍是一堆需要人工重新拼接的“半成品”。这正是“选模型”思路的局限。《报告》因此明确，不将7项任务加权为单一总分，也不评出适用于所有销售工作的“最强模型”，因为不同企业对任务频率、重要程度和业务要求并不相同。即便企业接受“按任务配模型”，若只停留在为每个任务挑选高分模型，而不解决任务之间的信息延续、规则一致和成果衔接，AI对企业来说仍只是分散的工具。

那么，企业如何从“选模型”走向“跑业务”？《报告》给出的路径不是继续找一款“处处最强”的模型，而是把模型放进有知识、有规则、有工具、有流程的Agent运行环境，让能力按任务配置、让业务资产持续复用。《报告》提出，企业要把分散的知识、规则和工作方法，整理为Agent能够调用、业务系统能够执行、相关人员能够核验的内容；其中业务知识包括客户信息、产品资料、案例和竞争信息，并明确来源、版本与适用范围。这些内容不应随每次模型调用重新建立，而要成为可持续复用的业务资产。

在网易智企的实践中，模型选择从一线人员的额外操作，转化为Agent平台中的任务配置。网易智企通过企业级AI Agent平台帝王蟹（ClawHive）统一接入和管理不同模型，并将企业知识、业务工具和工作流程组织进Agent运行环境；基于该平台构建的销售宝，则以“销售AI员工”形态，承接客户研究、拜访准备、沟通纪要、商机判断、异议处理、客户跟进和方案报价等具体任务。一线人员面向销售工作使用销售宝，无需在不同模型产品之间反复切换；底层模型发生变化时，已经沉淀的客户知识、业务规则和任务流程仍可继续使用。这种情况下，企业不再需要一款处处最强的模型，而是让每项任务都能调用更合适的模型能力。

评测数据把道理摆得很清楚。商机评估场景，DeepSeek-V4.1-Flash得分88.42分，Qwen3.8-Flash为87.17分，前者得分更高、执行更快，后者Token成本低约57.1%。异议处理场景，Qwen3.8-Flash得分90.71分，DeepSeek-V4.1-Flash为85.71分，但后者执行时间缩短约71.5%。商机信息若要在沟通后及时更新，响应速度可能更重要；任务若是周期性批量处理，成本优势就更值得关注。模型配置因此不是一次性的榜单选择，而是结合任务频率、响应时效和调用规模持续调整的业务配置。只有把客户信息、业务规则和上下游流程打通，配置才能从“单点提效”走向“流程提效”。

《报告》认为，企业级AI竞争正从模型能力比拼转向业务运行能力比拼。公布的测试结果虽不能直接等同于实际业务收益，却能帮助企业缩小选大模型的范围。企业AI的下一步不是继续寻找“处处最强”的模型，而是把知识、规则、工具和流程沉淀为可复用资产，按任务配置模型，在响应速度、调用成本和业务成果之间持续校准。能否跑通业务，才是检验AI价值的最终标准。

文/李鹏飞，编辑/可可