Qwen3.8 Max (0902)
阿里巴巴· 2026-09-01 上线国产
综合榜暂不排名：评测成绩还不够
编程
40.9
科研
53.0第 34 名
专业办公
—
知识问答
52.4第 29 名
- 评测覆盖
- 8 / 25 项 · 32%
- 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 |
|---|---|---|---|---|
| FrontierSWE | 17.8% | 40.9 | xhigh | 21 |
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） | 65.6% | 52.1 | xhigh | 66 |
| FrontierMath（4 级） | 34.1% | 47.4 | xhigh | 57 |
| CritPt | 17.7% | 55.3 | 未注明 | 101 |
| OTIS Mock AIME | 100.0% | 56.5 | xhigh | 87 |
| SciCode | 52.1% | 53.7 | 未注明 | 97 |
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 | 47.3% | 50.6 | xhigh | 65 |
| GPQA Diamond | 92.3% | 54.2 | 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 | 37.0% | 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。