Qwen3.8 Max
性价比更高: Claude Haiku 5.5 $0.200/M 即可获得 Index 56.7,价格只有 15 分之一。
有 15 个更便宜的已排名模型得分更高:GPT-6.1 Terra (64.1, $2.00)、Muse Spark 1.1 (62.2, $2.00)、Gemini 3.7 Flash (62.1, $1.50),另有 12 个。
截至 2026年11月16日,Qwen3.8 Max(Alibaba)在 BenchLeader Index 上得分 58.7(共 608 个已排名配置)。表现最好的是人类偏好(68),最弱的是推理(52)。API 价格为输入每百万 token $2.00、输出每百万 token $6.00(按 3:1 混合为 $3.00),为 2026年11月16日的标价。输出速度约为 59 token/秒(Artificial Analysis)。发布于 2026年8月3日。
要点(截至 2026年11月16日)
- Qwen3.8 Max 的 API 价格为输入每百万 token $2.00、输出每百万 token $6.00(按 3:1 混合为 $3.00)(标价,2026年11月16日)。
- Qwen3.8 Max 的输出速度约为 59 token/秒(Artificial Analysis,2026年11月16日)。
- Qwen3.8 Max 于 2026年8月3日发布(Alibaba)。
详细说明:Qwen3.8 Max 是 Alibaba 的闭源推理模型,发布于 2026年8月3日。其最佳配置(推理强度 max)在 BenchLeader Index 上得分 58.7 ±3.4,在 608 个配置中排第 122 名,处于上半区。关键在于这个“±”:另有 225 个配置的得分落在这一区间内,仅凭质量无法区分,真正拉开差距的是价格和速度。分类别看,人类偏好得分最高(68),推理最低(52)。按混合价格计,每百万 token $3.00,比大多数已排名模型贵。输出速度为 59 token/秒,首次回答需 119.6 秒,比大多数模型慢。它已在 5 种推理强度设置下测得结果;本摘要描述的是得分最高的设置,可用上方标签切换。最近一次测量:2026年11月11日。
- 混合价格
- $3.00/M
- 输入 $2.00 · 输出 $6.00
- 来源:Artificial Analysis
- 输出速度
- 59 tok/s
- 由 Artificial Analysis 测量
- 首次回答
- 120 s
- 首 token 2.86 s
- 上下文
- 1M
- 来源:OpenRouter
- 完整回答
- 294 s
- 最近一次测量 2026年11月13日
- 单任务成本
- $10.02
- 每项任务 48 min,AA Index
- 单任务 token 数
- 171k
- 其中 70% 为推理
- 发布日期
- 2026年8月3日
- 综合 Index59
- 推理52
- 编程62
- 智能体与工具59
- 数学65
- 知识58
- 人类偏好68
- 多模态66
- 长上下文65
- 综合45
嵌入这个排名
更多徽章样式[](https://www.benchleader.com/models/qwen3-8-max)粘贴到 README.md 顶部,放在其他徽章旁边。徽章会随每次数据更新重新生成,并链接回本页。
版本
Alibaba 以这个名称发布过 3 个模型。每个版本都只按自身结果排名;较新的版本往往结果较少,在更多结果出炉之前,其 Index 会更接近平均水平。
| 模型 | 发布日期 | Index | 排名 |
|---|---|---|---|
| Qwen3.8 Maxmax本页 | 2026年8月3日 | 58.7 | #122 |
| Qwen3.6 Maxmax | 2026年4月20日 | 62.1 | #54 |
| Qwen3.5 Maxmax | – | – | – |
不同推理强度的配置
同一个模型允许思考的程度不同,表现也会不同。每一行是一种推理强度设置,只用在该设置下运行的基准测试打分。“未说明”汇总了发布方没有注明所用设置的结果;对推理模型而言这通常是其思考模式,但我们不做这一假定。在这里或页面顶部选择一个设置,即可查看其价格、速度和各类别得分。
Index 走势
2026年9月27日 至 2026年11月16日- max
- xhigh
Index 每天从头重新计算,因此当有新的基准测试结果、发布方修订分数,或用于归一化的参照模型发生变化时,曲线都会移动。早期的波动通常说明分数仍在趋于稳定。
基准测试结果
查看全部大模型基准测试。每种推理强度一列。排名是在该基准测试上所有模型的所有配置中的位置。将鼠标悬停在分数上可查看对应的测试运行。
推理
| 基准测试 | xhigh | max | 来源 | 趋势 |
|---|---|---|---|---|
| GPQA Diamond | 92.7%#31 | – | Epoch AI Benchmarking Hub | |
| Arena Hard Prompts | – | 1507#24 | Arena (LMArena) | |
| LiveBench 2.0 Reasoning不计入 Index | – | 88.2%#19 | LiveBench | |
| LiveBench 1.0 Reasoning不计入 Index | – | 88.2%#23 | LiveBench | |
| GPQA Diamond (AA)不计入 Index | – | 92.8%#28 | Artificial Analysis | |
| Humanity's Last Exam (AA)不计入 Index | – | 43.1%#72 | Artificial Analysis | |
| HLE-Diamond (AA) | – | 24.0%#67 | Artificial Analysis | |
| GPQA Diamond (Vals)不计入 Index | – | 93.7%#6 | Vals AI | |
| CritPt不计入 Index | – | 20.0%#73 | Artificial Analysis | |
| CritPt v2 hard subset (AA) | – | 29.5%#79 | Artificial Analysis | |
| MysteryMechanism不计入 Index | – | 23.9%#20 | Vals AI | |
| Arena Expert不计入 Index | – | 1514#26 | Arena (LMArena) | |
| Chess Puzzles不计入 Index | 46.0%#28 | – | Epoch AI Benchmarking Hub | |
| Mystery Game Puzzles不计入 Index | 38.0%#22 | – | Epoch AI Benchmarking Hub | |
| LMCA不计入 Index | 46.2%#91 | – | Epoch AI Benchmarking Hub | |
| DTBench不计入 Index | 92.0%#77 | – | Epoch AI Benchmarking Hub |
编程
智能体与工具
数学
| 基准测试 | xhigh | max | 来源 | 趋势 |
|---|---|---|---|---|
| FrontierMath Tiers 1–3 | 74.7%#25 | – | Epoch AI Benchmarking Hub | |
| FrontierMath Tier 4 | 46.3%#31 | – | Epoch AI Benchmarking Hub | |
| OTIS Mock AIME | 100.0%#1 | – | Epoch AI Benchmarking Hub | |
| ProofBench | – | 58.0%#24 | Vals AI | |
| LiveBench Mathematics不计入 Index | – | 91.3%#30 | LiveBench | |
| Arena Maths | – | 1505#10 | Arena (LMArena) |
知识
| 基准测试 | xhigh | max | 来源 | 趋势 |
|---|---|---|---|---|
| SimpleQA Verified | 47.3%#38 | – | Epoch AI Benchmarking Hub | |
| LiveBench 2.0 Data Analysis不计入 Index | – | 78.4%#16 | LiveBench | |
| LiveBench Research不计入 Index | – | 72.8%#27 | LiveBench | |
| LiveBench 1.0 Data Analysis不计入 Index | – | 78.4%#24 | LiveBench | |
| AA-Omniscience v1.1 | – | 10.5#64 | Artificial Analysis | |
| MMLU-Pro | – | 88.6%#18 | Vals AI | |
| LegalBench | – | 83.6%#51 | Vals AI | |
| CorpFin | – | 65.8%#27 | Vals AI | |
| TaxEval | – | 75.5%#17 | Vals AI | |
| Excel Modeling Benchmark不计入 Index | – | 60.1%#36 | Vals AI | |
| Excel Modeling Benchmark v1.1不计入 Index | – | 66.0%#32 | Vals AI | |
| MedCode不计入 Index | – | 40.7%#60 | Vals AI | |
| MedScribe不计入 Index | – | 85.0%#32 | Vals AI | |
| Public Benefits Bench v1.1不计入 Index | – | 67.1%#16 | Vals AI | |
| Access to Justice Benchmark不计入 Index | – | 76.4%#1 | Vals AI | |
| Financial Coaching Bench不计入 Index | – | 75.6%#4 | Vals AI | |
| Immigration Bench不计入 Index | – | 70.1%#5 | Vals AI | |
| GDP.pdf不计入 Index | 23.2%#23 | – | Epoch AI Benchmarking Hub | |
| AA-Omniscience v1.1: accuracy不计入 Index | – | 29.5%#101 | Artificial Analysis | |
| AA-Omniscience v1.1: non-hallucination不计入 Index | – | 72.9%#31 | Artificial Analysis | |
| FACTS Parametric不计入 Index | – | 30.8%#23 |
指令遵循
| 基准测试 | max | 来源 | 趋势 |
|---|---|---|---|
| LiveBench Language不计入 Index | 79.7%#34 | LiveBench | |
| LiveBench Instruction Following不计入 Index | 74.1%#13 | LiveBench | |
| Arena Instruction Following不计入 Index | 1478#28 | Arena (LMArena) |
人类偏好
| 基准测试 | max | 来源 | 趋势 |
|---|---|---|---|
| Arena Text | 1484#25 | Arena (LMArena) | |
| Arena Creative Writing不计入 Index | 1472#17 | Arena (LMArena) | |
| Arena Multi-turn不计入 Index | 1495#17 | Arena (LMArena) | |
| Arena Longer Queries不计入 Index | 1496#22 | Arena (LMArena) |
多模态
| 基准测试 | xhigh | max | 来源 | 趋势 |
|---|---|---|---|---|
| Arena Vision | – | 1312#11 | Arena (LMArena) | |
| LiveBench Design不计入 Index | – | 76.6%#12 | LiveBench | |
| MMMU-Pro | – | 82.8%#36 | Artificial Analysis | |
| MMMU-Pro (Vals)不计入 Index | – | 88.0%#12 | Vals AI | |
| MortgageTax不计入 Index | – | 64.0%#47 | Vals AI | |
| SAGE不计入 Index | – | 81.8%#25 | Vals AI | |
| Humanity's Sixth Sense不计入 Index | – | 33.0%#15 | Scale AI SEAL | |
| Furniture Assembly不计入 Index | 20.0%#39 | – | Epoch AI Benchmarking Hub | |
| VIALS-AA不计入 Index | – | 31.7%#18 | Handshake AI | |
| Code2Video-AA不计入 Index | – | 1021#15 | Artificial Analysis | |
| AA-3D不计入 Index | – | 954#18 | Artificial Analysis | |
| FACTS Multimodal不计入 Index | – | 51.5%#8 |
长上下文
| 基准测试 | max | 来源 | 趋势 |
|---|---|---|---|
| AA-LCR v1.1 | 80.3%#81 | Artificial Analysis | |
| MLCR不计入 Index | 26.1%#29 | Artificial Analysis | |
| FACTS Grounding不计入 Index | 73.8%#9 |
综合
| 基准测试 | max | 来源 | 趋势 |
|---|---|---|---|
| Epoch Capabilities Index不计入 Index | 157.6#29 | Epoch AI Benchmarking Hub | |
| LiveBench 2.0 | 60.9%#22 | LiveBench | |
| LiveBench 1.0不计入 Index | 78.5%#17 | LiveBench | |
| AA Intelligence Index v5.0.1不计入 Index | 33.6#55 | Artificial Analysis | |
| AA Intelligence Index v4.3.2不计入 Index | 45.4#37 | Artificial Analysis | |
| AA Progress Index v1不计入 Index | 323.7#48 | Artificial Analysis | |
| Vals RSI Index不计入 Index | 21.8%#16 | Vals AI | |
| Vals Multimodal Index不计入 Index | 65.4%#12 | Vals AI |
安全与诚实
| 基准测试 | max | 来源 | 趋势 |
|---|---|---|---|
| DistressBench不计入 Index | 77.6%#8 | Scale AI SEAL |
GameBench 2 Overall: 54.2. GameBench 2, best reasoning setting (XHigh): 69.6. 仅供参考,不计入 BenchLeader Index。
DuelLab GameBench 2, release gb2-20261111-7b598bb13de4 (https://benchmarks.duellab.org/releases/gb2-20261111-7b598bb13de4/), CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Scores mapped to BenchLeader model names; not endorsed by DuelLab.
优势所在
在所有已测配置中,这个配置排名前五的基准测试。
API 价格:在哪里调用
通过 OpenRouter 提供这个模型的所有提供商:吞吐量和首 token 延迟基于过去 30 分钟的实时流量测得,价格为各提供商自己的报价。紫色标出每列的最佳值。
| 提供商 | 速度 | 首 token | 输入 $/M | 输出 $/M | 上下文 | 量化 |
|---|---|---|---|---|---|---|
| Alibaba Cloud Int. | 37 tok/s | 2.18 s | $2.00 | $6.00 | 1M | – |
| Alibaba Cloud Int. | 30 tok/s | 1.64 s | $2.00 | $6.00 | 1M | – |
一项任务的成本
根据最佳配置的标价、输出速度和首次回答时间估算。“使用缓存”假定四分之三的输入来自提示缓存,价格为每百万 token $0.250。未计入推理 token。
| 工作负载 | 输入 / 输出 token | 成本 | 使用缓存 | 耗时 |
|---|---|---|---|---|
| 聊天回复 | 400 / 300 | $0.0026 | $0.0021 | 2.1 min |
| 总结一份 30 页的报告 | 12,000 / 600 | $0.028 | $0.012 | 2.2 min |
| 代码编辑 | 6,000 / 1,500 | $0.021 | $0.013 | 2.4 min |
| 智能体编程会话 | 60,000 / 4,000 | $0.144 | $0.065 | 3.1 min |
| 结构化信息提取 | 2,000 / 200 | $0.0052 | $0.0026 | 2.0 min |
包含该模型的编程套餐
可以使用 Qwen3.8 Max 的订阅套餐,列出各自的用量限制和单项任务成本。
将 Qwen3.8 Max 与以下模型对比
- Qwen3.8 Max vs DeepSeek V4.1 Flash 1017
- Qwen3.8 Max vs Gemini 3.7 Flash
- Qwen3.8 Max vs Gemini 4 Argon
- Qwen3.8 Max vs MiMo-V2.6-Pro
- Qwen3.8 Max vs Qwen3.8 27B
- Qwen3.8 Max vs GLM 5.3 Flash
- Qwen3.8 Max vs GPT-5.3-Codex
- Qwen3.8 Max vs Gemini 3.1 Pro
- Qwen3.8 Max vs GPT-6 Astra
- Qwen3.8 Max vs Gemini 3.8 Flash
- Qwen3.8 Max vs Step 5 Preview
- Qwen3.8 Max vs Kimi K2.6
- Qwen3.8 Max vs o3
- Qwen3.8 Max vs DeepSeek V4 Pro
- Qwen3.8 Max vs Kimi K3.1 Pro
- Qwen3.8 Max vs Qwen3.8 2.4T A95B
- Qwen3.8 Max vs GPT-6.1 Sol
- Qwen3.8 Max vs Qwen3.8-Flash-Next
- Qwen3.8 Max vs GLM 5.2
- Qwen3.8 Max vs GPT-5.2
- Qwen3.8 Max vs Grok 4.7
- Qwen3.8 Max vs Qwen3.6 Max
- Qwen3.8 Max vs Claude Sonnet 5.5
- Qwen3.8 Max vs GPT-5.6 Terra
- Qwen3.8 Max vs GPT-5.4
- Qwen3.8 Max vs Muse Spark
- Qwen3.8 Max vs Qwen3.7 Plus
- Qwen3.8 Max vs GPT-5.5
- Qwen3.8 Max vs Claude Opus 5
- Qwen3.8 Max vs Deepseek v4 Flash Vision
- Qwen3.8 Max vs Kimi K3
- Qwen3.8 Max vs Muse Spark 1.1
- Qwen3.8 Max vs Grok 4.20
- Qwen3.8 Max vs GPT-5.6 Luna
- Qwen3.8 Max vs Gemini 3 Pro
- Qwen3.8 Max vs Agnes 2.5 Pro Beta
- Qwen3.8 Max vs Grok 4.20 Multi-Agent
- Qwen3.8 Max vs GPT-5
- Qwen3.8 Max vs GPT-5 Pro
- Qwen3.8 Max vs MiMo-V2.5-Pro
- Qwen3.8 Max vs GPT-5.5 Pro
- Qwen3.8 Max vs Dola Seed 2.0 Pro
- Qwen3.8 Max vs DeepSeek V4 Flash
- Qwen3.8 Max vs Gemini 3.6 Flash
- Qwen3.8 Max vs Muse Spark 1.2
另请参阅
嵌入或引用
在模型卡片或 README 中展示 Qwen3.8 Max 的排名。徽章会随每日更新重新生成,带有数据日期,并链接回本页。
[](https://www.benchleader.com/models/qwen3-8-max)引用本页
排名每天都会变化,因此引用时需注明数据日期。APA 格式:
BenchLeader. (2026, November 16). Qwen3.8 Max on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/qwen3-8-max
BibTeX:
@misc{benchleader_qwen3_8_max_20261116,
author = {{BenchLeader}},
title = {{Qwen3.8 Max on the BenchLeader Index (method v1.4)}},
year = {2026},
month = nov,
howpublished = {\url{https://www.benchleader.com/models/qwen3-8-max}},
note = {Data as of 2026-11-16}
}常见问题
- Qwen3.8 Max 的基准测试得分是多少?
- 截至 2026年11月16日,Qwen3.8 Max(推理强度 max)的 BenchLeader Index 为 58.7 ±3.4。最强的是人类偏好(68),最弱的是推理(52)。该得分只基于第三方基准测试结果,本页每个分数都链接到其发布方。
- Qwen3.8 Max 排名第几?
- 截至 2026年11月16日,Qwen3.8 Max(推理强度 max)在 608 个已排名配置中排第 122 名。另有 225 个配置的得分在其误差范围内,因此名次区间比确切名次更有意义。第一名是 Claude Fable 5.2(推理强度 max),得分 72.7。
- Qwen3.8 Max 每百万 token 的价格是多少?
- 截至 2026年11月16日,Qwen3.8 Max 的价格为输入每百万 token $2.00、输出每百万 token $6.00,混合价格(每 1 个输出 token 对应 3 个输入 token)为 $3.00。
- Qwen3.8 Max 比 GLM 5.3 更好吗?
- 截至 2026年11月16日,GLM 5.3(推理强度 max)与 Qwen3.8 Max(推理强度 max)的质量不相上下(BenchLeader Index 58.8 比 58.7,在 ±4.5 的误差范围内),可根据价格、速度和你看重的类别来选择。逐项基准测试的详细对比见对比页面。
- Qwen3.8 Max 是什么时候发布的?
- Alibaba 于 2026年8月3日发布了 Qwen3.8 Max。BenchLeader 收录了它在 5 种推理强度设置下的结果。
数据截至 2026年11月16日。 对比这些配置
引用格式:BenchLeader,《Qwen3.8 Max:基准测试、价格、速度与排名》,数据截至 2026年11月16日,https://www.benchleader.com/zh/models/qwen3-8-max。