据 Artificial Analysis 称,经过使用 Alibaba Cloud 官方 API 重新测试后,Qwen3.8 Max 的智能指数得分提升至 56 分。根据 Beating 的监测结果,该分数与 Claude Opus 4.8 持平,但比 Kimi K3 低 1 分。此前的测试曾遇到间歇性界面异常。
Qwen3.8 Max 在 Agent 任务中的提升最为显著,在 GDPval-AA 上获得 1,739 分,超过 Kimi K3 的 1,685 分和 GPT-5.6 Sol 的 1,730 分。不过,由于 API 调用次数增加且输出更长,其每项任务的代币成本从 0.53 美元升至 1.14 美元,高于 Kimi K3 的 0.86 美元。该模型的幻觉率也从此前的 23% 上升至 40%。