RecodeX 重构消息，评测机构ArtificialAnalysis对Qwen3.8Max进行重测，将其Intelligence Index从53分上调至56分，追平Claude Opus 4.8，但仍比Kimi K3低1分。此前测试因接口异常导致结果偏差，本次改用阿里云官方API重新评测。千问在Agent任务上进步显著，GDPval-AA得分达1739，超过Kimi K3的1685和GPT-5.6 Sol的1730，仅落后Claude Opus 5。终端操作、科学推理和编程评测均有提升。不过，更高性能伴随更高成本：完成一项综合评测任务的平均成本从0.53美元升至1.14美元，高于Kimi K3的0.86美元，原因是Agent任务中调用轮次更多。此外，其知识可靠性出现下降，幻觉率从23%升至40%。