Skip to content

Qwen3.8 Max

Data source: AIHOT

Model data is shown as published (Chinese).

← Leaderboard
Alibaba

Released: 2026-07-19 · Context: 1M tokens

62.1

Overall rank 38

Official API prices ¥ / million tokens

Input
¥12
Output
¥36
Cache hits
¥1.5
Official pricing ↗

Domain capabilities

BoardRankScoreBenchmarks
综合3862.142
编程4658.910
科研2963.611
专业办公2865.99
知识问答3361.87

编程 · 58.9

BenchmarkOrganizationPublished resultNormalized scoreSource rankVerifiedNotes
ProgramBench ↗

只给能运行的程序和说明、不给源码,重写出行为一致的程序,用隐藏测试核对。

Vals AI0.0%77.2342026-11-18
Notes

通过率低于 5%,只说明“至多这么强”;这个模型的水平已经低于这条线不少,这一项几乎不起作用。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。

LiveBench Agentic Coding ↗

在真实代码仓库里查找并修复问题,再用测试检查改动。

LiveBench64.6%66.3172026-11-18
Notes

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。

Vals AI34.3%65.5272026-11-18
Notes

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。

APEX-SWE ↗

在工程环境里连接并部署服务,或根据故障日志和监控信息排查问题。

Mercor52.3%65.2152026-11-18
Notes

代表配置:xHigh 推理 · terminus-2 · apex-swe:terminus-2。该来源对所有模型使用同一受控系统;按预先固定的推理档位优先级选择,配置明细保留,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 AI52.2%63.8212026-11-18
Notes

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。

Artificial Analysis18.7%59.61042026-11-18
Notes

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 AI64.7%57.9632026-11-18
Notes

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。

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 Analysis53.2%54.3892026-11-18
Notes

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。

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 Labs18.8%53.8232026-11-18
Notes

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。

LiveBench Coding ↗

写函数、补全代码,题目定期换新,答案自动跑测试核对。

LiveBench72.9%52.9172026-11-18
Notes

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。

CyberBench Patch v1.1 ↗

修开源项目的安全漏洞,检查能否编译、拦住原攻击并保留正常行为。

Vals AI57.1%36.6472026-11-18
Notes

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。

科研 · 63.6

BenchmarkOrganizationPublished resultNormalized scoreSource rankVerifiedNotes
司南 · 抽象 ↗

考查注意与扫描、语言理解、识别相关信息和抽象概念。

OpenCompass72.5%65.492026-11-18
Notes

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。

司南 · 推理 ↗

逻辑、数量、空间与物理推理,以及批判性思维。

OpenCompass77.5%64.8112026-11-18
Notes

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 ↗

物理研究前沿的原创难题,要一步步推导出准确答案。

Artificial Analysis20.0%64.7732026-11-18
Notes

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。

致知 · 逻辑月榜 ↗

个人长期维护的难题榜:用中文出的逻辑、数学、空间和编程题,看模型能不能想清楚。

llm201441.7%64.5232026-11-17
Notes

沿用最近一次已核验记录。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 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。

Vals AI12.9%64.5172026-11-18
Notes

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 AI74.7%64.4262026-11-18
Notes

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。

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 AI46.0%64.1292026-11-18
Notes

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。

Mystery Game Puzzles ↗

看文字描述的游戏局面,找出最好的下一步。

Epoch AI38.0%63.5232026-11-18
Notes

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。

LiveBench Reasoning ↗

斑马谜题、空间推理、情境推理这类题,答案自动核对。

LiveBench88.2%63272026-11-18
Notes

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。

MysteryMechanism ↗

自己设计实验,去推断一套隐藏的规律。

Vals AI23.9%62.6222026-11-18
Notes

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 Analysis43.0%60732026-11-18
Notes

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。

专业办公 · 65.9

BenchmarkOrganizationPublished resultNormalized scoreSource rankVerifiedNotes
Legal Research Bench ↗

像律师一样查法规和判例,写出有出处的结论。

Vals AI47.6%70.5172026-11-18
Notes

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。

APEX-Agents ↗

投行、咨询和法律里的长任务,看模型当助手能不能把一件完整的工作做完。

Mercor63.3%69.3232026-11-18
Notes

代表配置:xHigh 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent。该来源对所有模型使用同一受控系统;按预先固定的推理档位优先级选择,配置明细保留,成绩归到基础模型。

τ³-Banking ↗

扮演银行客服跟模拟客户对话:查政策、找产品、改账户。

Mercor46.7%69.3162026-11-18
Notes

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。

TaxAgentBench ↗

回答税务专业问题,要查到税法依据并注明出处。

Vals AI32.1%67.2282026-11-18
Notes

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 Analysis1,611.566.6412026-11-18
Notes

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。

LiveBench Data Analysis ↗

处理表格重排、表格连接和连续事件分析等数据题。

LiveBench78.4%65.4252026-11-18
Notes

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 AI66.0%63.8362026-11-18
Notes

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 Analysis1,381.763.3912026-11-18
Notes

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 Analysis49.2%62.21222026-11-18
Notes

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。

MedCode ↗

读住院记录,给出标准的医疗诊断编码。

Vals AI40.7%—622026-11-18
Notes

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 · 61.8

BenchmarkOrganizationPublished resultNormalized scoreSource rankVerifiedNotes
司南 · 知识 ↗

应用科学、日常生活、自然科学和人文社科等方面的知识题。

OpenCompass78.0%75.122026-11-18
Notes

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: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。

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 Analysis26.1%71.4392026-11-18
Notes

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。

NYT Connections 扩展版 ↗

把一组英文词按隐藏的类别分好,里面混着故意误导的干扰词。

Lech Mazur88.3%68422026-11-18
Notes

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。

LiveBench IF ↗

按一串具体的格式和内容要求作答,看能不能条条做到。

LiveBench74.1%66.3232026-11-18
Notes

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。

LiveBench Language ↗

纠正错字、把打乱的情节排回原序、给词语分组等语言题。

LiveBench79.7%59.8232026-11-18
Notes

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 AI45.8%55.2442026-11-18
Notes

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 Analysis78.3%51.91282026-11-18
Notes

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。

BullshitBench v2 ↗

问题里藏着错误前提,看模型能不能指出来,而不是顺着编下去。

BullshitBench27.0%34.71402026-11-18
Notes

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: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。

真人盲选 · 64.7

BenchmarkOrganizationPublished resultNormalized scoreSource rankVerifiedNotes
Arena WebDev ↗

真人匿名比较两个模型做出来的网页,选更好的那个。

LMArena1,670.568.9182026-11-18
Notes

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。

Arena Text ↗

真人匿名比较两个模型的回答,投票选出更好的回答。

LMArena1,484.163.7252026-11-18
Notes

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。

Benchmarks without results

  • Terminal-Bench 4.0 · 官方
  • Code Migration v1.1
  • FrontierCode 2.0 · AA
  • FrontierCode 2.0 · Cognition
  • WeirdML v3
  • ARC-AGI-2
  • CritPt v2 Hard · AA
  • Terminal-Bench Science · AA
  • BioMysteryBench
  • Vals Finance Agent v2.1
  • Harvey LAB 1.1 · Vals
  • Harvey LAB 1.1 · AA
  • AA-Analyst Agent
  • AA-Omniscience v1.1

Recent news

11-16通义千问发布 Qwen4 Max,Intelligence Index 较 Qwen3.8 Max 高 9 分且成本更低通义千问 / Qwen

11-16Qwen4-Max 以 1674 分位列 Image-to-WebDev Arena 第 6,较 Qwen3.8-Max 提升 35 分通义千问 / Qwen

11-16Qwen4-Max 发布,token 用量较 Qwen3.8-Max 明显下降通义千问 / Qwen

09-02阿里云企业级 Agent 协作平台“万有无界”开启公测,可调用 Qwen3.8-MaxIT之家·人工智能

09-01Accio 开源 CommerceAgentBench 基准,Qwen3.8-Max 在开源权重模型中整体表现最强通义千问 / Qwen

08-25阿里云 Token Plan 接入千问 App 及 PC 端,支持 Qwen3.8-Max 等模型IT之家·人工智能