Theo giám sát của Động Sát Beating, tổ chức đánh giá Artificial Analysis sau khi kiểm tra lại Qwen3.8 Max đã nâng chỉ số Intelligence Index từ 53 điểm lên 56 điểm. Trước đó, giao diện kiểm tra gặp sự cố gián đoạn không thường xuyên, lần này họ chuyển sang dùng API chính thức của Alibaba Cloud để chạy lại. Thành tích mới đã cân bằng với Claude Opus 4.8, nhưng vẫn thấp hơn Kimi K3 1 điểm.
Tiến bộ rõ rệt nhất của Qwen là ở các tác vụ Agent. Điểm GDPval-AA đạt 1739, vượt qua Kimi K3 với 1685 và GPT-5.6 Sol với 1730, chỉ kém Claude Opus 5. Các bài đánh giá về thao tác thiết bị đầu cuối, suy luận khoa học và lập trình cũng đều tăng.
Cái giá phải trả là tốn nhiều Token hơn. Đơn giá Token của Qwen3.8 Max thấp hơn thế hệ trước, nhưng chi phí trung bình để hoàn thành một bài đánh giá tổng hợp vẫn tăng từ 0,53 USD lên 1,14 USD, cao hơn mức 0,86 USD của Kimi K3. Nguyên nhân chính là nó gọi nhiều vòng hơn trong các tác vụ Agent và tạo ra nhiều nội dung hơn.
Độ tin cậy về kiến thức của nó còn có dấu hiệu thụt lùi. Tỷ lệ chính xác của AA-Omniscience gần như không đổi, nhưng tỷ lệ ảo giác lại tăng từ 23% của thế hệ trước lên 40%.
