В ходе тестирования на VulcanBench модель Qwen 3.8-Max показала результат в середине рейтинга при ограничении времени 45-60 минут. Alibaba предоставляла моделям до 12 часов на задачу, что объясняет разницу в результатах тестов.
Бенчмарк Qwen 3.8-Max показал средний результат при ограничении времени
Независимый бенчмарк VulcanBench поместил Qwen 3.8-Max в середину рейтинга при ограничении времени 45-60 минут.
Источник: venturebeat.com
Открыть в ArenaPulse