豆包 71.53 分拿下中国第一：离 GPT-5.4 只差 0.95 分，但榜单分不是全部

SuperCLUE 11 月榜单 11 月 3 日发布，22 个国内外主流模型参评：字节豆包 Doubao-Seed-2.0-pro-260215 以 71.53 分拿下中国第一，只比 GPT-5.4 低 0.95 分，进入全球第一梯队；在 agent 任务规划单项上，它超过了部分海外模型，进了全球前五。榜单覆盖数学推理、科学推理、代码生成等六项核心任务。榜单方自己提醒：总分反映的是通用任务表现，不同厂商模型定位不同，单项分会随版本迭代波动，要结合业务场景读。

我的判断是：值得认真看的不是“中国第一”这个名头，而是差距的量级——0.95 分意味着国产旗舰和海外旗舰在通用任务上已经进了同一个误差带，选型时再拿“国产差一截”当默认假设，已经过时。但榜单分不等于生产可用：SuperCLUE 测的是通用任务，agent 任务规划只是其中一环，真实项目里工具调用稳定性、长上下文衰减、中文场景的幻觉率，都没在这一个数字里。这个结论在两种情况下不成立：一是拿总分直接定选型——做代码 agent 和做客服问答，同一个模型可能是两个排名；二是把“中国第一”读成“已经超过 GPT-5.4”——0.95 分的差距还在，榜单方自己说了单项分会波动。