2025年11月，一份榜单在通信圈炸开了锅——GSMA发布的Open-Telco LLM Benchmark 2.0里，整体得分第一的不是任何一家运营商的自研模型，而是GPT-5，得分65.55；紧随其后的是Grok-4-fast和Claude-Sonnet-4.5。更刺眼的是一项叫TeleYAML的测试：把一句"我要给这个切片配5G参数"翻译成合法的5G配置文件，所有前沿大模型得分集体低于30。到2026年3月MWC巴塞罗那期间，榜单已收到84个模型的提交，日本软银（SoftBank）的Large Telecom Model（LTM）拿下"top-tier"总评，而中国联通元景则凭4个垂直案例入选GSMA《运营商实践：AI大模型赋能垂直行业标杆案例集2025》。

这件事的真正信号是：运营商大模型结束了"自说自话"的时代，进入了"全球可度量"的双轨验证期——一边是GSMA的能力基准赛，一边是GSMA的落地案例赛。中国移动九天、中国电信星辰、中国联通元景这三大自研大模型，第一次被放进同一个国际坐标系里被打分。本文就拆解这套"规矩"是怎么立的、各家交出了什么答卷、以及它对通信一线意味着什么。

一、为什么运营商大模型必须有一把"国际尺子"

过去三年，运营商大模型陷入一种尴尬：每家开发布会都说自己"行业领先"，但谁也说不清"领先"到底是几个意思。原因很简单——业界一直用通用基准（MMLU、ARC、GSM8K）衡量大模型，而这些测试考的是抽象、类比、常识推理，和通信网络的真实工作完全是两回事。

通信网络是确定性系统：配一个网络切片、改一个核心网网元参数、定位一次信令故障，每一步都要求数值精确、逻辑自洽、符合3GPP/ITU规范。大模型的训练目标是"预测下一个看起来合理的词"，而不是"预测下一条能正确执行的指令"。Sebastian Barros在分析GSMA基准时一针见血地指出："一个模型MMLU能考90分，照样写不出一行语法合法的配置命令。"

GSMA正是冲着这个缺口，在MWC 2025前推出了Open-Telco LLM Benchmarks，并持续迭代到2.0（2025年11月）和Release 3（MWC巴塞罗那2026）。它和Linux基金会合作，由运营商、厂商、开发者、学术界共同提交真实用例和评测数据集，目标是把行业从比拼"通用前沿能力"，推向通信网络真正需要的"准确性与可靠性"。GSMA AI事务总监Louis Powell的原话是："电信网络要求通用AI很难给出的精度与上下文，基准测试聚焦的是真实的能力进步，而不是营销话术。"

二、GSMA基准怎么考：五个维度加一道"灵魂拷问"

GSMA Open-Telco LLM Benchmark的评测维度，是理解所有运营商大模型排名的钥匙。它把通信运营的真实任务拆成五个方向：

• 电信规范理解（specification comprehension）：能否读懂3GPP这类技术规范；
• 领域问答（domain-specific QA）：对通信专业问题的准确应答；
• 运维日志解读（operational log interpretation）：看懂网络日志、定位异常；
• 电信场景数学推理（mathematical reasoning in telecom contexts）：信令、容量、参数的数值计算；
• 配置描述（configuration description）：产出可用的网络配置。

总排名取所有评测维度的平均分。其中最"杀人"的是TeleYAML数据集——它要求模型把一句自然语言意图，转写成一份schema合法的5G配置文件。这道题直接戳中大模型软肋：输出不仅要"看起来对"，还要"结构上、语义上同时满足约束"。结果就是，GPT-5、Claude-4.5、Gemini-2.5这些通用王者在自由推理上所向披靡，可一到TeleYAML，全员跌到30分以下。GSMA由此得出一个被广泛引用的结论："通用模型会想（think），领域模型会干（act）。"

flowchart TD
    A[GSMA Open-Telco LLM Benchmark 全球尺子] --> B[能力基准赛 Capability Track]
    A --> C[落地案例赛 Deployment Track]
    B --> B1[规范理解 / 领域问答]
    B --> B2[日志解读 / 数学推理 / 配置描述]
    B --> B3[TeleYAML: 意图转5G配置<br/>前沿模型全员低于30分]
    B --> B4[84个模型提交<br/>GPT-5 65.55领跑 / 软银LTM top-tier]
    C --> C1[GSMA垂直行业标杆案例集]
    C --> C2[客户服务与运营创新]
    C --> C3[医疗健康与智慧教育]
    C --> C4[产业升级与智能制造]
    C --> C5[公共服务与社会治理]
    C --> C6[联通元景4案例入选]
    B4 -.双轨验证.-> C6

三、横评硬数据：通用王者登顶，但运营商自研杀出黑马

把GSMA基准Release 2/3的结果摊开看，会发现一个比"谁第一"更重要的分层。下表是整体榜与典型运营商自研模型的对比（数据综合自GSMA榜单与SoftBank官方公告）：

这张表的两个信号对通信人极其重要：第一，通用大模型不会自动成为通信大模型，GPT-5再强也写不利索配置文件；第二，专精比堆参数更值钱，AT&T用相对小的Gemma做微调，在故障排查这个窄任务上打败了海量参数的对手。这正是运营商自研大模型存在的根本理由——通用模型解决不了的确定性、合规性问题，必须靠"喂"通信数据、做专有训练来解决。

四、软银LTM深度拆解：日本运营商为什么冲到top-tier

GSMA榜单里最值得中国运营商研究的，是软银LTM的训练方法。它没有去和GPT-5比通用能力，而是建立了一套电信专有学习框架（telecom-specialized learning framework），核心是三段式增量训练：

• 持续预训练（continual pre-training）：在通用底座上灌入通信语料；
• 微调（fine-tuning）：针对通信任务精调；
• 强化学习（RL）：用运营商真实运维反馈做对齐。

数据侧，它不仅用公开电信数据集，还大量复用软银作为运营商自有的网络数据和网络设计、管理、运维经验——这些是任何互联网大厂都拿不到的"私有燃料"。更巧妙的是，通信数据里有大量表格数据和代码化描述，软银把这些多模态原料重组、合成为各训练阶段最优的合成数据，并用小模型（SLM）做超参搜索（HPO）来提升训练效率。软银先进技术研究所所长Ryuji Wakikawa的说法是：这套框架让LTM"能在数据扩张、底座升级时可复现地提升电信领域能力"。

LTM的意义不在于刷分，而在于软银明确表态要"全量内部采用"，目标是降低对个人专家经验的依赖、减轻运维负担。也就是说，日本运营商把GSMA基准当成了内部AI落地的质量门，而不是公关素材。这种"基准即工程验收"的态度，值得国内借鉴。

五、转向中国：能力榜与落地榜的两条路

把镜头切回国内，会发现一个有意思的路线分化：在GSMA能力基准leaderboard上，中国移动九天、电信星辰、联通元景目前鲜少高调露面；但在GSMA垂直行业标杆案例集上，中国运营商是绝对主角。 2025版案例集聚焦客户服务与运营创新、医疗健康与智慧教育、产业升级与智能制造、公共服务与社会治理四大领域，联通数智一家就有4个案例同时入选。

这不是中国运营商"不敢考"，而是战略选择不同。日本软银走的是"基准追能力、自用提效能"的窄而深路线；中国运营商受制于算力自主、全栈国产、行业赋能的复合目标，更倾向于"用落地证明价值"。但代价是——缺乏一把国际公认的能力尺子，外界很难横向比较九天、星辰、元景到底谁更强。GSMA基准的存在，恰恰补上了这块短板，也给中国运营商提了个醒：能力可度量，才谈得上可信。

六、联通元景四大GSMA案例：从医疗到船舶的硬数据

GSMA案例集里数据最硬、最值得通信人抄作业的，是联通元景这套基于自研元景多模态大模型的行业落地。四个案例分属医疗、工业、政务、文创，下面逐个拆，重点放在工业。

案例一：联舟智舶——大模型驱动船舶设计（工业/智能制造）。 这是整本案例集里量化最充分的一个。船舶设计有三大痛点：行业规范复杂、2D图纸建模低效、定制响应慢。联通数智联合上海联通和工业软件研发机构，基于元景多模态大模型，外加DeepSeek+元景MaaS平台RAG技术（这是2025—2026运营商大模型融合DeepSeek的典型打法），推出规范问答、翻模设计、软件设计三款智能体，重构船舶设计全流程。传统翻模要10—20个工程师干3—5个月，AI介入后的成效如下表：

这个案例的可贵之处在于：它不是拿大模型写文案，而是把多模态识别（看2D图纸）+RAG（查规范）+代码生成（出DSL建模指令）串成一个工程闭环，产出的是可直接执行的设计产物，而不是一段"看起来合理"的文字。这恰好呼应了GSMA基准里"领域模型会act"的判断。

案例二：医疗影像质控大模型（医疗）。 针对医疗影像互认率低、重复检查多、医保支出高的顽疾，联通数智牵头打造"智能影像质检平台"：用多模态大模型同时做图像质量评估和报告文本的深度语义分析，标准化图像与报告输出，降低误诊漏诊，并为区域疾病谱研究、分级诊疗、国家级影像质控标准制定提供数据底座。

案例三：人社12333智能咨询助手（政务）。 传统12333热线面对激增的政策咨询不堪重负。联通用跨域多源知识增强大模型问答，融合人社专业知识库，攻克通用大模型"幻觉"和知识滞后两大难题，应答做到"精准、有据可溯"，并采用"AI助手+人工专家"协同、7×24小时模式，既给管理部门分流减负，又让市民"随时问、秒解惑"。

案例四："智衣衿"文物数字活化（文创）。 基于元景多模态大模型和文博行业数据，游客一键拍照即可"穿越"到心仪朝代、化身历史名人，生成带本人面部特征又基于史实物料的古风纪念照和视频，已在首都博物馆、杭州博物馆、川博等多馆落地。

四个案例的共同点：全是多模态、全是RAG增强、全部对接真实业务系统产出可执行结果——这正是GSMA案例集2025版比2024版更强调"量化成效与商业模式清晰"的体现。

七、三大自研大模型在全球基准视角下的定位

回到三大运营商自研大模型本身，在GSMA坐标系下，它们的差异化定位反而更清晰了：

可以看出，三家其实是在不同赛道上发力：九天押注算力与底座自主可控，星辰押注开源生态与多模态普惠，元景押注垂直场景的工程化复制。在GSMA基准的"能力榜"上，目前是SoftBank这类窄而深的领域模型占优；在"落地榜"上，元景这类密集案例的工程化路线占优。 对中国运营商而言，两条路其实并不冲突——落地积累的通信数据，正是训练出能在GSMA能力榜上冲顶的领域大模型的"私有燃料"。

八、给通信一线的三点判断

第一，别再迷信"参数大就是通信大模型"。GSMA基准已经证明，AT&T微调Gemma在故障排查上能反超大参数模型，软银LTM靠专有训练框架拿下top-tier。通信大模型的价值在于"act"——产出合法配置、可执行指令，而非"think"。

第二，运营商大模型进入"双轨验证"时代。对外要敢上GSMA能力榜证明硬实力，对内要在GSMA案例集这类体系里证明落地价值。联舟智舶这种"多模态识别+RAG+代码生成"的工程闭环，比任何跑分都更有说服力，也最值得一线网优、装维、研发团队参考。

第三，DeepSeek+自研大模型MaaS的RAG组合，正在成为2026的行业标配。联舟智舶规范查询准确率从45%拉到85%，靠的就是这套组合拳。这意味着大模型的胜负，越来越不取决于底座本身，而取决于谁能把行业知识、规范、图纸、日志最干净地喂进RAG管线。

GSMA这把尺子立起来之后，运营商大模型再也没法只靠发布会定输赢了。能力要可测，落地要可量——这两条，将是接下来两年评判任何一家"通信大模型"真伪的唯一标准。

参考来源

1. SoftBank Large Telecom Model Tops GSMA Benchmark Ranking in Generative AI — The Fast Mode — 软银LTM在GSMA Open-Telco LLM Benchmarks（84模型）获top-tier总评，含五大评测维度与电信专有学习框架细节。
2. Which Is the Best AI Model for Telcos? GSMA Just Told Us — Sebastian Barros Newsletter — GSMA Open-Telco LLM Benchmark 2.0结果：GPT-5以65.55领跑，TeleYAML全员低于30，AT&T微调Gemma反超大模型。
3. 联通元景四大实践入选GSMA运营商AI大模型标杆案例集 — 新华网/网易 — 联通元景医疗影像质控、联舟智舶、人社助手、智衣衿4案例入选GSMA 2025标杆案例集。
4. 赋能三大场景：中国联通助力船舶产业"乘风破浪" — 新浪财经 — 联舟智舶基于元景多模态+DeepSeek RAG，规范查询效率+30%、人力省40%、效率+50%、软件设计周期-50%的量化成效。
5. GSMA Open-Telco LLM Benchmarks ranks frontier AI models for Telco AI — GSMA Newsroom — GSMA官方：基准揭示网络自动化就绪度的关键差距，Open Telco AI initiative在MWC巴塞罗那2026启动。

本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵爱卫生（微信ID: gprshome201101）维护，聚焦5G/6G核心网、3GPP标准解读、通信前沿技术深度分析。 出版作品有《5G核心网原理与实践》《IMS原理与实践》等4本通信专业书籍。知识星球「51学通信」提供深度技术答疑和行业洞察。

[!tip] 51学通信知识星球 星主：爱卫生（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 星球定位：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 当前规模：5200 篇主题 / 990 个回答，198 元/年。 加入福利：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 AI 加持：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。