分数的包装话术是怎么识破的？关键步骤一次讲清

「大涨 3 分」「碾压上一代」——大模型发布会的漂亮话先放一放，分数的包装话术是怎么识破的？手法万变不离其宗：选择性报告、基准挑选、口径混用。Kimi、DeepSeek 之外的许多团队都会发跑分战报，这篇给你一套三步拆解流程，把宣传数字还原成事实。

常见的分数话术清单

高频套路五种：只报自家强势单项不报总榜；拿自家新版比别家旧版；用小样本榜单的高分冒充整体水平；把「在某类题上领先」说成「全面领先」；报百分比涨幅不报基数。每种都利用了读者不会追问口径的惯性。

话术还有一个变体藏在图里：坐标轴截断的柱状图能把 0.5 分的差距画成两倍楼高，折线图换一个起点就能把平缓趋势画成陡峭上升。看图先看轴——纵轴从哪开始、横轴跨度多大、样本量标在哪，三处看完，图的夸张程度就有数了。数字会误导的前提是你不核对口径，图会误导的前提是你不核对坐标，工具本身中立，用法才分高下。把宣传图的关键数据抄成表格再判断，能绕开视觉误导；多找一两个独立来源交叉印证，成本极低而效果显著。识别话术的能力，就是在这些小动作里一点点攒出来的。攒到一定程度，你看战报的速度会变慢，但结论的可靠程度成倍上升，这笔交换稳赚。看到漂亮数字时多停三秒，先问口径、再问对照、后问波动，这三秒就是普通读者与专业读者的分水岭。

选择性报告长什么样

典型样本：宣传图列八项基准，七项优势项放大、两项劣势项悄悄缺席。识破动作是找完整榜单——把宣传数字与第三方全量榜单对一遍，缺了哪项，缺的那项往往就是答案。榜单权重不同也会制造名次错觉，见榜单权重设置；饱和榜上的微小领先被放大宣传，见评测天花板。

三步拆穿一串漂亮数字

第一步查口径：题目量、版本、部署配置写没写全；第二步查对照：比较对象是不是同代同配置；第三步查波动：差距与波动幅度相比如何，有没有区间。三步都过，数字才值得采信。雷达图把多维度摊开呈现，是拆解单一总分叙事的好工具，读法见雷达图解读；新旧版本的正确比法见版本公平对比。

包装话术的边界与自证

宣传与造假之间隔着一条线：选择性展示仍在话术范畴，伪造数据则越界。作为读者，最有效的反制是建立自己的核查习惯；作为从业者，引用分数时保留口径说明，既保护读者也保护自己。想自建评测验证宣传真伪，出题方法见自建评测出题。

话术识别也可以借助工具：把战报里的数字逐项抄下来，列成口径对照表，缺失的口径一目了然。这个动作手工十分钟就能完成，却能拦下大多数含糊宣传。对比做得越细，话术的生存空间越小；养成列对照表的习惯，等于给自己的判断加了一道工序。

从业者一侧的自证还有个简单做法：发布分数时同步给出可复现的最小配置，哪怕只覆盖核心题集，也能让第三方按图验证。愿意被验证的分数自带可信度，回避验证的分数则要打上问号。宣传与可信之间，差的从来不是技术，是把口径摊开的意愿。

拆话术三步卡

• 查口径：题量、版本、配置齐不齐
• 查对照：对手是否同代同配置
• 查波动：差距是否大于波动幅度
• 查完整榜：缺席的项是什么

换个问法再问分数话术三句

• 官方战报还能信吗？：能信其数据、慎信其裁剪，交叉核对完整榜单后使用。
• 第三方榜单就一定中立吗？：不一定，同样有权重与口径问题，只是多了一层制衡。
• 哪类话术最难识破？：口径混用，它不撒谎，只让你在不知不觉中比错了对象。