我让 Qwen3.8-Max 玩游戏, 结果发现了善良的数学意义!

karminski-牙医

合集 · 大模型竞技场 (79)

  1. 1:40
    全网首测！DeepSeek 4 小时之前又发布了一个多模态模型 Janus-pro
  2. 4:24
    5分钟教你使用AI写一个风扇控制器
  3. 2:46
    10小时前发布的大模型 Mistral-small-24B 马上开测！
  4. 0:51
    NVIDIA又要跌？DeepSeek 刚用 FP8 没多久，这 FP4 训练要来了
  5. 1:43
    一招解决DeepSeek-R1无法连接网络问题！还能白嫖DeepSeek-R1!
  6. 1:17
    国产视频生成框架！能让老黄唱野狼 Disco！
  7. 4:03
    大模型竞技场 - Gemini-2.0-Flash 全网首测!
  8. 2:10
    微信刚上线 DeepSeek, 腾讯又把 AI 知识库也接入 DeepSeek 了？
  9. 2:52
    来啦！Grok-3 全网首测！登陆火星 demo！
  10. 1:55
    视觉大模型也能推理了？来看Ovis-2视觉模型的效果如何！
  11. 7:32
    谁是最强写代码模型? 我使用了最好的21个模型, 花了50刀, 总计测试252次
  12. 2:06
    全站最速！DeepSeek-V3-0324 写代码能力评测！不仅 OpenAI, Claude 也要颤抖了
  13. 4:18
    我用AI做了个网页版我的世界，还能用砸瓦鲁多
  14. 2:25
    全站最速！GPT-4.1 写代码能力评测！啊？又拉了？
  15. 5:53
    极限测试！Qwen3 写代码+画画！究竟是不是开源最强模型？
  16. 12:42
    我发现了AI最有用的用途——整理桌面！来看 Kimi-K2 Agent 能力实测!
  17. 2:02
    使用 AI 做了个以《三体》中叶文洁为视角的小短片——三体·独白
  18. 0:37
    nano-banana 幼儿园级教程① 如何将照片转换为城市天际线风格的建筑!
  19. 1:06
    nano-banana 幼儿园教程第②弹! 教你如何做模特图!
  20. 0:55
    nano-banana 幼儿园级教程第③弹! 如何实现贴纸自由!
  21. 0:46
    nano-banana 幼儿园教程第四弹! 教你如何克隆喜欢的图标!
  22. 0:41
    nano-banana 教程第五弹! 如何万物像素化!
  23. 1:10
    nano-banana 生成 8K 分辨率图片教程!
  24. 3:06
    Kimi-K2-0905 实测! 一口气输出1100行代码
  25. 1:41
    Qwen3-Max-Preview 实测! 给大家放个鞭炮
  26. 2:20
    Qwen3-Next-80B-A3B 实测! 能跟头部模型对打吗?
  27. 1:31
    刚发布的 Qwen3-TTS-Flash 实测!
  28. 2:54
    DeepSeek-V3.2 实测! 真就只提升了0.1?
  29. 2:18
    Claude-Sonnet-4.5 实测! 口嫌体正直国庆献礼?
  30. 2:22
    GLM-4.6 实测! 最近都很流行更新一大截然后版本就增加0.1嘛?
  31. 2:22
    DeepSeek 竟然是 INTJ, 如果改成 INFP 会怎样?
  32. 2:05
    claude-haiku-4.5 实测! 便宜大碗?
  33. 2:15
    Vibe Coding 不流行了? Spec Coding 教程来啦
  34. 2:36
    KAT-Coder-Pro-V1 实测! 早放3个月就好了?
  35. 2:07
    Minimax M2 实测! 你也晚了3个月?
  36. 1:16
    Cursor 推出炼蛊模式！一口气能开8个代理！
  37. 2:32
    Cursor 终于有自己的大模型啦！来看实测！
  38. 2:28
    Qwen3-Max-Thinking 实测! 呃......
  39. 2:17
    Kimi-K2-Thinking 实测! 差距继续缩小!
  40. 3:17
    Gemini 3.0 Pro 实测! SOTA! 不过发现两个重要问题!
  41. 0:52
    nano banana pro 幼儿园教程! 如何合成橱窗图片!
  42. 4:31
    Meta 的新模型 SAM 3 实测!
  43. 2:05
    什么? 用 Claude Code 剪视频?
  44. 2:50
    DeepSeek V3.2 正式版实测! 提升真的有限?
  45. 2:57
    教程来啦! 如何使用AI打造自媒体博主军火库
  46. 2:54
    GPT-5.2 实测! 美是真的美, 卡是真的卡
  47. 1:25
    一秒生成高斯点云? Apple新模型SHARP实测!
  48. 4:38
    AI送外卖到底有多强? 来看 Doubao-Seed-1.8 Agent 能力评测!
  49. 4:33
    现在都流行大模型月更吗? MiniMax-M2.1 实测!
  50. 3:42
    2025年全球大模型厂商下载量排行榜
  51. 3:27
    500张图片测试! 一个视频告诉你GLM-Image怎么用!
  52. 5:58
    不写 prompt 改看视频了! Kimi-K2.5 实测!
  53. 4:55
    提升明显! Qwen3-Max 正式版 vs Preview版 实测!
  54. 2:29
    不是说好了年前不发吗? DeepSeek 你个大猪蹄子
  55. 7:04
    GLM-5发布啦! 给大家带来实测! 国产大模型正式进入月更节奏!
  56. 5:06
    啊?一个月一个版本? MiniMax-M2.5 4000万 token 实测!
  57. 7:01
    Qwen3.5实测! 来看贺岁档大模型的实力!
  58. 4:32
    Gemini-3.1-pro 实测! 更新了个寂寞?
  59. 5:15
    inclusionAI Ling&Ring 2.5-1T 大模型实测!
  60. 6:07
    Agent 能力有多强? 来看豆包 Seed 2.0 实测!
  61. 5:10
    龙虾专用大模型? GLM-5-Turbo 实测!
  62. 3:44
    如何做一个生产级SKILL? 用MiniMax-M2.7给龙虾写SKILL的保姆教程
  63. 8:01
    从国产SOTA走向世界SOTA? GLM-5.1 实测!
  64. 6:06
    AI能帮我拍照了? Qwen3.5-Omni实测!
  65. 8:51
    花费106刀测试! Claude-Opus-4.7 到底更新了啥?
  66. 9:04
    Kimi-K2.6 前端/后端/Agent编程能力实测! 甚至还帮我做了个游戏!
  67. 2:32
    大模型写代码比说话还快是什么体验?
  68. 7:36
    Agentic Coding 能力大幅提升! Qwen3.7-Max实测!
  69. 5:39
    MiniMax-M3 最佳实践? 这个视频告诉你!
  70. 1:06
    Fable 5 超越人类还为时尚早!
  71. 0:44
    单卡 700TPS! Diffusion Gemma 来了!
  72. 5:40
    GLM-5.2实测! 什么才是Agent能力的提升?
  73. 1:43
    2分钟教你做一个可以自我迭代的 Agent
  74. 6:12
    Flash模型横评! 性价比之选竟然是这个?
  75. 6:33
    混元3实测! 300B参数竟然有这种Agent能力!
  76. 1:13
    1B就能达到这种效果?LingBot-Vision实测!
  77. 14:05
    Kimi-K3 全方位实测! 我竟然打游戏输给了她?!
  78. 4:57
    我用 LongCat-2.0 省了 88% 的 Agent 输入成本!
  79. 9:46
    我让 Qwen3.8-Max 玩游戏, 结果发现了善良的数学意义!
Description 
给大家带来 Qwen3.8-Max 实测! 本次测试仍然包含了全面的前端 one-shot, 后端 AgenticCoding, 模型 Agent 能力测试!

直接说结论, Qwen3.8-Max 前端能力超强, 完全是目前的第一梯队, 同时后端能力上仍然保持优势. 而 Agent 能力则感觉是在不同领域布局了, 测试下来 Qwen3.8-Max 更适合执行多个串联任务或者复合型任务(比如项目重构迁移, 多智能体框架驱动等), Qwen3.7-Max 则适合解决大型的单一任务 (比如拆解报告, DeepResearch 等).

除此之外, 本次我还结合了上期的Agent记忆框架, 让 Qwen3.8-Max 尝试玩苏丹的游戏这个卡牌游戏了, 结果大翻车! 就在我不断打磨, 跟Qwen3.8-Max讨论的过程中, 想到了一个绝妙的解决办法, 请看视频!

Comments

困懒户 19h ago

牙医的世界线里应该没有deepseek

♥ 16

panlilu 19h ago

结尾升华了。能不能试试别的策略，比如“以牙还牙”？

♥ 12 ↩ 2

唉_唉_唉 15h ago

这次的虚拟形象太可爱了，萝莉控爽吃。[乐正绫单人集·音樂动态_美味]

♥ 1

RZTH39 19h ago

近几期都有AI拟人出来百家讲坛的环节，我觉得效果挺好的，以后请多安排一些😋

♥ 4 ↩ 1

戏兔 11h ago

[思考]

♥ 1

厉飞衡 13h ago

@MioriaAI 总结视频

vecy 19h ago

up还会有放出ds测评的一天吗[大哭]

♥ 16 ↩ 8

没人理的天才 7h ago

你好，日常水你，随便支持一下。真正的天才路过，然后留点东西，防被人说。只有天才才能正面回答，你是不是东西？这个问题不会被骂到。只有天才才能想出田忌赛马第二种不违反规则赢法。随机字公共之宫海，形声字。从水，每声。百川汇聚处。本指地球上最大的公共之宫海，形声字。从水，每声。百川汇聚处。本指地球上最大的

青春你好吖 18h ago

以前千问那种说话风格和思维链在3.8max都不一样了，以前问个问题回答的挺详尽的，现在问个问题就几句话比kimi的模型都水，而且问个名人给职业地区的提示也不知道是谁，连deepseek v4falsh都能直接输入人名回答的完全准确，本来想着替代deepseek当日常知识问答的模型，结果用下来问问题回复比kimi都简短也没有解释清楚，编程能力看deepswe的话跟v4falsh差的不多，不过其他能力貌似不错在AA网站里agent能力sota了，其他也有几个sota的，幻觉率40%，话说deepseek的幻觉率80-90%真的好严重，从qwen3.5开源发布以后，我就彻底看透qwen主要还是要走闭源商业路线，我就彻底弃用qwen的模型了，最近突然看到max要开源，又对qwen有期待了，我个人是完全只用开源模型的，结果这个3.8max在我日常使用的模型中就很尴尬，编程我是完全用k3或者glm的，日常问题都是交给deepseek的，有时候会用k3，不过kimi的说话风格太简短，有时候问题解答的不够全面详细，但是3.8max比k3都简短也解释不到问题上在我日常用的不太舒服[笑哭]，我还是等等看v4pro吧[大哭]

♥ 5 ↩ 2

RZTH39 19h ago

麻麻。

♥ 9 ↩ 1

ツ问仙 7h ago

Max 贵死了，139 套餐 50% 的 5xiao shxiao shi 小时额度修一个 bug 就没了，就离谱

看黎明道晚安 16h ago

还是挖人大法好啊[doge]梁文锋团队的人个个都值钱

♥ 1

李文哲_ 16h ago

让ai玩苏丹的游戏[星星眼]不错啊

♥ 1

伤心没什么大不了 19h ago

[呲牙]

♥ 1

萧骁l 11h ago

Qwen3.8-Max 在复合任务和 Agent 框架下的表现确实让人眼前一亮。不过开发多智能体项目时，频繁调用不同模型容易导致 Key 管理混乱和额度分散。使用一站式 API 接入能解决这个麻烦，模型真实不掺水，且服务稳定运行了一年半。在 infistar.ai 就能统一配置所需的各种模型接口。

zsh199803 8h ago

实际使用3.8max，感觉阿里本次强化了Agent表现，强化了最终完成目标的训练？但是中途我插入我的经验意见他往往会简单尝试然后走回老路

Isla7940 16h ago

类似于claude宪法？

♥ 1

k903436128 12h ago

能试试马基雅维利主义么

琳月楠 17h ago

[打call][打call][打call]