Qwen3.8 Max重測後追平Opus 4.8

8月7日消息，評測機構 Artificial Analysis 重測 Qwen3.8 Max 後，將其 Intelligence Index 從 53 分上調到 56 分。此前測試接口出現間歇性異常，這次改用阿里雲官方 API 重跑。新成績追平 Claude Opus 4.8，但仍比 Kimi K3 低 1 分。 千問進步最明顯的是 Agent 任務。GDPval-AA 得分達到 1739，超過 Kimi K3 的 1685 和 GPT-5.6 Sol 的 1730，僅落後 Claude Opus 5。終端操作、科學推理和編程評測也普遍上漲。 代價是更費 Token。Qwen3.8 Max 的 Token 單價比上一代更低，但完成一道綜合評測任務的平均成本，仍從 0.53 美元漲到 1.14 美元，高於 Kimi K3 的 0.86 美元。主要原因是它在 Agent 任務中調用更多輪次，生成的內容也更多。 它的知識可靠性還出現倒退。AA-Omniscience 準確率基本沒變，幻覺率卻從上一代的 23% 升到 40%。