![]()
一、本月导览与核心看点
2025 年 9 月，SCALE 评测基准持续聚焦 AI 在 SQL 领域的应用前沿。本月，榜单新增了 Moonshot AI（月之暗面） 发布的最新模型 ------ Kimi-K2-Instruct-0905，还在平台功能上进行了升级，旨在为开发者、研究者和企业决策者提供更精细、更具洞察力的技术参考。
本期核心看点：
- 新增模型评测 ：新增的 Kimi K2 模型在「SQL 理解 」维度获得 70.4 分，「SQL 优化 」维度获得 64.4 分，「方言转换 」维度获得 63.0分。评测结果显示，该模型在国产数据库适配和基础语法处理方面表现突出，但在处理超长复杂查询和深度优化方面与领先模型存在差距。
- 平台功能升级 ：新增 模型细分指标排名 与 模型对比 功能。用户现可查看各模型在 「逻辑等价 」、「执行准确性」 等细分能力上的排名，并支持对多个模型进行多维度的可视化对比分析，进一步提升了评测数据的透明度与实用性。
二、评测基准说明
为保证评测结果的长期可比性和权威性，本月我们的核心评测基准与算法保持不变。我们继续沿用 SCALE 自创立之初便确立的三维评测体系，确保所有模型与工具在统一、标准的测试环境下进行评估，以提供公正、可复现的评测结果。
- SQL 理解：考察模型是否能精准解析复杂的查询逻辑与用户意图。
- SQL 优化：考察模型提升查询效率与性能的意识和能力。
- 方言转换：考察模型在主流数据库之间进行语法迁移的准确性。
我们认为，稳定的评测体系是追踪模型能力演进、洞察技术发展趋势的基石。
三、焦点分析
专题：国产新锐 Kimi K2 首次评测
作为本月新增的焦点模型，Kimi K2 在其首次评测中，各维度得分分别为：
- SQL 理解：70.4
- SQL 优化：64.4
- 方言转换：63.0
这些分数背后揭示了其作为一个通用大模型在 SQL 领域的具体能力分布。
SQL 理解能力：70.4
这是一个稳健的分数，表明 Kimi K2 具备可靠的 Text-to-SQL 基础能力。
该分数主要得益于其在「执行准确性 」（72.9）和「语法错误检测 」（82.9）上的良好表现。然而，其在「执行计划检测 」子项上得分仅为 42.9，这反映出模型能够准确生成符合用户意图的 SQL 代码，但是在评测中发现，Kimi K2 将 SQL 语句类型误认为执行计划访问类型，在访问类型上填写为 INSERT、UPDATE 等 SQL 语句类型，表现出过度依赖表面语法特征而非深层语义理解的问题，Kimi K2 在 SQL 执行计划理解能力上还有待加强。
![]()
SQL 优化能力：64.4
该分数体现了模型在 SQL 优化 方面的能力特点：侧重于保证语法的正确性，但在深度优化上表现不足。
具体来看，其「语法错误检测 」获得 100 分满分，保证了优化后代码的可用性；「逻辑等价 」（68.4），表现尚可。但其核心短板在于「优化深度 」（55.6），该项得分仅排名第 14，说明其优化策略倾向于保守和普适，在投影下推和 LIKE 前缀优化测评时表现不佳，Kimi K2 未能使用到这些查询优化技术，缺乏对复杂查询进行深度重构以提升性能的能力。
![]()
方言转换能力：63.0
此维度的得分呈现出典型的能力分化。模型的优势在于对国内数据库生态的适配性，其「国产数据库 」转换子项得分高达 92.1。然而，其在处理「大 SQL 转换」时表现非常挣扎，得分仅为 38.7，这是该模型最主要的短板之一。
这表明，Kimi K2 在处理标准化的、具有明确国产化需求的迁移任务时表现出色，在 SQL Server 到 GaussDB 的大 SQL 转换时出现了逻辑不等价问题，如在原始 SQL 中 WHERE ProductID = @ProductID Kimi K2 将其错误的改写为 WHERE ProductID = ProductID，原始 SQL 使用参数变量而改写后使用自身比较恒为真，这将导致更新整个 Products 表，而不是只更新当前游标指向的那一行，表现出 Kimi K2 难以应对包含超长、复杂逻辑的异构数据库迁移场景。
![]()
四、平台升级：更深入、更直观的对比分析
为了帮助用户将评测数据转化为实际的选型决策，SCALE 平台本月正式上线了两项核心功能。其核心价值在于，推动用户从 "看总分排名 " 的宏观浏览，转向"为特定场景找最优解"的深度分析。
模型细分指标排名
超越总分，洞察模型的"偏科"特性。
此功能支持用户下钻到 12 个细分指标，查看模型在特定子任务上的排名，以评估模型是否满足特定场景需求。
应用举例 ：以 Kimi K2 为例，其「SQL 优化 」总分排名第 12，仅看总分可能会在初步筛选中被忽略。但通过细分指标排名，我们发现其 「语法错误检测 」排名第 9，「逻辑等价」排名第 10。这揭示了该模型在保证代码基础可用性方面是可靠的，只是在深度优化上存在短板。对于那些优先保障代码正确性而非极致性能的团队，Kimi K2 将是一个更优的选项。
![]()
模型对比分析
告别盲选，直观定位场景最优解。
该功能支持用户选择多个模型，进行多维度可视化对比，直观地进行选型权衡。
应用举例 ：假设一个团队需要在"支持国产数据库 "和"处理复杂查询迁移 "两个能力中做出选择。通过模型对比功能，将 Kimi K2 与 DeepSeek-R1 并列比较，数据将清晰呈现：Kimi K2 在「国产数据库 」转换上优势明显，但在「大 SQL 转换」上远逊于 DeepSeek-R1。这一可视化结果使得决策路径变得清晰：如果核心任务是适配国产数据库，Kimi K2 是更优选择；反之，则应选择后者。该功能将复杂的选型评估，转变为直观的数据比较，极大提升了决策的效率和准确性。
![]()
![]()
五、专家点评
![]()
尹海文，数据库专家，CCF 数据库专委会执行委员、Oracle ACE(Oracle 和 MySQL 方向)、PostgreSQL ACE。公众号 "四海内皆兄弟" 主理人，圈内拥有 "首席" 称号。
SCALE 最新发布的 9 月评测榜单，在"评测基准与算法更新说明"这段中可以看到三个关键字：SQL 理解、SQL 优化和方言专访。在我看来，清晰地指向了一个关键趋势：在 AI 与数据库技术深度融合的当下，我们正从追求"全能冠军"转向识别"场景专家"。这份榜单及其功能升级，为行业提供了前所未有的精细化选型视角。
首先，本月新晋的焦点模型 Moonshot 的 Kimi K2 的评测总体结果显示：SQL 理解(70.4)、SQL 优化(64.4)、方言转换(63.0)。不过在细分小项上比较亮眼，比如在国产数据库适配（方言转换子项 92.1 分）和基础语法正确性（优化项语法错误检测100分）上表现突出，这精准地切中了当前国产化替代浪潮中对"可用、可靠"的核心诉求。然而，其在"大 SQL 转换"（38.7分）和"优化深度"（55.6分）上的明显短板，也同样坦诚地揭示了其边界。
其次，本次榜单还有一个亮点在于其平台功能的战略升级。未来帮助用户进行技术选型。其中深化场景是特别提到的。通用大模型不能解决具体的企业自身遇到的问题。如果要精准的满意的效果，那么就要贴合企业做垂直领域的工作。这背后反映的正是数据库应用的复杂现实------企业场景千差万别。SCALE 此举，将评测从学术性的能力竞赛，提升到了工程化的选型工具层面，极大地提升了其实用价值。
综上所述，作为行业从业者，我认为未来的重点不在于争论哪个模型"最强"，而在于如何利用 SCALE 这样精细化的"能力地图"，快速定位到最适合当前技术栈与业务场景的 AI 助手。我期待 SCALE 继续深化企业级真实场景的构建，并呼吁更多厂商参与评测，共同推动 AI 在数据库领域从"可用"到"好用"的实质性飞跃。
六、总结与展望
随着 Kimi K2 等新模型的加入，SCALE 评测榜单已累计收录超过 19 款业界主流 AI 模型及专业工具。本月的功能升级是提升平台价值的重要举措，更透明、更易用的数据将有助于社区进行审慎的技术选型。
一个开放、透明的评测生态需要社区的共同建设。我们诚挚地邀请国内外更多的模型开发者、数据库工具提供商提交您的产品参与 SCALE 评测。通过在同一基准下与全球顶尖模型竞技，不仅可以精准定位产品优势与不足，更能提升品牌在开发者社区中的影响力。
即刻访问 https://sql-llm-leaderboard.com/ranking/2025-09
查看完整榜单并联系我们提交您的产品。
SCALE：为专业 SQL 任务，选专业 AI 模型。
