评测背景

Qwen3.8-Max 于 2026 年 8 月 3 日正式发布，重点面向复杂推理、代码生成、智能体任务与通用能力提升等基准任务。

相比 Qwen3.7-Max，Qwen3.8-Max 在推理、代码、通用和智能体四项一级能力上均有提升，其中推理能力进步最为突出。本次我们基于晓天衡宇大语言模型榜单评测体系，从 Agentic、Coding、General、Reasoning 四个一级维度及 20+ 主流评测集，对 Qwen3.8-Max 进行了系统评测。

这篇解读不只关注 Qwen3.8-Max 的排名，更聚焦以下问题：

• 与 GPT-5.5（xhigh）、GPT 5.6 Sol（Max）、Claude Fable 5 相比，它的优势和短板分别是什么？

• 相比 Qwen3.7-Max，其进步主要体现在哪些方面？

榜单概览

点击跳转晓天衡宇评测社区，查看大语言模型 8 月榜单完整结果。

核心结论

结论一：综合得分 67.54，位列总榜第 6，较前代提升 7 个位次

Qwen3.8-Max 综合得分 67.54，在本次参评模型中位列第 6，在本次评测的国产模型中，仅次于 Kimi-K3（68.31），位列第 2。

距离 GPT-5.5（xhigh）仅 0.81 分，距离 Kimi-K3 仅 0.77 分；同时领先 Claude Opus 4.8（+0.15）、Grok 4.5（+1.79）和 Claude Sonnet 5（+2.00）。

在同一期榜单口径下，Qwen3.7-Max位列第13，Qwen3.8-Max较前代高7个位次。

结论二：较 Qwen3.7-Max 提升 3.22 分，四项一级能力全部上升

Qwen3.8-Max 较 Qwen3.7-Max 的综合得分从 64.32 提升至 67.54，增加 3.22 分。

提升并非来自单一维度：Agentic 增加 2.18 分，Coding 和 General 均增加 3.50 分，Reasoning 增加 4.21 分。四项一级能力同步上升，说明其综合能力较前代有明显增强。

结论三：Reasoning 以 78.23 分位列榜单第 3，是最突出的优势项

Reasoning 是 Qwen3.8-Max 能力结构中提升最快、也最靠前的一项，是它的相对优势所在。

Qwen3.8-Max 的 Reasoning 得分为 78.23，在本次榜单中位列第 3，比榜单前二的 Claude Fable 5 和 Claude Opus 5 分别只低 0.06 分、0.68 分。

与此同时，它的 Reasoning 得分高于 GPT 5.6 Sol（Max）（+1.43）、GPT-5.5（xhigh）（+1.73）和 Kimi-K3（+2.28）。

结论四：速度居中等，推理成本明显低于多数高分模型

Qwen3.8-Max 的推理速度为 44 Tokens/s，快于 Kimi-K3（38 Tokens/s），但低于 Claude Fable 5（64）、GPT 5.6 Sol（Max）（68）和 GPT-5.5（xhigh）（78.6），推理速度低于多数同分段高分模型，在该组模型中处于中等偏下水平。

成本方面，Qwen3.8-Max 的 API 价格为 18 元/百万 Tokens，本轮评测实际推理总成本为 14,400 元，约为 Kimi-K3 的 50.8%、Claude Opus 4.8 的 23.5%、GPT-5.5（xhigh）的 17.4%、Claude Fable 5 的 12.1%。

在综合得分接近的模型中，Qwen3.8-Max 以中低价格和相对可控的总成本，提供了接近总榜前列模型的综合能力，成本优势较为明确。

评测体系

本榜单基于智能体、代码、通用、推理四大能力维度进行综合评估，并根据各维度权重计算综合得分。

其中，智能体占比最高，为 35%；代码和推理各占 25%；通用占 15%。

完整评测体系及方法解读可点击查看👉🏻大语言模型榜单评测体系详解

深度解读

Qwen3.8-Max 与高分模型的差距在哪里？

从本次评测结果来看，Qwen3.8-Max 已经进入总榜前六，但它的能力结构并不是全面均衡，总体表现为：Reasoning 突出，Coding 接近部分高分闭源模型，Agentic 持续改善，General 仍有进一步提升空间。

Agentic：较前代提升，与 Kimi-K3 基本接近

Qwen3.8-Max 的 Agentic 得分为 54.66，较自身前代 Qwen3.7-Max 提升 2.18 分，与 Kimi-K3（54.98）仅差 0.32 分，并高于 Claude Opus 4.8（+0.30）、Grok 4.5（+1.55）和 Claude Sonnet 5（+1.90）。

不过与更高分模型相比，仍落后 GPT-5.5（xhigh）2.32 分、Claude Fable 5 2.72 分、GPT 5.6 Sol（Max）2.94 分、Claude Opus 5 4.97 分。

Agentic 是 Qwen3.8-Max 相对薄弱的环节，虽然能力对比前代已有改善，但距离本次榜单排名靠前的模型仍有一定追赶空间。

从二级维度看：

增长主要来自 Seal-Hard，从 29.10 涨到 33.70 ，已逼近榜首 Grok 4.5 的 35.40；

DeepPlanning（Shopping）涨至 54.40，BrowseComp-ZH 涨至 49.79，是Agentic维度中唯一高于 GPT-5.5（xhigh）的评测集；

短板在 TAU3-Bench 与 DeepPlanning：前者 80.74 与前代基本持平，比 Claude Opus 5 的 89.90 低 9 分；

后者虽有提升，仍低于 GPT-5.5（xhigh）的 61.70 和 Opus 5 的 62.60。作为权重最高的维度，这两项是后续最值得补的位置。

Coding：已进入高分梯队，接近 GPT-5.5（xhigh）和 Claude Opus 4.8

Qwen3.8-Max 的 Coding 得分为 73.99，较 Qwen3.7-Max 提升 3.50 分。

它与 Claude Opus 4.8（74.34）仅差 0.35 分，与 GPT-5.5（xhigh）（74.83）相差 0.84 分；同时高于 Grok 4.5（+0.60）、Claude Sonnet 5（+0.93）和 GLM-5.2（+3.23）。不过，Qwen3.8-Max 与 Kimi-K3（-3.68）、Claude Opus 5（-3.89）和 Claude Fable 5（-4.72）仍有明显差距。

从本次评测结果来看，Coding 已进入高分模型竞争区，是 Qwen3.8-Max 的较强能力项，但相较该维度头部模型，尚未形成领先优势。

从二级维度看：

SWE-Multilingual 从 72.88 跃至 88.10，是全部评测集中进步最大的一项；

Livecode-Bench-V6 涨至 94.75，与榜首 GPT-5.5（xhigh）的 95.40 仅差 0.65，已进入头部同一梯队；

短板集中在 ClawEval，74.21 分低于前代的 80.40，也落后 Claude Fable 5 的 85.98，是唯一出现回落的评测集；

SciCode 52.90 涨幅有限，Terminal-Bench-Pro 60.00 低于 Opus 5 的 66.95，两项都还有明显空间。

General：有所进步，但与高分模型仍有差距

Qwen3.8-Max 的 General 得分为 69.03，较 Qwen3.7-Max 的 65.53 提升 3.50 分。

它高于 Claude Sonnet 5（+0.57）、 Seed 2.1 Pro（+1.20）、Claude Opus 4.7（+1.86）和 GLM-5.2（+2.37），但对比 GPT-5.5（xhigh）（-1.44）、Kimi-K3（-2.08）、GPT 5.6 Sol（Max）（-2.23）和 Claude Fable 5（-6.89）仍落后。

可以看出，General 仍是 Qwen3.8-Max 与榜单高分模型拉开差距的主要维度之一。

从二级维度看：

五个子维度同步走高，其中知识增长最快，从 36.20 提到 41.40；

长上下文涨至 90.20、记忆涨至 76.90，指令遵循 84.30 明显高于 GPT-5.5 的 76.00。

短板是幻觉，虽有提升但仍是全篇差距最大的子维度，明显落后 Claude Opus 5；

知识和记忆的绝对分也低于 Claude Fable 5，事实性与长程记忆仍是这个维度的主要弱项。

Reasoning： 位列第 3，超过 GPT-5.5、GPT 5.6 Sol 和 Kimi-K3

Reasoning 是 Qwen3.8-Max 在本次评测中最突出的一级能力。

其得分 78.23，仅次于 Claude Opus 5（78.91）和 Claude Fable 5（78.29），与后者只差 0.06 分；同时超过 GPT 5.6 Sol（Max）（+1.43）、GPT-5.5（xhigh）（+1.73）、Kimi-K3（+2.28）和 Claude Opus 4.8（+2.01）。

与 Qwen3.7-Max 相比，Reasoning 得分从 74.02 提升至 78.23，增加 4.21 分，是四项一级能力中增幅最大的一项。由此来看，Qwen3.8-Max 的代际提升首先体现在更强的推理表现上。

从二级维度看：

场景推理增长最明显，从 47.10 提到 58.50，并小幅超过 Claude Opus 5，位列竞对第一；

数学推理和科学推理同步上行，科学推理达到 92.40，与头部模型的 94 分区间差距已很有限。

短板在逻辑推理，涨幅是四个子维度里最小的，与 Claude Fable 5、Claude Opus 5 仍有 1 到 2 分差距；

科学推理虽绝对分高，但头部模型在此高度密集，排名仅第 10。

效率与成本：能力提升伴随一定速度和消耗代价

推理速度：44 Tokens/s，较 Qwen3.7-Max 有所下调

Qwen3.8-Max 的推理速度为 44 Tokens/s。它快于 Kimi-K3（38 Tokens/s），但低于 Claude Opus 5（55.1）、Claude Fable 5（64）、GPT 5.6 Sol（Max）（68）、GPT-5.5（xhigh）（78.6）和 Grok 4.5（86）。

与 Qwen3.7-Max 的 50.5 Tokens/s 相比，Qwen3.8-Max 下降 6.5 Tokens/s。与前代相比，Qwen3.8-Max 的推理速度下降约 12.9% ，体现出其在能力提升与响应效率之间的权衡。

成本效率：API 价格与前代持平，推理总成本显著低于高分模型

Qwen3.8-Max 的 API 价格为 18 元，与 Qwen3.7-Max 持平。

注：本文中的 API 价格为输入与输出价格按 3:1 加权计算的综合单价，单位为元/百万 Tokens 。

Qwen3.8-Max 的 Token 消耗为 32 MTokens，较 Qwen3.7-Max 的 26 MTokens 增长约 23.1%，能力提升伴随一定消耗增加。

以 32 MTokens 的实测消耗计算，本轮评测实际推理总成本为 14,400 元。

在综合得分相近的模型中，Qwen3.8-Max 的总成本优势明确：仅为 Claude Opus 4.8 的 23.5%（综合分 +0.15）、Kimi-K3 的 50.8%（-0.77）、GPT-5.5（xhigh）的 17.4%（-0.81）、GPT 5.6 Sol（Max）的 20.3%、Claude Fable 5 的 12.1%。

在本次榜单 65 分以上的高分段模型中，Qwen3.8-Max 以显著更低的推理总成本拿到了总榜第 6 的位置。

综合判断

综合本次评测结果，Qwen3.8-Max 位列总榜第 6、国产模型第 2，与 Kimi-K3、GPT-5.5（xhigh）的综合分差均已收至 1 分以内，并超过 Claude Opus 4.8、Grok 4.5、Claude Sonnet 5 等模型。

从能力结构看，Reasoning 和 Coding 是 Qwen3.8-Max 表现相对较强的能力维度；Agentic 和 General 较 Qwen3.7-Max 均有进步，但与更高分模型的分差随不同对象而变化，例如对比 GPT-5.5（xhigh）分差主要来自 Agentic 维度；对比 Kimi-K3 则分差主要来自 Coding 维度，这些维度仍是后续迭代的关键突破口。

从代际升级看，Qwen3.8-Max 对比 Qwen3.7-Max 四项能力全面提升，推理能力提升最显著。

从效率结构看，Qwen3.8-Max 的速度和 Token 消耗虽无明显优势，但 API 价格足够低，在同分段模型中总成本相对可控。在本期榜单综合得分 65 分以上的高分模型中，Qwen3.8-Max 有明显的成本优势。

注：本文结论基于晓天衡宇本期评测体系与样本，反映模型在该评测框架下的相对表现，不代表所有业务场景中的绝对优劣。实际选型仍建议结合具体任务、成本预算与业务验证结果综合判断。

写在最后

最新大语言模型评测榜单已同步上线至晓天衡宇•评测社区官网，欢迎大家访问查看更详细的评测数据：

👇关注晓天衡宇•评测社区官方账号，获取更多大模型相关知识~