跳到正文

Qwen3.8 Max 0902

数据来源:AIHOT

← 模型榜
Alibaba

上线日期: 2026-09-01 · 上下文: 100万 Token

62.9

综合排名 28

官方 API 价格 ¥ / 百万 Token

输入
¥12
输出
¥36
缓存命中
¥1.5
官方价格页 ↗

领域能力

榜单名次评分评测数
综合2862.930
编程2861.510
科研3861.16
专业办公2167.99
知识问答4160.54

编程 · 61.5

评测机构公布的成绩折算分原榜名次核实日期备注
Terminal-Bench 4.0 ↗

在终端完成软件、科研等复杂任务,再由各题的测试检查结果。

Vals AI38.9%67.3222026-11-18
备注

代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

Terminal-Bench 4.0 ↗

在终端完成软件、科研等复杂任务,再由各题的测试检查结果。

Artificial Analysis38.9%67.1582026-11-18
备注

代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

Code Migration v1.1 ↗

把现有程序改写成另一种编程语言,用隐藏测试检查行为是否一致。

Vals AI57.2%64.7112026-11-18
备注

代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

FrontierCode 2.0 ↗

在真实开源仓库里改代码,看改动能不能达到维护者愿意合并的水平。

Artificial Analysis23.4%63.7692026-11-18
备注

代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

Vibe Code Bench v1.1 ↗

按一份需求从零搭出网页应用,再在浏览器里按验收步骤逐项检查功能。

Vals AI77.1%62.7452026-11-18
备注

代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

TapTap Maker ↗

在真实游戏引擎里用 Lua 写出能跑起来的游戏功能,由引擎实际运行判对错。

TapTap Maker76.2%62.2202026-11-18
备注

代表配置:xHigh 推理 · claude。评测方为每个模型指定 Agent(通常是厂商自家的);按预先固定的推理档位优先级选择,成绩归到基础模型。

MirrorCode ↗

看不到源码,只能运行原程序、读文档,用另一种语言把整个程序重写出来。

Epoch AI47.8%61.9232026-11-18
备注

代表配置:xHigh 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

Terminal-Bench 4.0 ↗

在终端完成软件、科研等复杂任务,再由各题的测试检查结果;官方榜为每个模型指定 Agent,通常是厂商自家的。

Terminal-Bench27.0%61.1412026-11-18
备注

代表配置:Max 推理 · Claude Code。评测方为每个模型指定 Agent(通常是厂商自家的);按预先固定的推理档位优先级选择,成绩归到基础模型。

FrontierSWE v2 ↗

每次最多给 20 小时,完成编程、性能优化或科研计算这类大任务。

Proximal Labs20.8%55.4222026-11-18
备注

代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

SciCode ↗

把物理、化学、生物等科研问题写成能运行、算得对的计算代码。

Artificial Analysis52.1%52.91002026-11-18
备注

代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

科研 · 61.1

评测机构公布的成绩折算分原榜名次核实日期备注
CritPt ↗

物理研究前沿的原创难题,要一步步推导出准确答案。

Artificial Analysis17.7%63862026-11-18
备注

代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

Terminal-Bench Science ↗

在命令行里走完一段科研流程:处理数据、跑分析、得出结果。

Artificial Analysis11.9%62.9692026-11-18
备注

代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

Humanity's Last Exam ↗

数学、科学、人文等几十个学科的专家级难题,不借助工具直接作答。

Artificial Analysis43.1%60.1722026-11-18
备注

代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

FrontierMath T1–3 ↗

解数学家原创的高难数学题,给出可以核对的答案。

Epoch AI65.6%59.2412026-11-18
备注

代表配置:xHigh 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

CritPt v2 Hard ↗

修订版研究级物理题里较难的 40 道,可以写代码辅助演算。

Artificial Analysis29.5%59.1912026-11-18
备注

代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

Chess Puzzles ↗

看文字写成的国际象棋棋局,找出正确的一步,由象棋引擎核对。

Epoch AI37.0%58.4492026-11-18
备注

代表配置:xHigh 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

专业办公 · 67.9

评测机构公布的成绩折算分原榜名次核实日期备注
TaxAgentBench ↗

回答税务专业问题,要查到税法依据并注明出处。

Vals AI49.7%79.442026-11-18
备注

这项成绩和这个模型的其他成绩差得太远,它对总分的影响设了上限,一个异常成绩带偏不了总分。代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

Harvey 法律 Agent 基准 v1.1 ↗

处理法律资料,交付 Word、Excel、幻灯片等能直接审阅的文件。

Vals AI15.4%71.8132026-11-18
备注

代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

AA-Briefcase ↗

完成办公项目里写报告、做表格这类长任务,按细则和成果质量评分。

Artificial Analysis1,60471.4262026-11-18
备注

代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

Legal Research Bench ↗

像律师一样查法规和判例,写出有出处的结论。

Vals AI46.2%69.5212026-11-18
备注

代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

Excel Modeling v1.1 ↗

在 Excel 里搭财务模型:在模板上补全,或者从零建表。

Vals AI72.0%69162026-11-18
备注

代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

GDPval-AA ↗

按几十种职业的真实工作出题,比如写报告、做表格,由裁判两两比较产出质量。

Artificial Analysis1,674.168.9232026-11-18
备注

代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

AA-Analyst Agent ↗

分析数据、回答 14 个领域的专业问题,同一题跑五次都对才算通过。

Artificial Analysis45.0%66.9282026-11-18
备注

代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

AutomationBench-AA ↗

在模拟办公软件中处理业务流程,按完成目标和守规情况评分。

Artificial Analysis56.2%65.2922026-11-18
备注

代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

Finance Agent v2.1 ↗

金融分析师的日常工作:查公司财报、做计算和分析。

Vals AI58.8%63.8342026-11-18
备注

代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

知识问答 · 60.5

评测机构公布的成绩折算分原榜名次核实日期备注
MLCR-AA ↗

读很长的医疗记录回答问题,答案要完整且不能违背原始记录。

Artificial Analysis20.0%63.8642026-11-18
备注

代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

AA-Omniscience v1.1 ↗

各领域的事实问答,答错倒扣、不会可以不答,看模型知道多少、会不会乱编。

Artificial Analysis10.557.4752026-11-18
备注

代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

SimpleQA Verified ↗

一句话就能答的事实问题,看答得对不对。

Epoch AI47.3%56.5392026-11-18
备注

代表配置:xHigh 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

AA-LCR ↗

读很长的文档,回答要把多处信息串起来才能答的问题。

Artificial Analysis80.3%54.3822026-11-18
备注

代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

真人盲选 · 65.5

评测机构公布的成绩折算分原榜名次核实日期备注
Arena WebDev ↗

真人匿名比较两个模型做出来的网页,选更好的那个。

LMArena1,675.669.4162026-11-18
备注

代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

还没有成绩的评测

  • LiveBench · 编程综合
  • ProgramBench
  • CyberBench Patch v1.1
  • APEX-SWE
  • FrontierCode 2.0 · Cognition
  • WeirdML v3
  • LiveBench · 推理与数学
  • 致知 · 逻辑月榜
  • 司南 · 推理
  • ARC-AGI-2
  • 司南 · 抽象
  • Mystery Game Puzzles
  • MysteryMechanism
  • Terminal-Bench Science · Vals
  • BioMysteryBench
  • APEX-Agents 1.1
  • Harvey LAB 1.1 · AA
  • τ³-Banking · Mercor
  • LiveBench · 数据分析
  • 司南 · 知识
  • LiveBench · 语言与指令
  • NYT Connections 扩展版
  • BullshitBench · 错误前提
  • Arena Text

最近的新闻

09-02Arena 第 35 周 AI 大模型周榜:GLM-5.3-Flash 首秀进代码榜前十,Qwen3.8-Max-0902 登顶前端榜IT之家·人工智能

09-02阿里千问发布 Qwen3.8-Max-0902 版本,登顶 CodeArena 前端编程总榜IT之家·人工智能

09-02Qwen3.8-Max-0902 登顶 Code Arena 并以 $5/MToken 领跑 Pareto 前沿通义千问 / Qwen

09-02Qwen3.8-Max-0902 以 1691 分登顶 Code Arena: WebDev 榜首通义千问 / Qwen

09-02通义千问发布 Qwen3.8-Max-0902:2.4T 参数、1M token 上下文通义千问 / Qwen