（来源：财闻）
能整理会议纪要，能检索资料库，也能进行数据分析......随着AI大模型能力的不断提升，企业级AI应用从通用问答进入具体岗位和业务流程过程中，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”？
针对当下在各类榜单上表现出色的大模型，网易智企进行了一次测试，将12款国产大模型放进真实销售任务中，让它们完成从评估线索、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。
图片来源：2026销售场景AI实战评测报告
从测试结果来看，没有一款大模型能够包揽全部任务，不同大模型在关键信息提取、业务规则遵循和成果交付方面表现不一。其中，Qwen3.8-Flash与DeepSeek-V4.1-Flash分场景领先。
榜单高分不够
连续流程才是真考验
根据网易智企发布的《2026销售场景AI实战评测报告》（以下简称《报告》），本次测评选择了DeepSeek、MiniMax、豆包、千问、Kimi、GLM等大模型品牌旗下12款模型。在测评环节，企业的销售工作被拆分为线索评估、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，并分别比较模型表现。
这种设计有助于观察不同模型在具体任务中的适配性。《报告》指出，真实销售并不是7道互不相干的考题。一次客户沟通结束后，纪要中记录的需求、预算和待确认事项，会影响商机阶段判断，而商机评估识别出的关键障碍，又会决定后续跟进需要询问什么、准备什么。此外，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。
这背后的原因是，在完整的销售流程中，上述7项任务不是彼此独立的，客户信息、业务判断和工作成果会在不同环节持续传递，前一个环节形成的结果，往往是下一项工作的输入。
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。换言之，模型在单点任务上得分再高，如果无法承接上一环节的信息状态，企业得到的仍可能是一堆需要人工重新拼接的“半成品”。
这正是实际场景中企业“选模型”思路的局限所在。《报告》也明确不将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。
不过，即便企业接受“按任务配模型”，如果只停留在为每个任务挑选一个高分模型，而不解决任务之间的信息延续、规则一致和成果衔接，AI大模型对企业来说仍只是分散的工具，难以进入真实业务流程。
知识、规则、工具接续运行
AI才能真正进业务
那么，企业如何从“选模型”走向“跑业务”？上述《报告》给出的路径不是继续寻找一款“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运行环境中，让能力按任务配置、让业务资产持续复用。
《报告》提出，企业需要将分散的知识、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，主要包括四类：业务知识，如客户信息、产品资料、案例和竞争信息，并明确来源、版本与适用范围。同时，这些内容不应随每次模型调用重新建立，而应作为可持续复用的业务资产。
在这一思路下，模型选择也从一线人员的额外操作，转化为Agent平台中的任务配置。《报告》介绍，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。
在实际工作场景中，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。
这一判断也得到评测数据的支撑。商机评估场景中，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%；异议处理场景中，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%。
如果商机信息需要在沟通后及时更新，响应速度可能更重要；如果任务采用周期性批量处理，成本优势则更值得关注。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。
从这个角度看，只有把客户信息、业务规则和上下游流程打通，这种配置才能从“单点提效”走向“流程提效”。
当前，企业级AI竞争正在从模型能力比拼，转向业务运行能力的比拼。《报告》公布的测试结果虽然不能直接等同于实际业务收益，但可以帮助企业缩小选大模型的范围。因此，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。
