← 返回综合榜CAPABILITY PROFILE UNDERSTANDING THE RANK
查看 Claude Opus 4.7 的完整证据 →
查看 Qwen3.8 Flash Next 的完整证据 →
查看 GLM-5.3 Flash 的完整证据 →
查看 Muse Spark 1.2 的完整证据 →
查看 Qwen3.8 Max 0902 的完整证据 →BEHIND THE SCORE
Qwen3.8 Max
Alibaba · 2026-07-19 发布 · 09/16 02:57 更新
分类成绩4 / 4 项分类
已有成绩18 项评测
上下文窗口— Token
API 输入 / 输出 · 每百万 Token¥12 / ¥36厂商官方价格 ↗
各有所长，看得更清楚。
每项能力单独计算。没有足够的实测，就留空。
不同分类的分数反映各自参照组中的排序支持，不能直接相加或用来比较不同能力的绝对高低。
综合名次，有多稳定？
依次移除一项评测或一家机构、调整单项权重与误差处理，观察排名怎样变化。
重新检查资格后的名次13—16 名
已完成的对照中均具备参评资格。保持原候选不变时为 13—16 名。这个范围不是置信区间，也不包含从未公开的成绩。
查看与附近模型的共同证据
净支持只看双方共同参加的评测。全局排序还需处理其他模型间的冲突，因此非相邻名次可能与单独比较不同。
Claude Opus 4.716 项共同评测共同证据支持对方
双方共同拥有当前榜单 76.8% 的名义票权。下表展示原始成绩，已知误差的软化处理会影响净支持，不只数赢了几项。
| 共同评测 | 本模型 | 对方 | 票权 |
|---|---|---|---|
| Arena 创作盲选 ↗ | 1,471.5 | 1,488.4 | 5.0% |
| Arena Text ↗ | 1,480.6 | 1,501.7 | 5.0% |
| Arena Vision ↗ | 1,301.8 | 1,300.9 | 6.0% |
| Arena WebDev ↗ | 1,670.6 | 1,555.2 | 2.4% |
| AA Index ↗ | 40.3 | 40.7 | 30.0% |
| Chess Puzzles ↗ | 29.0% | 7.0% | 1.8% |
| FrontierMath v2 · Tiers 1–3 ↗ | 74.7% | 70.2% | 3.6% |
| FrontierMath v2 · Tier 4 ↗ | 46.3% | 31.7% | 1.2% |
| GPQA Diamond ↗ | 92.7% | 86.4% | 2.0% |
| Mystery Game Puzzles ↗ | 38.0% | 28.0% | 1.2% |
| SimpleQA Verified ↗ | 45.8% | 51.7% | 4.0% |
| LiveBench · 编程 ↗ | 68.8% | 66.4% | 2.4% |
| LiveBench · 推理 ↗ | 89.8% | 90.0% | 4.2% |
| LiveBench · 语言与指令 ↗ | 76.9% | 72.3% | 3.0% |
| τ³-Banking ↗ | 55.2% | 40.2% | 2.0% |
| Vals Finance Agent ↗ | 50.6% | 51.5% | 3.0% |
Qwen3.8 Flash Next5 项共同评测共同证据支持本模型
双方共同拥有当前榜单 42.0% 的名义票权。下表展示原始成绩，已知误差的软化处理会影响净支持，不只数赢了几项。
| 共同评测 | 本模型 | 对方 | 票权 |
|---|---|---|---|
| Arena WebDev ↗ | 1,670.6 | 1,635.3 | 2.4% |
| AA Index ↗ | 40.3 | 39.9 | 30.0% |
| LiveBench · 编程 ↗ | 68.8% | 67.1% | 2.4% |
| LiveBench · 推理 ↗ | 89.8% | 86.6% | 4.2% |
| LiveBench · 语言与指令 ↗ | 76.9% | 75.9% | 3.0% |
GLM-5.3 Flash16 项共同评测共同证据支持本模型
双方共同拥有当前榜单 78.0% 的名义票权。下表展示原始成绩，已知误差的软化处理会影响净支持，不只数赢了几项。
| 共同评测 | 本模型 | 对方 | 票权 |
|---|---|---|---|
| Arena 创作盲选 ↗ | 1,471.5 | 1,434.9 | 5.0% |
| Arena Text ↗ | 1,480.6 | 1,475.4 | 5.0% |
| Arena Vision ↗ | 1,301.8 | 1,274.8 | 6.0% |
| Arena WebDev ↗ | 1,670.6 | 1,607.1 | 2.4% |
| AA Index ↗ | 40.3 | 41.9 | 30.0% |
| DeepSWE v1.1 ↗ | 57.5% | 63.4% | 3.6% |
| Chess Puzzles ↗ | 29.0% | 14.0% | 1.8% |
| FrontierMath v2 · Tiers 1–3 ↗ | 74.7% | 55.8% | 3.6% |
| FrontierMath v2 · Tier 4 ↗ | 46.3% | 17.1% | 1.2% |
| GPQA Diamond ↗ | 92.7% | 90.2% | 2.0% |
| Mystery Game Puzzles ↗ | 38.0% | 8.0% | 1.2% |
| LiveBench · 编程 ↗ | 68.8% | 67.9% | 2.4% |
| LiveBench · 推理 ↗ | 89.8% | 79.4% | 4.2% |
| LiveBench · 语言与指令 ↗ | 76.9% | 65.1% | 3.0% |
| TapTap Maker ↗ | 82.5% | 81.5% | 3.6% |
| Vals Finance Agent ↗ | 50.6% | 57.9% | 3.0% |
Muse Spark 1.211 项共同评测共同证据支持本模型
双方共同拥有当前榜单 68.6% 的名义票权。下表展示原始成绩，已知误差的软化处理会影响净支持，不只数赢了几项。
| 共同评测 | 本模型 | 对方 | 票权 |
|---|---|---|---|
| Arena 创作盲选 ↗ | 1,471.5 | 1,452.4 | 5.0% |
| Arena Text ↗ | 1,480.6 | 1,499.6 | 5.0% |
| Arena Vision ↗ | 1,301.8 | 1,291.5 | 6.0% |
| Arena WebDev ↗ | 1,670.6 | 1,534.4 | 2.4% |
| AA Index ↗ | 40.3 | 39.8 | 30.0% |
| DeepSWE v1.1 ↗ | 57.5% | 54.9% | 3.6% |
| SimpleQA Verified ↗ | 45.8% | 60.3% | 4.0% |
| LiveBench · 编程 ↗ | 68.8% | 67.6% | 2.4% |
| LiveBench · 推理 ↗ | 89.8% | 90.6% | 4.2% |
| LiveBench · 语言与指令 ↗ | 76.9% | 76.4% | 3.0% |
| Vals Finance Agent ↗ | 50.6% | 60.6% | 3.0% |
Qwen3.8 Max 09027 项共同评测共同证据支持对方
双方共同拥有当前榜单 18.6% 的名义票权。下表展示原始成绩，已知误差的软化处理会影响净支持，不只数赢了几项。
| 共同评测 | 本模型 | 对方 | 票权 |
|---|---|---|---|
| Arena WebDev ↗ | 1,670.6 | 1,680.8 | 2.4% |
| Chess Puzzles ↗ | 29.0% | 40.0% | 1.8% |
| FrontierMath v2 · Tiers 1–3 ↗ | 74.7% | 65.6% | 3.6% |
| FrontierMath v2 · Tier 4 ↗ | 46.3% | 34.1% | 1.2% |
| GPQA Diamond ↗ | 92.7% | 92.3% | 2.0% |
| SimpleQA Verified ↗ | 45.8% | 47.3% | 4.0% |
| TapTap Maker ↗ | 82.5% | 83.3% | 3.6% |
每一项成绩，都有来处。
下面是该模型的公开汇总成绩。展开可查看运行配置与采用方式。
