BenchLeader

Qwen3.6 Max vs Qwen3.8-Flash-Next

完整资料:Qwen3.6 Max(Alibaba)和 Qwen3.8-Flash-Next(Alibaba),包括全部基准测试、价格和排名。

更新于 · 数据来自 6 个来源

截至 2026年11月16日,Qwen3.6 Max 与 Qwen3.8-Flash-Next 的质量不相上下(BenchLeader Index 62.1 比 53.9,在 ±8.5 的误差范围内)。Qwen3.8-Flash-Next 更便宜,对方的价格是它的 13 倍(每百万 token 混合价格 $0.230 比 $2.92)。看重知识(60 比 38)、推理(61 比 43)和智能体与工具(72 比 64)选 Qwen3.6 Max;看重编程(61 比 56)选 Qwen3.8-Flash-Next。

要点(截至 2026年11月16日)

  • Qwen3.6 Max 的 BenchLeader Index 为 62.1,Qwen3.8-Flash-Next 为 53.9(BenchLeader,2026年11月16日)。
  • Qwen3.6 Max 每百万 token 混合价格为 $2.92(标价,2026年11月16日)。
  • Qwen3.8-Flash-Next 每百万 token 混合价格为 $0.230(标价,2026年11月16日)。
  • 在两者都有结果的 6 项基准测试中,Qwen3.8-Flash-Next 领先 5 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,Qwen3.6 Max 的评分为 1482,Qwen3.8-Flash-Next 为 1624(LMArena,截至 2026年11月16日 的公布数据)。

按用途怎么选

推荐模型的数值列在前面。类别得分采用 BenchLeader 标尺(50 为模型平均水平,15 分为一个标准差)。领先半个标准差及以上为“高”置信度;相差不到 1 分则视为“均可”。

用途推荐理由置信度
编程Qwen3.8-Flash-Next类别得分 61 比 56;Arena WebDev 1624 比 1482中
智能体与工具调用Qwen3.6 Max类别得分 72 比 64高
推理Qwen3.6 Max类别得分 61 比 43;GPQA Diamond (AA) 88.8% 比 92.3%高
知识Qwen3.6 Max类别得分 60 比 38高
长文档均可类别得分 65 比 65;AA-LCR v1.1 80.7% 比 79.7%均可
对话质量(人类偏好)–只有 Qwen3.6 Max 有 Arena 评分(类别得分 65)无法比较
成本最低Qwen3.8-Flash-Next每百万 token 混合价格 $0.230 比 $2.92;智能体编程会话 $0.011 比 $0.109–
低预算大批量两者都不选通常更小的模型更合适:便宜好用的大模型、最快的大模型–

主要差异

  • Qwen3.6 Max (max) 与 Qwen3.8-Flash-Next 的质量不相上下(62.1 比 53.9,在 ±8.5 的误差范围内)。
  • Qwen3.6 Max (max) 在智能体与工具、知识、长上下文、推理方面更强。
  • Qwen3.8-Flash-Next 在编程方面更强。
  • Qwen3.8-Flash-Next 更便宜,对方的价格是它的 13 倍(每百万 token 混合价格 $0.230 比 $2.92)。

概览

规格Qwen3.6 MaxQwen3.8-Flash-Next
提供商AlibabaAlibaba
发布日期2026年4月20日2026年8月26日
上下文窗口(token)262,144256,000
对比时的配置Qwen3.6 Max (max)Qwen3.8-Flash-Next
开放权重否是
每百万 token 价格(输入 / 输出 / 缓存输入)$1.30 / $7.80 / $0.130$0.150 / $0.470 / –

逐类别对比

类别得分采用 BenchLeader 标尺:50 为参评模型的平均水平,15 分为一个标准差。差距不到 1 分视为持平。

类别Qwen3.6 Max (max)Qwen3.8-Flash-Next领先者
推理60.843.0Qwen3.6 Max
编程55.960.7Qwen3.8-Flash-Next
智能体与工具72.164.0Qwen3.6 Max
数学64.4–无法比较
知识59.738.1Qwen3.6 Max
指令遵循74.7–无法比较
人类偏好64.5–无法比较
多模态–61.0无法比较
长上下文65.064.5持平

同一图表对比

各领域采用与 Index 相同的标尺,平均模型为 50 分。单击某个领域可查看构成它的基准测试。 可从列表中最多选择 5 个模型。

2550 avg75推理编程智能体与工具知识长上下文Qwen3.6 Max, 推理: 60.8Qwen3.6 Max, 编程: 55.9Qwen3.6 Max, 智能体与工具: 72.1Qwen3.6 Max, 知识: 59.7Qwen3.6 Max, 长上下文: 65.0Qwen3.8-Flash-Next, 推理: 43.0Qwen3.8-Flash-Next, 编程: 60.7Qwen3.8-Flash-Next, 智能体与工具: 64.0Qwen3.8-Flash-Next, 知识: 38.1Qwen3.8-Flash-Next, 长上下文: 64.5

未绘制(测得的模型少于两个):数学, 指令遵循, 多模态, 人类偏好。

模型(单击添加或移除)Index

各来源的分歧

在两者都有结果的 6 项基准测试中,Qwen3.6 Max 领先 1 项,Qwen3.8-Flash-Next 领先 5 项。

综合 IndexQwen3.6 Max (max)Qwen3.8-Flash-Next领先者
BenchLeader Index62.153.9不相上下

各发布方使用各自的任务、评测框架和推理强度设置,因此总体结论可能不同;BenchLeader 将它们统一到同一标尺上。† 表示同一模型在另一推理强度设置下的测量值(发布方未测试本页对比的设置)。

价格、速度与延迟

标价按每 1 个输出 token 对应 3 个输入 token 混合计算。每项任务的价格采用方法论页面中的 token 数量。每项基准测试任务的成本、token 数和耗时均为实测值,取自 Artificial Analysis 整个 Intelligence Index 测试的平均值。

指标Qwen3.6 Max (max)Qwen3.8-Flash-Next
每百万 token 混合价格$2.92$0.230
每百万 token 输入 / 输出$1.30 / $7.80$0.150 / $0.470
每百万 token 缓存输入$0.130–
每项任务价格:聊天回复$0.0029$0.0002
每项任务价格:总结一份 30 页的报告$0.020$0.0021
每项任务价格:代码编辑$0.019$0.0016
每项任务价格:智能体编程会话$0.109$0.011
每项任务价格:结构化信息提取$0.0042$0.0004
智能体编程会话(输入大多命中缓存)$0.057–
每项基准测试任务成本(AA Index)–$0.569
每项任务输出 token(AA Index)–148k
其中推理部分–97k
每项任务耗时(AA Index)–31 min
输出速度–80 tok/s
首次回答时间–65.5 秒
完整回答耗时(最近一次测量 2026年11月13日)–202.8 秒

每个模型都按其排名最高的推理强度设置进行对比。Qwen3.6 Max (max) 得分 62.1。Qwen3.8-Flash-Next 得分 53.9,首个回答 token 需 66 秒。推理强度越高,回答前思考越久:得分更高,但等待更长、计费 token 也更多。 推理强度如何影响得分和成本

全部基准测试

共 63 项基准测试,按类别分组;点击名称可查看该排行榜及领先模型。† 表示同一模型在另一推理强度设置下的测量值,仅供参考,不计入胜场。

指标发布方Qwen3.6 Max (max)Qwen3.8-Flash-Next
BenchLeader IndexBenchLeader62.153.9
智能体与工具得分BenchLeader72.164.0
编程得分BenchLeader55.960.7
人类偏好得分BenchLeader64.5–
指令遵循得分BenchLeader74.7–
知识得分BenchLeader59.738.1
长上下文得分BenchLeader65.064.5
数学得分BenchLeader64.4–
推理得分BenchLeader60.843.0
多模态得分BenchLeader–61.0
混合价格(美元/百万 token)BenchLeader$2.92$0.230
输出速度BenchLeader–80 tok/s
首次回答时间BenchLeader–65.5 秒
上下文窗口BenchLeader262,144 token256,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub87.4%–
SimpleBenchSimpleBench63.0%–
Arena Hard PromptsArena (LMArena)1481–
LiveBench 1.0 ReasoningLiveBench–87.4%
GPQA Diamond (AA)Artificial Analysis88.8%92.3%
Humanity's Last Exam (AA)Artificial Analysis30.8%38.0%
HLE-Diamond (AA)Artificial Analysis–16.3%
CritPtArtificial Analysis3.7%11.1%
CritPt v2 hard subset (AA)Artificial Analysis–24.5%
Arena ExpertArena (LMArena)1497–
Mystery Game PuzzlesEpoch AI Benchmarking Hub19.0%†–
LMCAEpoch AI Benchmarking Hub42.5%–
DTBenchEpoch AI Benchmarking Hub87.2%–
编程
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub76.7%–
Arena CodingArena (LMArena)1510–
Arena WebDevArena (LMArena)14821624
LiveBench 1.0 CodingLiveBench–72.5%
SciCode (AA)Artificial Analysis–50.6%
SWE-bench (Vals)Vals AI72.8%–
Terminal-Bench 4.0 (AA)Artificial Analysis–25.3%
Terminal-Bench 2.1 (AA)Artificial Analysis–86.1%
FrontierCode 2.0 (AA)Artificial Analysis–27.1%
智能体与工具
Arena AgentArena (LMArena)–-4.6
LiveBench Agentic CodingLiveBench–61.6%
Terminal-Bench HardArtificial Analysis43.9%–
显示全部 63 项基准测试
指标发布方Qwen3.6 Max (max)Qwen3.8-Flash-Next
智能体与工具
τ²-Bench Telecom (AA)Artificial Analysis95.9%–
GDPval-AA v2.1, normalised scoreArtificial Analysis–56.4%
GDPval-AA v2.1Artificial Analysis–1637
τ³-Banking (AA)Artificial Analysis–45.4%
Terminal-Bench 2.0 (Vals)Vals AI51.7%–
Arena Agent Task CompletionArena (LMArena)–0.3
Vending-Bench 2Andon Labs4254.2–
AutomationBenchArtificial Analysis–55.9%
GDP.pdf (AA)Artificial Analysis–15.6%
AA-Briefcase v1.1Artificial Analysis–1572
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–7.1%
数学
OTIS Mock AIMEEpoch AI Benchmarking Hub91.1%–
LiveBench MathematicsLiveBench–85.8%
Arena MathsArena (LMArena)1471–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub52.0%–
LiveBench 1.0 Data AnalysisLiveBench–74.2%
AA-Omniscience v1.1Artificial Analysis–-12.2
CorpFinVals AI66.5%–
CaseLaw v2Vals AI47.9%–
AA-Omniscience v1.1: accuracyArtificial Analysis–23.5%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–53.2%
指令遵循
LiveBench LanguageLiveBench–74.6%
LiveBench Instruction FollowingLiveBench–77.1%
IFBenchArtificial Analysis76.6%–
Arena Instruction FollowingArena (LMArena)1451–
人类偏好
Arena TextArena (LMArena)1460–
Arena Creative WritingArena (LMArena)1438–
Arena Multi-turnArena (LMArena)1466–
Arena Longer QueriesArena (LMArena)1473–
多模态
MMMU-ProArtificial Analysis–78.6%
长上下文
AA-LCR v1.1Artificial Analysis80.7%79.7%
MLCRArtificial Analysis–20.6%
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub149.8–
LiveBench 1.0LiveBench–76.2%
AA Intelligence Index v5.0.1Artificial Analysis–28.6
AA Intelligence Index v4.3.2Artificial Analysis28.439.8
AA Progress Index v1Artificial Analysis297.1320.2
元数据
AA Openness IndexArtificial Analysis–38.9

数据截至 2026年11月16日。对比的是每个模型的最佳配置;每项分数的来源链接都在模型页面上。

变化

  • Qwen3.8-Flash-Next:BenchLeader Index 54.7 → 54.0。
  • Qwen3.8-Flash-Next:3 项新结果(AA Intelligence Index v5.0.1, FrontierCode 2.0 (AA), Terminal-Bench-Science 0.1 (AA))。
  • Qwen3.8-Flash-Next:1 项新结果(CritPt v2 hard subset (AA));1 项分数修订。
  • Qwen3.6 Max (max):BenchLeader Index 62.8 → 62.3。
  • Qwen3.8-Flash-Next:1 项新结果(AA-Briefcase v1.1);1 项分数修订。
  • Qwen3.8-Flash-Next:BenchLeader Index 58.7 → 54.7。
  • Qwen3.6 Max (max):1 项新结果(AA Progress Index v1)。
  • Qwen3.8-Flash-Next:2 项新结果(AA Progress Index v1, HLE-Diamond (AA));3 项分数修订。
  • Qwen3.6 Max (max):BenchLeader Index 63.3 → 62.8。
  • Qwen3.8-Flash-Next:1 项新结果(MLCR)。

排行榜: 综合最佳大模型 · 最适合智能体的大模型 · 便宜好用的大模型

Qwen3.6 Max vs Qwen3.8-Flash-Next:常见问题

Qwen3.6 Max 比 Qwen3.8-Flash-Next 更好吗?
Qwen3.6 Max (max) 与 Qwen3.8-Flash-Next 的质量不相上下(62.1 比 53.9,在 ±8.5 的误差范围内)。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月16日,两者差距在误差范围内,请结合你的用途查看各类别得分。
Qwen3.6 Max 和 Qwen3.8-Flash-Next 哪个更便宜?价格会变吗?
目前 Qwen3.8-Flash-Next 更便宜:每百万 token $0.230 比 $2.92(按每 1 个输出 token 对应 3 个输入 token 混合计算)。两者均未公布价格调整。
编程用 Qwen3.6 Max 还是 Qwen3.8-Flash-Next 更好?
Qwen3.8-Flash-Next 在编程方面得分更高(类别得分 61 比 56,50 为平均水平)。在两者共同的最主要编程基准测试 Arena WebDev 上,Qwen3.6 Max 为 1482,Qwen3.8-Flash-Next 为 1624。
智能体和工具调用用 Qwen3.6 Max 还是 Qwen3.8-Flash-Next 更好?
Qwen3.6 Max 在智能体任务方面得分更高(类别得分 72 比 64,50 为平均水平)。
处理长文档哪个更好?
两者在长上下文基准测试上持平(65 比 65)。两者都约为 262k token(Qwen3.6 Max 为 262,144,Qwen3.8-Flash-Next 为 256,000)。
更多问题(2)
第三方基准测试对 Qwen3.6 Max 和 Qwen3.8-Flash-Next 的看法一致吗?
在两者都有结果的 6 项基准测试中,Qwen3.6 Max 领先 1 项,Qwen3.8-Flash-Next 领先 5 项。
Qwen3.8-Flash-Next 是什么时候发布的?
Qwen3.8-Flash-Next 于 2026年8月26日 发布。