Qwen3.8 Max · 社区来源 · 独立测量
Vals AI 的线程把 Qwen3.8-Max 的提升解释为“更坚持”而不只是“更聪明”：Legal Research Bench 排名从第 22 升到第 4，单任务成本约为 $2.49，但每个任务的轮次、工具调用、来源数和耗时都明显增加。全通过率从 25.5% 升至 47.6%，比只看平均准确率更能体现长链路任务的变化。
待验证：本次未能重新核实原文。下方历史数字不代表已核实的当前结果。
Vals AI 的线程把 Qwen3.8-Max 的提升解释为“更坚持”而不只是“更聪明”：Legal Research Bench 排名从第 22 升到第 4，单任务成本约为 $2.49，但每个任务的轮次、工具调用、来源数和耗时都明显增加。全通过率从 25.5% 升至 47.6%，比只看平均准确率更能体现长链路任务的变化。
Legal Research Bench：208 个隔离问题；准确率 78.4% → 86.1%。
全通过率：25.5% → 47.6%。
每任务轮次：19.7 → 35.5；工具调用：38 → 60；来源：7.1 → 12.2；耗时：809 秒 → 3,678 秒。
CourtListener 调用：6.8 → 22.9 次；通用网络搜索下降。
最大输出令牌从 64K 增至 128K；法律研究使用约 6 倍推理能力，最终答案长度增加 1.7 倍。
任务成本：Qwen3.8-Max $2.49；Opus 5 $6.76；Fable 5 $9.79；GPT-5.6 Sol $21.61。
把 Qwen3.8-Max 的优势写成“长链路完成率/证据覆盖率提升”比简单写“更聪明”更准确；同时必须把延迟、工具调用和成本一起写出。对于需要快速响应的场景，不应默认使用最高推理档位。
本站仅展示 Tabbit 编辑摘要和必要节选；完整内容、上下文与最新版本请查看原始来源。
以上英文为 X 页面中“显示原文”对应的线程正文；原帖还包含互动数据和评论，未将导航、广告和无关推荐内容放入正文。
本文中的数字、任务集、推理档位和客户端条件只在所列来源及采集时点内成立。不同版本、不同 harness 或不同提供商的数据不能直接并排比较；未公开的参数保持未知。
需要复测时，请固定模型版本、提供商或客户端、推理档位、工具、任务集版本、样本数和采集日期，并记录失败、重试与人工修正。完整方法和复现步骤见下方来源笔记。
X（@ValsAI） · Vals AI · 原文发布日期 2026-08-12 · 本站编辑日期 2026-09-20
打开原始来源Qwen3.8 Max
下载 Tabbit 客户端后检查模型可用性
