Qwen3.8 Max 追平 Claude Opus 4.8，效率存疑

阿里 **Qwen3.8 Max** 在 Artificial Analysis 智能指数上得 56 分，较前代跃升 10 分，与 **Claude Opus 4.8** 持平，超越所有美国厂商模型。但 **Moonshot AI 的 Kimi K3** 仍以 57 分领先，且任务成本低 25%（$0.86 vs $1.14）。

冲高靠“多步硬算”：GDPval-AA 的 Elo 从 1271 涨至 1739，压过 Kimi K3（1685），仅次于 **Claude Opus 5**（1852）。代价是平均步数从 14 步扩至 64 步，输入 token 膨胀约 15 倍，单任务成本翻倍。

可靠性下降：长文集成跌 2 分，知识诚实度暴跌 10 分，幻觉率从 23% 升至 40%。

💡 为什么值得看中国模型首次在综合智能上持平 Anthropic 旗舰，但高 token 消耗与幻觉恶化削弱性价比。