大模型世界

Qwen3.8 Max

阿里通义的全部模型 →国内视觉模型综合智力第 23 名

综合智力全球第 23，偏贵、会看图

加入对比查看评测视频查看评测文章
聪明世界#23
编程顶尖自报
记性1M
便宜$6.0

记性换算成体感：一次能读完《哈利·波特》全七部

Qwen 系列的视觉模型 · 按发布时间

共 41 个 · 这里是相邻的 7 个 · 阿里通义的全部模型 →
  1. 2026.06Qwen3.7 PlusECI 147.1
  2. 2026.07Qwen3.7 FlashECI 144.1
  3. 2026.07Qwen3.8 Max PreviewECI 158.0
  4. 2026.08Qwen3.8 MaxECI 158.0
  5. 2026.08Qwen3.8 27BECI 151.8
  6. 2026.08Qwen3.8 Flash未参评
  7. 2026.08Qwen3.8 Flash Next未参评

她的房间

编程能力：多屏黑客洞
电脑
67.7% · SWE-Bench Pro · 厂商系统卡自评，未经第三方复核
上下文窗口
书架
5 层 · 记忆 1M tokens
数学与科学推理成绩
黑板
数学与科学推理
知识截止日期
日历
知识截止日期未公开
上下文缓存
冰箱
支持上下文缓存，能存记忆
闭源
门禁
闭源，权重不公开

身世

发布日期
2026 年 8 月 2 日epoch.ai
知识截止
暂无数据
参数量
体型为估算值，官方从未公布参数量
开放权重
否
开源许可
暂无数据
上下文窗口
1M tokens
单次最大输出
131K
输入价格
$2.00 / 百万 tokens
输出价格
$6.00 / 百万 tokens
模型类型
视觉除了文字还能看图片或视频，输出文字
支持的输入
图像、文件、文字、视频 → 文字
工具调用
是
深度思考
是
提示缓存
是

战绩

综合智力
158.0
AIME 数学
99.4%
GPQA Diamond 科学
92.7%
ARC-AGI-2 抽象推理
未参评
Fiction.liveBench 长文本
未参评

综合智力、数学、科学、抽象推理与长文本数据来自 Epoch AI（CC-BY 4.0）。写「未参赛」的项目表示该模型没有被这项评测收录， 不代表它做不到——本站不会用估算值填补空缺。

编程战绩（按赛制分列）

  • SWE-Bench Pro67.7%
    同一个思路但难度高得多的版本，题目更长、依赖更复杂。分数普遍比 Verified 低三十分左右，两者不可直接比较。厂商自报
  • FrontierSWE73.5%
    面向前沿模型设计的高难度软件工程题，普通模型基本做不动，用来拉开顶尖选手之间的差距。厂商自报
  • DeepSWE57.5%
    SWE-bench Verified 的一个变体测法，用不同的 agent 脚手架跑同一批题。第三方实测
    https://deepswe.datacurve.ai/
  • Terminal-Bench86.6%
    把模型丢进一个真实终端里让它自己干完一件活——装环境、跑脚本、调错。考的是当「实习生」的本事，不只是写代码。厂商自报
  • LiveBench 智能体编程64.7%
    LiveBench 的智能体编程分项：不是写一段代码，而是像开发者那样多轮改动一个项目。第三方实测
    https://livebench.ai/#/?release=2026-06-25
  • NL2Repo55.9%
    从一段自然语言需求直接生成一整个可运行的代码仓库。厂商自报
  • LiveBench 编程分项72.9%
    LiveBench 每月换新题以避免污染，这一列是它的编程分项均分。第三方实测
    https://livebench.ai/#/?release=2026-06-25
  • MirrorCode52.2%
    Epoch AI 自测的一项代码评测。第三方实测
    https://epoch.ai/benchmarks
  • WebDev Arena1671 Elo
    让两个模型各写一个网页，由人来投票选哪个更好，按对战胜负算 Elo 分。考的是前端开发的实际观感，和「能不能修复一个后端 bug」不是一回事。第三方实测
    https://epoch.ai/benchmarks

这些分数不可互相比较。同一个模型换一套评测脚手架就能差二三十分： SWE-bench Verified 的中位数是 75.7，而难度更高的 SWE-Bench Pro 只有 41.0。 广场上的能力条因此显示的是「在同一把尺子下排第几」，而不是分数本身。

全部成绩（按榜单分列）

名次的分母是在同一个榜、由同一类测量方测过的模型数，不是全站模型数。不同榜的分数不可互相比较。

综合
数学
知识与推理
  • GPQA 科学92.7%第 23 / 215
    博士级别的物理、化学、生物选择题，题目设计到「谷歌也搜不到答案」。随机乱猜是 25 分。第三方实测
    https://epoch.ai/benchmarks
  • SimpleQA 事实问答45.8%第 44 / 109
    一问一答的冷门事实题，测的是「知不知道」和「会不会瞎编」。分数低的模型更容易一本正经地胡说。第三方实测
  • CritPt 物理20.0%第 28 / 192
    研究级别的物理问题，由在职物理学家出题。测的是能不能做前沿科研级的推理。第三方实测
智能体
  • 联网搜索竞技场1261 Elo第 1 / 13
    带联网能力的模型回答时效性问题，真人盲选谁查得准、答得实在。第三方实测
  • APEX 专业任务63.3%第 14 / 68
    投行、律所、咨询公司的真实工作任务，由业内专家出题与评分。第三方实测
游戏与谜题
其他

B 站上的 Qwen3.8 Max 实测10 个视频

在 B 站搜「Qwen3.8 Max 测评」↗

以上为 B 站搜索结果，按播放量排（站长的视频置顶），内容由各 UP 主提供，不代表本站观点。