O Qwen3.8 Max registrou 58 pontos no Artificial Analysis Intelligence Index, avanço de 11 pontos sobre a geração anterior e resultado equivalente ao Claude Opus 4.8. Os dados foram divulgados pela Artificial Analysis.
O desempenho colocou o modelo da Alibaba acima do GLM-5.2, que obteve 51 pontos, e um ponto à frente do Kimi K3, da Moonshot AI, com 57.
A diferença aparece no custo dos testes. Cada tarefa executada pelo Qwen3.8 Max no índice custou US$ 1,14, enquanto o Kimi K3 registrou US$ 0,86 por tarefa, cerca de 25% menos.
Qwen avança em tarefas profissionais
No GDPval-AA, benchmark voltado a atividades relacionadas ao trabalho, o Qwen3.8 Max alcançou 1.739 pontos Elo. A versão anterior havia registrado resultado 468 pontos menor.
O modelo também superou o Kimi K3, que marcou 1.685 pontos. Entre os sistemas citados no levantamento, apenas o Claude Opus 5 ficou acima, com 1.852.
O avanço, porém, veio acompanhado de maior uso de recursos. O Qwen3.8 Max precisou de 64 etapas por tarefa, contra 14 na geração anterior.
O volume de tokens de entrada também aumentou cerca de 15 vezes. A metodologia do teste reenvia todo o histórico da conversa ao modelo em cada nova etapa, o que amplia o consumo conforme cresce o número de interações.
Custo por tarefa mais que dobra
A Alibaba reduziu os preços cobrados por tokens no novo modelo. A entrada caiu de US$ 2,50 para US$ 2 por milhão de tokens, enquanto a saída passou de US$ 7,50 para US$ 6.
O preço para tokens obtidos por cache recuou de US$ 0,50 para US$ 0,25 por milhão.
Mesmo com as reduções, o maior volume processado elevou o custo médio no Intelligence Index. O valor de US$ 1,14 por tarefa representa mais que o dobro dos US$ 0,53 registrados pelo Qwen3.7 Max.
No mesmo teste, o Kimi K3 custou US$ 0,86 por tarefa. O GLM-5.2 apresentou custo ainda menor, de US$ 0,57.
Taxa de alucinação sobe para 40%
O Qwen3.8 Max também apresentou queda em dois testes específicos da Artificial Analysis. No AA-LCR, que mede a capacidade de reunir informações presentes em textos extensos, o resultado recuou dois pontos.
A redução chegou a dez pontos no AA-Omniscience, avaliação que verifica se o modelo responde corretamente a questões de conhecimento ou reconhece quando não possui informação suficiente.
A taxa de respostas corretas permaneceu próxima de 31%. Já a taxa de alucinação passou de 23% para 40% em relação à versão anterior.
Os resultados indicam que o novo modelo respondeu com maior frequência mesmo quando não tinha conhecimento suficiente para fornecer uma resposta correta.
