据爱范儿消息，Meta 首席执行官扎克伯格公布了一款被外界称为「西瓜」的模型。从披露的信息看，该模型在跑分上已能与 Opus 5.5 相媲美，但早期反馈的口碑却「一言难尽」——榜单成绩与使用体验之间出现了明显落差。
这并非孤例。过去一年多，模型发布后「跑分亮眼、体感平平」的情况反复出现，背后通常指向几个老问题：评测集与真实任务分布不一致、基准题被训练数据覆盖、以及厂商在特定榜单上做定向优化。当分数被当作唯一卖点时，用户第一次上手时的落差就会被放大，进而反噬口碑。
对 AI 从业者而言，这条消息的价值不在于「西瓜」具体强多少，而在于它再次提示：单点跑分已经很难作为选型依据。真正决定可用性的是长链条任务的稳定性、工具调用的可靠性、上下文管理能力，以及在真实业务分布下的成本与延迟表现。这些指标通常不会出现在发布会的对照表里。
另一个值得关注的点是命名与发布方式。「西瓜」这一非正式代号加上有限的公开细节，让模型的能力边界、开放程度、可用渠道都处于模糊状态。对于需要评估是否接入的团队来说，在缺乏可复现评测和稳定 API 之前，观望可能是更理性的选择。
目前该模型的完整技术细节、开放计划与第三方复现结果尚未明确。跑分能否转化为口碑，最终仍要看它在真实工作流中的表现——这也是当前所有模型发布都要面对的同一道考题。