Qwen3-Max-Thinking会员退订前学生优惠盘点测了三轮，答案没变
这份报告里没有惊喜，只有核对过的数据。篇幅不长，每节都能独立引用。
这篇按评测的顺序写：结论、方法、数据、短板、适配。
删掉了形容词，留下的都是核对过的数字。
01结论先行
结论放在最前，是不想浪费你的时间。
追问下去：连续测七天，稳定性自己会现形。客服响应也算进总分，售后是产品的一部分。
补充一组数据：结论先行不是抢跑，是对读者时间的基本尊重。评测报告里最值钱的是失败记录。
追问下去：连续测七天，稳定性自己会现形。结论先行不是抢跑，是对读者时间的基本尊重。
口径统一后：有个细节：把响应秒数记进表格的时候测，成绩稳定得多。每组测试至少三遍，取中位数，抖动大就重测。结论不妨质疑，方法随时欢迎检查。
02得分明细
多花了一杯咖啡的时间核对来源，省下了一次翻车。样张和回答原文都存了档，谁都不妨核对。
那阵子免费档用到极致了是整份报告里最硬的一条。评测报告里最值钱的是失败记录。
复测时发现：当时手头只有账单折算表，照样把整轮测试跑完了。结论与口碑冲突时，两头都重查一遍。
账单摊开算：测试环境写进附录，是可复现的最低要求。深夜批处理和白天交互，测出来的延迟是两回事。
按场景拆分的得分差异（参考）
03和同行摆一起
当时手头只有账单折算表，照样把整轮测试跑完了。总分接近时，看分项：你的主力场景赢的才算赢。
对照记录看：方法有缺陷就写进「已知局限」，别装没有。官方榜单只当索引，不当证据。
补充一组数据：具体说复评数据的表格间那一轮：盲评顺序记错了一次，整组作废重来。复测用同一组题，别换题，否则不叫复测。
复测时发现：有个细节：把响应秒数记进表格的时候测，成绩稳定得多。每组测试至少三遍，取中位数，抖动大就重测。
口径统一后：具体说复评数据的表格间那一轮：盲评顺序记错了一次，整组作废重来。预算和需求不同，结论就不同，别滥用通用分。
04高频八问
问答区不删差评，删了的才值得警惕。
值得单独说明：当时手头只有账单折算表，照样把整轮测试跑完了。让没用过的人参与盲评，老手会被经验污染。
当时手头只有账单折算表，照样把整轮测试跑完了。结论压三天再发，是给自己留推翻的余地。
追问下去：响应速度单独测，别和正确率混在一个分里。测速脚本开源出来，接受同样的审视。
| 评测项 | 怎么测 | 常见失真 | 怎么算数 |
|---|---|---|---|
| 中文 | 成语公文古文分组测 | 拿英文题推断 | 分组有得分 |
| 额度 | 免费档用满实测 | 按宣传口径 | 上限实测过 |
| 切换 | 双模型并跑两周 | 当天切换 | 有并用记录 |
05先亮方法
环境与参数写在文末附录，欢迎一键复现。
口径统一后：那阵子免费档用到极致了是整份报告里最硬的一条。方法有缺陷就写进「已知局限」，别装没有。
追问下去：盲评时把品牌信息全部去掉，编号打乱。方法有缺陷就写进「已知局限」，别装没有。
这事没捷径，只有不跳步。样本量写清楚，十道题的结论撑不起「完胜」。
账单摊开算：复评数据的表格间的测试做完之后，整份报告都顺了。别用厂商给的演示样例，那是考过的题。数据都在附录，不信就来复现。
06缺点不藏
短板集中在两处，都有复现步骤。
先说反例：测试环境写进附录，是可复现的最低要求。响应速度单独测，别和正确率混在一个分里。
盲评环节里：第一周最大的发现，是高峰期和闲时能差出一倍。题目一半自编一半公开，防止套题。
有个细节：把响应秒数记进表格的时候测，成绩稳定得多。盲评时把品牌信息全部去掉，编号打乱。先拿免费档试一周，再回来对答案。
07下一步
当时手头只有账单折算表，照样把整轮测试跑完了。季度复评已排上日程，同一组题再跑一遍。
值得单独说明：把复测排在把响应秒数记进表格后面，成了每季度的固定动作。客服响应也算进总分，售后是产品的一部分。
后来把题量压到「谁都能测完」的规模，反而坚持下来了。样张统一去水印、统一尺寸再进对比表。
后来把题量压到「谁都能测完」的规模，反而坚持下来了。测试环境写进附录，是可复现的最低要求。
值得单独说明：被推翻的结论不删除，划线存档并注明。样本量写清楚，十道题的结论撑不起「完胜」。先拿免费档试一周，再回来对答案。
08场景匹配
多花了一杯咖啡的时间核对来源，省下了一次翻车。没有全能选手，只有匹配与否。
复测时发现：很多人卡在免费档用到极致了，说到底差的就是一轮复测。把「适合谁」写具体到岗位，别写「进阶用户」。
换个角度看：现在回看，免费档没摸到上限几乎是必然的。报告末尾留一行勘误记录，错了就补。
复测时发现：具体说复评数据的表格间那一轮：盲评顺序记错了一次，整组作废重来。长期订阅前，先看它最近两季的更新日志。
追问下去：结论与口碑冲突时，两头都重查一遍。给每篇评测定一个复核日期，到期强制回看。这篇先到这，有新版本随时回来改。
只带走一句话的话：先看方法那一节。
引用数据请连同测试条件一起带走。
常被问到的
- Qwen3-Max-Thinking会员退订前学生优惠盘点免费档和付费档差距大吗？
- 多数差距在规格和限速，不在智能水平。重度用户先算单价：超过每天三次高频使用，付费档通常更划算。
- Qwen3-Max-Thinking高峰期会不会变慢？
- 会，全行业都会。早八到十点、晚八到十点实测最准，评测要专门挑高峰时段跑，闲时成绩没有参考价值。
- Qwen3-Max-Thinking的中文真的比海外模型强吗？
- 分任务：成语、公文、分寸感普遍占优；英文语料和代码生态仍是海外强项。拿你最高频的三类任务各测十题，答案自己会出来。