← 返回编程榜CAPABILITY PROFILE UNDERSTANDING THE RANK
查看 Claude Opus 4.8 的完整证据 →
查看 GPT-5.6 Luna 的完整证据 →
查看 GLM-5.3 Flash 的完整证据 →
查看 Claude Sonnet 5 的完整证据 →
查看 Grok 4.6 的完整证据 →BEHIND THE SCORE
Alibaba
Qwen3.8 Max
2026-07-19 发布 · 09/10 06:31 更新
综合共识指数66.3综合榜第 17 名
分类成绩4 / 4 项分类
已有成绩18 项评测
上下文窗口100万 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表现，不能直接相加或用来比较不同能力的绝对高低。
编程名次，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7—17 名
已完成的对照中均具备参评资格。保持原候选不变时为 8—17 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 4.83 项共同评测共同证据支持对方
双方共同拥有当前榜单 100.0% 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 |
|---|---|---|---|
| DeepSWE v1.1 ↗ | 57.5% | 59.0% | 37.5% |
| LiveBench · 编程 ↗ | 68.8% | 66.2% | 25.0% |
| TapTap Maker ↗ | 82.5% | 82.8% | 37.5% |
GPT-5.6 Luna3 项共同评测共同证据支持本模型
双方共同拥有当前榜单 100.0% 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 |
|---|---|---|---|
| DeepSWE v1.1 ↗ | 57.5% | 67.2% | 37.5% |
| LiveBench · 编程 ↗ | 68.8% | 65.7% | 25.0% |
| TapTap Maker ↗ | 82.5% | 77.8% | 37.5% |
GLM-5.3 Flash3 项共同评测共同证据支持对方
双方共同拥有当前榜单 100.0% 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 |
|---|---|---|---|
| DeepSWE v1.1 ↗ | 57.5% | 63.4% | 37.5% |
| LiveBench · 编程 ↗ | 68.8% | 67.9% | 25.0% |
| TapTap Maker ↗ | 82.5% | 81.5% | 37.5% |
Claude Sonnet 53 项共同评测共同证据支持本模型
双方共同拥有当前榜单 100.0% 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 |
|---|---|---|---|
| DeepSWE v1.1 ↗ | 57.5% | 53.8% | 37.5% |
| LiveBench · 编程 ↗ | 68.8% | 70.0% | 25.0% |
| TapTap Maker ↗ | 82.5% | 76.2% | 37.5% |
Grok 4.63 项共同评测共同证据支持对方
双方共同拥有当前榜单 100.0% 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 |
|---|---|---|---|
| DeepSWE v1.1 ↗ | 57.5% | 66.7% | 37.5% |
| LiveBench · 编程 ↗ | 68.8% | 66.9% | 25.0% |
| TapTap Maker ↗ | 82.5% | 87.3% | 37.5% |
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。
