A重点76
THE DECODER
1 个来源Qwen3.8 Max追平Claude Opus 4.8，但Kimi K3仍以更低价格获得更高分数
阿里巴巴的Qwen3.8 Max在人工智能分析智能指数上得分56分，比上一代Qwen3.7 Max的46分提高了10分。该模型在性能上追平了Claude Opus 4.8，但Kimi K3仍以更低的价格获得更高分数。
返回信息流
新闻事件
SynthePulse Insight · AI 深度解读
Qwen3.8 Max 追平 Claude Opus 4.8，但 Kimi K3 以更低成本领先
版本 1 · 1 个来源
阿里巴巴最新发布的 Qwen3.8 Max 在 Artificial Analysis 智能指数上追平 Claude Opus 4.8，但 Kimi K3 仍以 25% 的成本优势领先。然而，Qwen3.8 Max 的推理成本翻倍，且出现幻觉率上升等回退。
- Qwen3.8 Max 在 Artificial Analysis 智能指数上得分 56，较前代 Qwen3.7 Max 的 46 分提升 10 分，与 Claude Opus 4.8 持平，但落后于 Kimi K3 的 57 分。
- Kimi K3 的每任务成本为 0.86 美元，比 Qwen3.8 Max 的 1.14 美元低约 25%，且得分更高。
- 在 GDPval-AA 基准上，Qwen3.8 Max 得分 1739，超越 Kimi K3 的 1685，但需要 64 步而非 14 步，输入 token 增长 15 倍。
- Qwen3.8 Max 的 AA-LCR 下降 2 分，AA-Omniscience 下降 10 分，幻觉率从 23% 升至 40%。
展开章节目录智能指数：追平但未超越
智能指数：追平但未超越
据 Artificial Analysis 数据，Qwen3.8 Max 在智能指数上得分 56，较前代 Qwen3.7 Max 的 46 分提升 10 分，与 Claude Opus 4.8 持平，但落后于 Kimi K3 的 57 分。
Kimi K3 的每任务成本为 0.86 美元，比 Qwen3.8 Max 的 1.14 美元低约 25%，且得分更高，显示出更强的性价比。
GDPval-AA：高分背后的代价
在 GDPval-AA 基准上，Qwen3.8 Max 得分 1739，超越 Kimi K3 的 1685，仅次于 Claude Opus 5 的 1852。
然而，这一高分是通过更长的推理链实现的：Qwen3.8 Max 每任务需要 64 步，而 Kimi K3 仅需 14 步；输入 token 增长 15 倍，因为测试在每一步都重新发送完整对话历史。
这导致推理成本显著上升：Qwen3.8 Max 每任务成本 1.14 美元，是 Qwen3.7 Max 的 0.53 美元的两倍多，尽管 token 价格有所下降（输入从 2.50 美元降至 2.00 美元/百万 token，输出从 7.50 美元降至 6.00 美元，缓存命中从 0.50 美元降至 0.25 美元）。
回退与幻觉率上升
与前代相比，Qwen3.8 Max 在 AA-LCR 上下降 2 分，该测试评估模型从长文本中提取信息的能力；AA-Omniscience 下降 10 分，该测试衡量模型回答知识问题或诚实承认无知的准确性。
准确率保持在约 31%，但幻觉率从 23% 跃升至 40%，表明模型更频繁地猜测而非承认不知道。
可信度边界
本文信息主要来源于 Artificial Analysis 的基准测试，由 THE DECODER 报道。所有数据均为来源声明，未经独立验证。
核心结论
Qwen3.8 Max 在智能指数上追平 Claude Opus 4.8，但 Kimi K3 以更低成本提供更高分数。然而，Qwen3.8 Max 的推理成本翻倍，且出现幻觉率上升等回退，表明性能提升伴随代价。
主报道
THE DECODER
主报道来源