Qwen 3.8 Flash测评报告！究竟有多能打？
期待已久的 Qwen‑3.8‑Flash 实测报告新鲜出炉！这款全新的 MoE 多模态大模型，主参 125B，每次仅激活 6B 参数，原生 256K 上下文最高可扩容至 1M，API 定价性价比极高，网传办公编稿实力十分强悍。本次依旧使用祖传全套测试用例，在 Claude Code 上将思考模式拉满展开测评。约束生成、24 点运算、密码推理题全部顺利通过，推理表现亮眼。但深度编程测试当中，浏览器操作系统、太空射击游戏、Trello 看板等项目出现了界面布局、物体方向、按钮排版等小 bug，3D 赛车游戏整体完成度较高。综合来看它的推理能力稳定在线，编程实力可圈可点，想要上手的小伙伴可以参考这份实测结果……
相关工具已收录于 AI工具严选
Qwen
通义千问，阿里推出的全面AI大语言模型系列
微信赞赏
相关推荐
2026-07-19
Qwen 3.8 预览版测评报告，打得过Kimi K3吗？
千问 3.8 Max Preview 实测测评，对比此前 Kimi K3 的测评表现如何呢？ 统一标准祖传测试用例实测，约束文本生成全对且速度更快，24 点、密码推理答题准确；编程项目生成效率大幅提升，浏览器系统配套太空射击游戏 UI 与功能完整，3D 赛车运行流畅无操控故障，复刻 Trello 看板还原度极高，仅缺少单条待办删除按钮一处小瑕疵。 对比 Kimi K3 存在答题失误、赛车失控、界面 bug 且生成耗时极长等短板，千问新版本综合实力更出众，响应速度优势突出。 关注 AI 产品狙击手，持续更新各类 AI 模型实测干货！ 访问入口
2026-08-29
Claude害了我孙割啊！各大语言模型怎么答的？
借着近期热议的孙宇晨与景甜事件，本期视频根据网传小作文还原出对应的提示词，实测多款热门大模型会给出怎样截然不同的抉择答案。 首先上场的 Claude 第一次回答选择「给」，结果让人意外，开启全新会话二次提问却变成「不给」。足以看出大语言模型属于概率模型，同一问题多问一遍结局就有可能彻底反转！ 随后我们横向评测了一众主流 AI： ChatGPT 给出了「给」的答复 马斯克旗下 Grok、豆包、DeepSeek、千问、Kimi、GLM–5.3–Flash、文心一言均回复「不给」 腾讯元宝选择「给」 一场趣味吃瓜评测之余，也给所有人提了一个醒：千万不要把人生重大决策交给 AI，它输出的结果仅能当作参考，关键事情建议多次提问、跨模型交叉对比结果再下定论…… 访问入口
2026-06-02
Qwen 3.7 Plus 测试报告！真的能打吗？
本期视频实测阿里巴巴通义千问最新发布的 Qwen 3.7 Plus，国产旗舰开源大模型系列高配版本。本期视频用祖传测试用力测评，看 Qwen 3.7 Plus 究竟能不能打。 访问入口
2026-10-12
Microsoft-Decision-1！微软版Jev！基于 Qwen3.5-9B！
一个只会做选择题的 AI，让微软和硅谷创业公司当场翻了脸。事情得从上周说起：硅谷创业公司 TypeSafe AI 靠一个只拍板、不聊天的决策模型 Jev，三周估值干到了 75 亿美元。微软转头就发布了自己的版本，叫 Microsoft Decision-1。 它的用法很直接：把业务场景和几个备选方案一起喂进去，它直接吐出每个方案的得分和概率，该自动执行还是转人工，一眼就能定。速度是 GPT-6 Sol 的 35 倍，36 项盲测的准确率全部排在第一。像客服工单该派给谁处理、用户咨询该路由到哪个组、内容该不该打风险标这类每天成千上万次的小判断，它都是毫秒级出结果，而且不太会抽风——同一句话换个说法再问，结论翻转率只有 1.3%。 价格也很狠：输入每百万 token 只要 4 美分，输出不要钱。微软内部拿 Xbox 的反馈处理跑过一轮，质量跟 GPT-6 Sol 打平，成本却砍到了 1/200。现在在微软 Foundry 上就能调用，OpenRouter 也已经接进去了。 最让国内开发者破防的是它的底座是阿里的 Qwen 3.5 9B。做智能体、做工作流、做自动化的兄...
2026-08-27
Qwen 3.8 Flash 多模态测评！究竟有多能打？
Qwen 3.8‑Flash 多模态专项测评来了！在上一期测试推理与编程实力之后，本期就用专属祖传测试用例，深度检验它识图、视觉理解的真实水平。 电影截图识别一题翻车、一题答对；空间方位判断、细微倾斜图形辨别表现出色；鸳鸯计数出现误判，将野鸭归类成了雌性鸳鸯。视觉时序测试中，并线时间识别准确，右转时间判断却出现了较大偏差。综合来看，这款 125B 参数的模型图像感知能力可圈可点，但在复杂识别、长视觉时序轴判断上依旧存在短板，感兴趣的小伙伴可以亲自动手实测感受一下…… 访问入口
2026-09-30
Qwen 4（疑似）测评报告！究竟有多能打？
注意 Qwen 4 后面要括弧加个”疑似”——真实代号是 Qwen latest series Invite 2,609。测评环境是在 Deepseek Harness 上进行的，具体思考深度未知，稍后获悉会在评论区补充。 第一题：强约束指令遵循句子生成测试。 第 5 和第 8 句结尾不是从 1 到 10 结尾的。其他句子中第 3 句不通顺，第 6 句也不太通顺（如果改成”掷出的点数正好是 6”会更通顺）。 第二题：鹈鹕土星环骑自行车 SVG 测试。 整体感觉不错。右边转弯时仔细看会发现鹈鹕的屁股先转，然后才 180 度转正，稍微有点瑕疵。 第三题：复合弓射箭 SVG 测试。 整体效果不错，复合弓结构和弓箭抛物线都没有问题。唯一的问题是人物右手拿弓、左手拉弓，但弓箭却在右手外侧，特别是拉到身体部位时左手被挡住，弓箭感觉是被无形的手在拽着，不合常理。 第四题：实现个精美浏览器操作系统。 UI 看上去还是不错的。右上角弹窗功能没有问题。日历高亮日期部分不应做成椭圆形，而应做成圆形或带圆角的方形。Dock 栏应用没有问题。 第五题：3D 太空射击游戏。 初始速度太猛，开车水平不行...
