Qwen3.8 Max 0902
Alibaba · 2026-09-01 发布 · 10/24 02:06 更新
AIHOT 评分 · 综合61.5分暂不排名:编程评测还不到 3 类评分不是正确率 · 评测覆盖 43%
可比较分类0/ 4 项分类
已有成绩15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—分这个领域测得还不够2 项评测 · 覆盖 29%科研AIHOT 评分60.7分暂不排名5 项评测 · 覆盖 71%专业办公AIHOT 评分64.8分暂不排名4 项评测 · 覆盖 38%知识问答AIHOT 评分60.6分暂不排名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60.52 项
科研60.75 项
专业办公64.84 项
知识问答60.64 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。
Terminal-Bench 4.0 · ValsLiveBench · 编程综合Code MigrationProgramBenchVibe Code Bench v1.1Vibe Code Bench 1–100CyberBench Patch v1.1LiveBench · 推理与数学Mystery Game PuzzlesMysteryMechanismTerminal-Bench Science · ValsVals Finance AgentAPEX-Agents 1.1Harvey Legal Agent Benchmarkτ³-Banking · MercorLiveBench · 数据分析MedCodeLiveBench · 语言与指令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。
还没有成绩的领域:真人盲选,暂按整体水平计算。
了解计算方法 →