阿里千问 1691 分登顶网页开发榜：领先 Kimi 17 分，输出价格不到 Claude 四分之一 9 月 2 日，阿里通义千问官方上线 Qwen3.8-Max 的最新迭代版本 Qwen3.8-Max-0902。同一天，海外代码竞技场 Code Arena 的 WebDev（网页开发）榜单更新：

💡 你将学到

阿里千问 1691 分登顶网页开发榜：领先 Kimi 17 分，输出价格不到 Claude 四分之一 9 月 2 日，阿里通义千问官方上线 Qwen3.8-Max 的最新迭代版本 Qwen3.8-Max-0902。同一天，海外代码竞技场 Code Arena 的 WebDev（网页开发）榜单更新：

📜 目录

• 1691 分，把 Claude 和 Kimi 都挤到身后
• 榜首里最便宜的，便宜里得分最高的
• 不只是写网页：连干五天的长任务
• 网页登顶，代码还没全能

阿里千问 1691 分登顶网页开发榜：领先 Kimi 17 分，输出价格不到 Claude 四分之一

9 月 2 日，阿里通义千问官方上线 Qwen3.8-Max 的最新迭代版本 Qwen3.8-Max-0902。同一天，海外代码竞技场 Code Arena 的 WebDev（网页开发）榜单更新：新版千问以 1691 分冲上总榜第一。

Code Arena 是海外开发者最常看的 AI 编程盲测榜，背后是伯克利团队做出的 Arena 评测体系，网页开发赛道累计超过 60 万张真人投票。它的规则跟考试完全不同：题目是真实用户随手打的需求，不公开、不固定，模型厂商没法提前针对题库优化；两个模型匿名交出网页成品，由用户两两对比投票，再按电竞天梯那套 Elo 算法算积分。厂商自己发布的跑分可以挑考场，这张榜挑不了。

1691 分，把 Claude 和 Kimi 都挤到身后

榜单更新后的前几名如下：

跟 Claude 的 3 分差距要客观看：这个榜单每个分数都带着 ±9 到 ±13 的误差棒，3 分在统计上属于同一水平线，说"并列第一梯队"更准确。但领先 Kimi K3 的 17 分、领先自家旧版的 22 分都超出了误差范围，是实打实的提升。

分项成绩也很整齐：数据分析和消费产品两个类目排第 1，品牌营销、游戏、模拟三个类目排第 2，内容创作工具和参考设计排第 3。

榜首里最便宜的，便宜里得分最高的

这张榜真正的看点在价格。榜单同时标出了各家 API 的美元定价：

千问的输出价格不到 Claude 的四分之一，也只有 Kimi 的四成。榜单官方做过一版性价比分析：按混合调用成本算，千问站在了得分最高的位置上。以前代码榜的规律是越强越贵，这次排在最前面的还最便宜。

国内用户通过阿里云百炼调用，人民币价格为输入 12 元、输出 36 元每百万 token，缓存命中最低到 1 元。

不只是写网页：连干五天的长任务

0902 这版主打"编程加协作"加训，官方放出了几个长程任务案例。金融模拟里，它在超过 2000 轮的交易迭代中边做边学，最终拿到 41.6 万元的模拟收益、4.16 倍回报，比第二名 GLM 5.2 高出 38%，比自家上一代 Qwen3.7-Max 提升 152%。

科研复现实验更夸张：给它一篇机器学习论文和一批 GPU，它连续自主工作约 125 小时，写下 7600 行代码、执行 1100 多步操作、跑完 33 轮 GPU 训练，先从零复现了论文的六项主要结论，又自己试了 18 种改进方向，最终找到的新方法在 AIME24 数学基准上比原论文还高 2.7 分。芯片设计测试中，它经历约 500 轮交互，把一款加密电路从 8298 个逻辑门一路优化到 678 个。考察论文复现能力的 PaperBench 上它拿到 93.0 分，是官方对比模型里的最高成绩。

网页登顶，代码还没全能

有一点要说明白：WebDev 考的是网页开发，也就是前端页面、交互、设计还原这一类任务。在更贴近大型代码仓库维护的 SWE-bench Pro 上，Qwen3.8-Max 得分 67.7，还落后于 Claude Fable 5 的 80.0。写网页它登顶了，啃复杂工程仓库还有差距。

另外千问同步开源了 270 亿参数的 Qwen3.8-27B，同一个榜单拿 1595 分排第 9，Apache 2.0 协议，本地部署的玩家花电费就能摸到第一梯队的边。

国产模型在海外代码竞技场拿总榜第一，这是第一次。更让对手难受的是，它卖得还比谁都便宜。

你看好Qwen3.8 Max吗？评论区聊聊