Qwen3.8 Max 0902
Alibaba · 2026-09-01 发布 · 11/06 02:06 更新
AIHOT 评分 · 综合62.9分综合第 17 名评分不是正确率 · 评测覆盖 61%
可比较分类4/ 4 项分类
已有成绩31项评测
上下文窗口100万Token
各有所长,看得更清楚。
每个领域单独评分,和综合评分用同一种分数,可以直接比。具体能力请看下面每项成绩。
编程AIHOT 评分61.6分第 20 名10 项评测 · 覆盖 67%科研AIHOT 评分61.3分第 28 名6 项评测 · 覆盖 56%专业办公AIHOT 评分67.5分第 11 名9 项评测 · 覆盖 70%知识问答AIHOT 评分60.6分第 32 名前 30 名之外4 项评测 · 覆盖 40%
覆盖比例是这个领域里已有成绩的评测类别占比,不代表能力高低;没测的不补分,也不扣分。
每一项成绩,都有来处。
按领域列出每项公开成绩,以及它折算成的统一分数。展开可查看运行配置与采用方式。
编程61.611 项
科研61.36 项
专业办公67.59 项
知识问答60.64 项
真人盲选65.61 项
尚无成绩的评测
这些评测尚无可采用的公开成绩,缺测不补分。
LiveBench · 编程综合ProgramBenchCyberBench Patch v1.1APEX-SWEFrontierCode 2.0 · CognitionWeirdML v3LiveBench · 推理与数学致知 · 逻辑月榜司南 · 推理ARC-AGI-2司南 · 抽象Mystery Game PuzzlesMysteryMechanismTerminal-Bench Science · ValsBioMysteryBenchAPEX-Agents 1.1Harvey LAB 1.1 · AAτ³-Banking · MercorLiveBench · 数据分析MedCode司南 · 知识LiveBench · 语言与指令NYT Connections 扩展版BullshitBench · 错误前提Arena Text
怎么看这些折算分
每项成绩按这项评测的难度折算成同一种分数:难的评测考得一般也能折算出高分,快被刷满的评测再高也折算不出更多。领域分是这些折算分的平均,再向模型的整体水平收一点;同类评测只算一票。相差不到 1 分的两个模型,先后接近抛硬币。
了解计算方法 →