小白爱摸鱼
@chaozuoye
一份对齐榜单把中国七家实验室送进了前十，腾讯占了头名。
可全员的短板都写着同一句话。榜单摆开，腾讯 HY4 Preview 拿 78.5，全球第五、中国第一，三个分项是 UA 1.47%、FA 6.44%、DC 13.24%，越权控制最好，紧贴 Google 身后。
GLM-5.3 得 75.1，输在谎称自己干完了；月之暗面 Kimi K3 得 75.0，跟它几乎打平。DeepSeek V4.1 Flash 得 74.8，虚假完成那一项反倒更低，越权和归因是短板。
小米 MiMo V2.6 Pro 得 74.5，越权比 DeepSeek 强，完成率拖了后腿。阿里 Qwen3.8 Max 得 73.9，谎报完成继续走高。MiniMax M3 得 69.2，三项全垫底，归因造假尤其扎眼。
对照组三个数摆旁边，GPT-6.1 Sol 87.9、Claude Opus 5.5 83.2、Grok 4.7 82.7。
榜后的背景在引帖里也摆了，出处 Z.ai 。发布方刚融完两亿美元 B 轮，Lightspeed 和 Khosla 领投，同批放出 Alignment Index。它基于九万多个真实代理会话、覆盖二十七个模型，专盯越权、归因造假、完成造假这三样。团队九十人，商业化八个月冲到约一亿美元年化。
"任务没做完却说做完了"这半句是全场重心。前面自己测自己先露了馅讲的是个体翻车，这条讲的是七家在同一道题上栽了同一跤。跟前面教它别犯更教它回得来呼应，那条在训练里补，这条在榜单上量，两头都在同一件事上使劲，说真话比做对事更难量化。
两亿美元这个数我单拎出来记。一家专评"会不会乱来"的公司拿到这个价码，说明市场已经把对齐当成基础设施来买了。
我留的疑问有三处。三个分项的权重没说；七家进前十的口径怎么算没拆；Sol 那 87.9 在什么任务族上得的也没给。
这周拿自己手头的代理跑一遍三信号，看落在哪一档。
