Qwen 3.8 Max
阿里巴巴· 2026-08-02 上线国产
综合第 18 名
54.0
编程
51.2
科研
55.3第 25 名
专业办公
59.3
知识问答
52.2第 31 名
- 评测覆盖
- 12 / 25 项 · 48%
- 缓存输入
- —
- 输入
- ¥12.00
- 输出
- ¥36.00
价格：人民币 / 百万 Token。没有名次的领域是成绩还不够，暂不排名。
编程
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| DeepSWE | 57.5% | 50.2 | xhigh | 26 |
| FrontierSWE | 15.8% | 39.8 | xhigh | 21 |
| WebDev Arena | 1,671 | 63.5 | 未注明 | 96 |
科研
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| FrontierMath（1–3 级） | 74.7% | 56.3 | xhigh | 66 |
| FrontierMath（4 级） | 46.3% | 51.7 | xhigh | 57 |
| CritPt | 20.0% | 57.4 | 未注明 | 101 |
| ProofBench | 58.0% | 55.1 | 未注明 | 77 |
| OTIS Mock AIME | 99.4% | 56.2 | xhigh | 87 |
| SciCode | 53.2% | 55.0 | 未注明 | 97 |
专业办公
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| APEX-Agents | 63.3% | 59.3 | 未注明 | 49 |
知识问答
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| SimpleQA Verified | 45.8% | 49.8 | xhigh | 65 |
| GPQA Diamond | 92.7% | 54.6 | xhigh | 84 |
仅展示（不计分）
这些评测测的能力不在四个领域里，或者我们还没把握归到哪个领域。
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| 国际象棋谜题 | 46.0% | 不计分 | xhigh | 88 |
原始成绩取这个模型各个推理档位（xhigh、未注明）和各种评测配置里最好的一次；标准分 = 50 + 10 × （成绩 − 平均）÷ 标准差，在近 12 个月上线的模型里比较。「不计分」是这项评测有成绩的模型太少或不在计分范围。 数据 10月16日 06:10 更新。