RecodeX 重构消息，阿里发布Qwen 3.8-Max预览版，宣称仅次于Claude Fable 5，但独立基准VulcanBench显示其默认设置排名末位、最佳设置仅居中。差异源于时间预算：阿里评测允许5至12小时，VulcanBench仅45至60分钟。文章建议采用“每成功任务成本”指标，将时间与Token预算纳入验收标准。Claude Opus 5在低努力模式下解决20/23任务，高努力仅18个，超时是主因。