刚测评了阿里最新推出的 Qwen 3.8 Max。我有自己的benchmarks，每个大语言模型我都会用同样的benchmarks做测评，Qwen 3.8 Max 表现非常强，测评详情视频和具体benchmarks排行榜请看文章底部。

推理题Q2、Q3全对，Q1句子生成小有瑕疵（第九句不通顺，第十句’满九’略不自然）。编程题三题整体出色：浏览器OS功能完整、太空射击游戏专业；赛车游戏可玩；Trello看板除待办标题编辑入口缺失外均正常。与Preview版同分，国产大模型巅峰之作。

1. 模型测评记录

Q1 强约束指令遵循句子生成

• 得分：9/10
• 需求：输出10个以汉字数字结尾的句子，顺序一到十，语句通顺有意义；倒数第二个字不可重复，且不能为"第"“是”“为”
• 评价：第九句不通顺；第十句"满九"语法通顺但口语少见，改为"满九岁"更自然。9句通顺，1处瑕疵。
  

Q2 24点问题

• 得分：10/10
• 需求：使用3、4、9、10四个数字，每个数字仅使用一次，可用初等数学运算符（乘方、根号）算出24
• 评价：答案正确。
  

Q3 密码锁推理题

• 得分：10/10
• 需求：五位数密码锁，数字与位置均匹配方可解锁。已知线索：
  1. 78635：3个正确数字，位置全错
  2. 16384、56483：各1个数字位置正确、1个数字位置错误
  3. 92741：2个数字位置正确、1个数字位置错误
  4. 67153：2个数字位置正确、2个数字位置错误
• 评价：推理密码12753，答案正确。
  

Q4 浏览器内操作系统

• 得分：9/10
• 需求：参考最新macOS，开发浏览器内系统AISniper OS；包含系统状态弹窗（Wi-Fi、系统健康）、时钟、底部快捷栏、主题切换；内置可交互3D太空射击游戏；底部快捷栏：Finder、计算器、设置、终端、太空射击游戏
• 评价：UI美观，右上角弹窗效果优秀，Dock应用运行正常，3D太空射击完成度高、可玩性强。
  

Q5 3D赛车游戏

• 得分：8/10
• 需求：HTML+CSS+JS开发赛博朋克3D无限跑酷赛车，Canvas/Three.js渲染纵深无限赛道；摄像机随弯道平滑晃动，车辆切换赛道带高灵敏物理避障；赛道动态生成障碍物；顶部无遮挡实时动态计分板
• 评价：镜头视角偏低，前方视野略有遮挡，整体游玩体验良好。
  

Q6 Trello看板

• 得分：8/10
• 需求：单文件原生HTML/CSS/JS实现，禁止第三方库；支持卡片跨列拖拽、列表横向拖动、列表/卡片增删改；强制实现拖拽让位平滑动画、边缘自动滚动、卡片原位放大弹窗、弹窗子任务与多色标签编辑
• 评价：列表、卡片拖拽删除功能正常，缺少待办标题编辑入口，扣2分。
  

2. 测评视频详情

Qwen 3.8 Max 测评报告！究竟有多能打？

3. 各大模型测评benchmarks排行榜

Benchmark排行榜