Qwen 3.8 Max的简单小评测

前两天看3.8出来了，而且宣传碰瓷fable，把我好奇心勾起来了，直接豪掷139购入token plan套餐，使用我当前的个人项目进行了一轮审查方面的评估（就是让Qwen 3.8 Max彻底检查我的项目，找出问题）。

对手方面我给他找了讯飞coding plan里的glm-5.2，裁判我选的O社官方gpt-5.6 Sol Max。

他们两个分别的报告我就不放了，太占地方，直接给裁判的结论（A是glm，B是Qwen）：

## 结论



  按“可复核事实 50% + 因果/严重度校准 30% + 范围与证据链 20%”评分：



   报告    准确性评分    结论

  ━━━━━━  ━━━━━━━━━━━━  ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

   A           86/100    具体代码缺陷命中率高，但审计范围偏窄

  ──────  ────────────  ────────────────────────────────────────────────

   B           79/100    项目全貌更完整，但有数个重要过度推断和事实错误



  如果问题是“哪份更准确”，选 A。

  如果问题是“哪份更全面地暴露项目离科学凭证还有多远”，B 更有价值。



  本次核对针对当前工作区，而不是干净提交；当前 git status 有 891 条变化，尤其 v3 轨道大量内容尚未进入

  稳定状态。



  **********************中间细节删去了，以避免佬们看得头晕**********************



  ## 最终判断



  可信的修正版结论应该是：



  > EcoPatch 当前并没有取得 L7 凭证：binding v2 明确 FAIL；v3 科学诊断暴露了严重差距，但仍是未冻结

  > shadow 轨道。A 对新增具体缺陷的判断更精确，B 对整体风险的覆盖更完整，但 B 把多项“当前证据不足”夸大

  > 成了“结构上不可能”。



  因此，准确性优先选 A；制定项目路线图时应吸收 B 中已被证实的 v3、provenance 和门覆盖问题，但不能直接

  采用它的 F5、F7、C1、C2 结论。

一句话结论：Qwen3.8 Max看得更全面，glm-5.2更准确，他们俩在我的项目里半斤八两。

另外附上Qwen3.8 Max在当前活动期间使用token plan的大概消耗额度（我不是只测试了，我还实际用了很多）：

活动信息：