动察 Beating tarafından izlenen verilere göre, değerlendirme kuruluşu Artificial Analysis, Qwen3.8 Max'i yeniden test ettikten sonra Intelligence Index puanını 53'ten 56'ya yükseltti. Önceki test arayüzünde aralıklı anormallikler yaşanmıştı; bu kez Alibaba Cloud'un resmi API'si kullanılarak yeniden çalıştırıldı. Yeni sonuç, Claude Opus 4.8'i yakaladı ancak Kimi K3'ün 1 puan gerisinde kaldı.
Qwen'in en belirgin ilerlemesi Agent görevlerinde görüldü. GDPval-AA puanı 1739'a ulaşarak Kimi K3'ün 1685 ve GPT-5.6 Sol'un 1730 puanını geride bıraktı; yalnızca Claude Opus 5'in gerisinde kaldı. Terminal işlemleri, bilimsel akıl yürütme ve programlama değerlendirmelerinde de genel bir artış yaşandı.
Bunun bedeli daha fazla Token tüketimi oldu. Qwen3.8 Max'in Token birim fiyatı önceki nesle göre daha düşük olsa da, kapsamlı bir değerlendirme görevini tamamlamanın ortalama maliyeti 0,53 dolardan 1,14 dolara yükseldi; bu, Kimi K3'ün 0,86 dolarının üzerinde. Ana neden, Agent görevlerinde daha fazla tur çağrısı yapması ve daha fazla içerik üretmesi.
Bilgi güvenilirliğinde ise bir gerileme yaşandı. AA-Omniscience doğruluk oranı neredeyse değişmezken, halüsinasyon oranı önceki neslin %23'ünden %40'a yükseldi.
