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……
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
2026-09-02
Qwen 3.8 Max 新版测试！究竟有多能打？
Qwen 3.8 Max 新版实测报告来了！官宣编程能力大幅升级、登陆 CodeArena 榜单，今天就在 Deepseek Harness 拉满思考深度，用上 V2.1 祖传测试用例一探究竟。 强约束句子生成任务全部通过，十条语句通顺达标；三解 24 点题目前两个解法正确，第三个误用开立方出现违规参数；难度升级的 7 位密码锁推理宣告无解，推理环节翻车。 编程测试取消无头浏览器 UI 校验，纯看模型原生输出。浏览器操作系统 UI 精致、弹窗与 Dock 栏运行正常；太空射击游戏 3D 效果到位，但空格键和鼠标点击无法发射子弹，存在功能 bug；3D 赛车游戏整体体验尚可，少量障碍物贴图粗糙；Trello 看板 UI 观感舒适，拖拽增删改功能运行稳定。 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...
2026-08-15
Qwen-3.8-27B 测评报告！真的能打吗？
Qwen-3.8-27B 开源模型测评，本次测试使用 Q4_K_S 量化版本，BF16 原版权重留给大家自行部署。指令生成测试全部达标通顺，24 点、密码锁推理作答无误；浏览器操作系统项目启动失败，3D 赛车游戏画面可用但按键左右反转，Trello 看板功能完整。27B 量化后依旧有着不俗实力，非量化版本潜力更高，非常适合个人以及小型企业本地部署使用…… 访问入口
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
2026-10-08
千问办公入门（31）！如何做一份专业的竞品分析？
这一集教程，我们学习在千问办公中怎么做竞品分析。开始之前，先看一份 DeepSeek 做的竞品分析——以千问办公和 Workbuddy 为例。它输出的是一个看着像模像样的对比页面：两款产品各一句话定位，加一张覆盖厂商定位、功能、商业模式等十几个维度的对比表，再有相同点、关键差异和选型建议。结构是完整的，但通篇没有任何数据来源，内容全靠模型记忆泛泛而谈，还把基本事实搞错了——它把 Workbuddy 说成京东系产品，而它其实是腾讯家的。看着热闹，经不起推敲。 再看千问办公用同样提示词做的这份：开头就标注了 6 大维度、10 张对比表、12 项数据来源、数据截止日期。它是真联网调研过的，信息来自两家官网、掘金和 CSDN 的第三方横评、用户长测等，每个板块都挂着出处。内容也全是硬货——定价精确到每一档，口碑做成了结论和好评差评对照表，功能矩阵 20 多项逐项标注支持情况，还给两家各做了一套 SWOT，最后落到按优先级排序的差异化机会点。 一句话总结：DeepSeek 教的是一篇作文，千问办公教的是一份能直接拿去开会用的报告。 那千问办公是怎么做到的呢？很简单，靠 Skill。我...
2026-08-03
Qwen 3.8 Max 测评报告！究竟有多能打？
重量级新模型千问 3.8 Max 深度实测！ 2.4 万亿超大规模参数，办公、编程能力全面升级，全球榜单稳居第一梯队，API 同步接入千问办公，下周即将开源。 全套标准测试推理题目全部满分，文本输出仅有两处小瑕疵；代码生成表现惊艳，桌面系统、太空射击游戏成品质量远多款竞品，3D 赛车体验流畅，Trello 看板基础拖拽功能齐全，仅少题目编辑入口，综合实力十分能打，开发、办公人群值得上手。 访问入口
