Qwen3.8 Max：阿里巴巴最强モデルは推測が多くなり、タスクごとのコストも上昇

阿里巴巴的Qwen3.8 Max在人工智能分析智能指数中得分56，比Qwen3.7 Max（46）高出10分。根据人工智能分析，它与Claude Opus 4.8持平，领先于GLM-5.2（51），但落后于Kimi K3（57），后者运营成本还低25%。在GDPval-AA工作基准测试中，Qwen提升了468 Elo至1739，超越了Kimi K3（1685），仅落后于Claude Opus 5（1852）。Qwen3.8 Max每个任务需要64个而非14个工作步骤，输入令牌数量增加了15倍，因为测试在每一步都重新发送整个对话历史。该模型更彻底，但更慢且成本更高。尽管令牌价格下降（输入$2对$2.50，输出$6对$7.50，缓存命中$0.25对$0.50每百万），但智能指数中的一个任务成本为$1.14，是Qwen3.7 Max的$0.53的两倍多。Kimi K3成本为$0.86且多一分，GLM-5.2为$0.57。与前代产品相比，Qwen3.8 Max在AA-LCR（-2分）和AA-Omniscience（-10分）上也有所退步。其命中率保持在31%左右，但幻觉率从23%上升到40%，这意味着Qwen3.8 Max更多时候是猜测而非传递。