Qwen3.8 Max：阿里最强模型更常在猜测且单位任务成本更高

阿里巴巴的Qwen3.8 Max在人工智能分析智能指数中得分为56，比Qwen3.7 Max（46分）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分），但落后于Kimi K3（57分），后者运营成本还低25%。在GDPval-AA工作基准测试中，Qwen的评分跃升468 Elo至1739，超过了Kimi K3（1685），仅Claude Opus 5（1852）表现更佳。Qwen3.8 Max每个任务需要64个而非14个工作步骤，输入令牌增加了15倍，因为测试在每一步都会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（输入每百万$2 vs $2.50，输出$6 vs $7.50，缓存命中$0.25 vs $0.50），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$0.86且得分多一分，GLM-5.2成本$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%上升至40%，这意味着Qwen3.8 Max更频繁地猜测而不是跳过。