Qwen3.8目前只有流口水的水平

黄叶点子 2026-07-19 21:35 1

我做了两个测试，都是实际应用场景。

第一个测试是让它更新Python Workout中的过时的代码，替换为Python 3.12版本的代码，并生成最终的EPUB电子书。过程中反复偷懒、曲解用户需求。导致大量返工，最后消耗了大量token，得出的结果不尽如人意。

第二个测试是我给他一些Python知识点的Anki卡片，让他校对其中有没有知识性错误。这哥们直接生造了一个Python语法，并言之凿凿地说一张正常的卡片有知识性错误。被打脸之后，秒道歉。

我觉得这两个任务难度不高，复杂度稍微有一点。但也不是很高。但是模型最后的表现让我感到非常失望。阿里还是那个阿里。

附图一张

最新回复 (10)

PEScn 07-19 21:52

1楼

还没做完后训练就端出来了嘛……感觉太急着上线证明什么东西了……
xiao-gy 07-19 21:55

2楼

笑死我了这个打码的内容，一眼就看出来了^-^
哎呀肚子疼 07-19 21:55

3楼

生造了一个Python语法

有点离谱了，这种幻觉对 coding 来说有点严重吧
🌟𝗦̘̚𝘂̘̚𝗽̘̚𝗲̘̚𝗿̘̚𝗻̘̚𝗼̘̚𝘃̘̚𝗮̘̚ 07-19 21:56

4楼

coding我没试过，试了下文字似乎有提升
项太傅 07-19 22:01

5楼

不会差的，是时候加仓阿里巴巴了。
penny66 07-19 22:04

6楼

现在加仓太急促了就算相信也需要等第一波预期过了再说
ensemble 07-19 22:18

7楼

估计被kimi k3压力到了，这俩定位很像。甚至可能阿里也准备搞个开源最大模型的噱头，结果被kimi k3抢先了。
Fernando Mayert MD 07-19 22:23

8楼

目前来看，能做好模型的都是新创公司。国内的阿里巴巴、腾讯和字节；国外的Google、Meta的主要模型都是二流。这再次让我想起那本神作《创新者的窘境》
无痕 07-19 22:23

9楼

阿里的模型指令遵循和意图识别都不太好
黄叶点子楼主 07-19 22:24

10楼

（帖子已被作者删除）