Qwen3.8 Max 登顶 Agentic 评测榜首
推荐指数 60.0 NO. 014 · 2026.08.07
发布2026/08/06Score403Comments262
为什么值得看
阿里通义千问 Qwen3.8 Max 在 Artificial Analysis 的 Agentic Intelligence Index v4.1.1 中综合排名第一，超越 GPT-4o、Claude 等模型。这是国产大模型首次在强调工具调用和自主执行能力的 agentic 评测中登顶，对做 AI Agent 的国内团队有选型参考价值。
编辑判断
Artificial Analysis 的 Intelligence Index 特意加入了 Terminal-Bench、SciCode 这类考察代码执行和工具链操作的评测，比传统 MMLU、GPQA 更能反映模型在真实工程场景中的 agentic 能力。Qwen 在此类评测中领先，说明其在 function calling 准确率和多步任务稳定性上有实质性优化，而非仅靠刷题。
对国内 AI 工程师来说，这意味着做 Agent 开发时多了一个经第三方验证的高性价比选项，特别是在需要调用内部 API 或执行 shell 命令的场景下，Qwen3.8 Max 的延迟和成本结构可能比 GPT-4o 更友好。建议正在用 Claude 或 GPT-4 做 Agent 基座的团队，拿自己的任务集跑一遍对比，注意关注长链路任务中的错误累积率这个关键指标。
社区反馈
意见分歧 226 条评论
核心争论：登顶Agentic Index是否等于实际最强，评测维度差异与性价比之争
相关内容
阿里Qwen3.8 Agentic能力居Artificial Analysis榜单全球第一 Artificial Analysis公布榜单，Qwen3.8-Max以55.4分超越Claude Opus 5、GPT 5.6，首次打破该领域被西方模型垄断的格局。 阿里巴巴Qwen3.8 Agentic能力得分冠全球 第三方评测平台Artificial Analysis显示，Qwen3.8-Max在Agentic Index排行榜位列全球第一，此前中国模型最好成绩为Kimi K3的50.1分。 Qwen3.8 Max Benchmarks & Speed Qwen3.8 Max在agentic工具使用和计算机任务中排名16/129，公开类别得分59/100，存在更高排名的替代方案。 Qwen3.8，登顶英伟达榜单 Qwen3.8登顶英伟达SOL-ExecBench的FlashInfer-Bench子集，该评测面向Blackwell B200架构，测试AI智能体GPU算子性能。 1541分！阿里Qwen3.7-Max编程力登顶国产第一 Qwen3.7-Max编程能力全球前四，可独立完成专业团队耗时2周的复杂项目，持续运行35小时、超1000次工具调用的长程任务。
Strange that the page https://artificialanalysis.ai/agents/coding-agents doesn't even mention "Qwen" once if it's now the "best" according to one of their one index?
Different benchmarks: > Artificial Analysis Agentic Index: Represents the weighted average of agentic capabilities benchmarks in the Artificial Analysis Intelligence Index (GDPval-AA v2, Tau³-Banking) > Artificial Analysis Coding Agent Index v1.3 incorporates 3 benchmarks: DeepSWE, Terminal-Bench v2
Looks like coding agent is model+harness. There are far fewer models represented on that page. I believe "agentic index" is still the metric to look at for coding performance. I could be wrong about that though.