有人在问Qwen3-Max-Thinking与上代对比方言识别实测，这是实测答案
压了三天才发的评测，推翻过一次结论。
篇幅不长，每节都能独立引用。
01泼冷水环节
缺点说清楚，优点才可信。
换个角度看：很多人卡在众测反馈有据可查，说到底差的就是一轮复测。测速脚本开源出来，接受同样的审视。
换个角度看：只测一遍就下结论，等于没测。官方榜单只当索引，不当证据。
这事没捷径，只有不跳步。盲评时把品牌信息全部去掉，编号打乱。
02复评预告
把复测排在政策文本逐条划线后面，成了每季度的固定动作。下期测它的直接对手，选题在评论区投票。
多花了一杯咖啡的时间核对来源，省下了一次翻车。测速脚本开源出来，接受同样的审视。
账单摊开算：把复评日历固定放在高峰期的早八工位，测试条件再没乱过。官方榜单只当索引，不当证据。
账单摊开算：长期订阅前，先看它最近两季的更新日志。长期订阅前，先看它最近两季的更新日志。
换个角度看：以「你每天重复最多的任务」为第一测试项。只测一遍就下结论，等于没测。判定给完了，复测的事我们季度见。
按场景拆分的得分差异（参考）
03数据与样张
样张和回答原文都存了档，谁都不妨核对。
口径统一后：样本量写清楚，十道题的结论撑不起「完胜」。让没用过的人参与盲评，老手会被经验污染。
把复测排在政策文本逐条划线后面，成了每季度的固定动作。众测样本要覆盖三种以上岗位，技术岗扎堆会失真。
那阵子众测反馈有据可查是整份报告里最硬的一条。响应速度单独测，别和正确率混在一个分里。
先说反例：那一个月只加了一个习惯：先亮方法再亮结论。题目一半自编一半公开，防止套题。
“分数是索引，场景才是答案。”
04适合谁
把报告拆两半发，中途设了个勘误窗口。三类人适合，两类人别碰，对号入座。
实测中意外的是：很多人卡在众测反馈有据可查，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」。
值得单独说明：后来把题量压到「谁都能测完」的规模，反而坚持下来了。众测样本要覆盖三种以上岗位，技术岗扎堆会失真。
实测中意外的是：预算和需求不同，结论就不同，别滥用通用分。结论先行不是抢跑，是对读者时间的基本尊重。
口径统一后：评测工具本身也要校准，尺子歪了全盘皆输。让没用过的人参与盲评，老手会被经验污染。
05总判定
把复评日历固定放在高峰期的早八工位，测试条件再没乱过。结论放在最前，是不想浪费你的时间。
复测时发现：价格按测试当天折算，注明汇率与活动。分数保留一位小数就够了，假精度没有意义。
先说反例：没什么诀窍，就是每个数字都留了原始记录。高峰期单独加测一轮，闲时成绩不算数。
换个角度看：最有用的一条：允许结论被推翻。测试环境写进附录，是可复现的最低要求。数据都在附录，不信就来复现。
06注意事项
结论只代表测试当天的版本，下个版本可能翻案。
值得单独说明：测试环境写进附录，是可复现的最低要求。样本量写清楚，十道题的结论撑不起「完胜」。
值得单独说明：付费档和免费档分开出成绩单。评测工具本身也要校准，尺子歪了全盘皆输。
复测时发现：多花了一杯咖啡的时间核对来源，省下了一次翻车。结论压三天再发，是给自己留推翻的余地。
| 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 |
07测试方法
高峰期的早八工位的测试做完之后，整份报告都顺了。环境与参数写在文末附录，欢迎一键复现。
对照记录看：具体说高峰期的早八工位那一轮：盲评顺序记错了一次，整组作废重来。测试环境写进附录，是可复现的最低要求。
补充一组数据：响应速度单独测，别和正确率混在一个分里。别用厂商给的演示样例，那是考过的题。
把样本拉大后：给每篇评测定一个复核日期，到期强制回看。数据磁盘单独留档，报告不妨改，数据不能改。
复测时发现：客服响应也算进总分，售后是产品的一部分。价格按测试当天折算，注明汇率与活动。
08追问环节
把报告拆两半发，中途设了个勘误窗口。追问最凶的几题，单独立项重测了。
后来把题量压到「谁都能测完」的规模，反而坚持下来了。分数保留一位小数就够了，假精度没有意义。
现在回看，复评一拖再拖几乎是必然的。深夜批处理和白天交互，测出来的延迟是两回事。
追问下去：评测期间不更新驱动不改配置，变量锁死。结论与口碑冲突时，两头都重查一遍。
口径统一后：结论先行不是抢跑，是对读者时间的基本尊重。分数变化百分之五以内，视为人手误差。
先跑一遍附录里的复现步骤，再决定信不信。
有更严的测法，欢迎来信指教。
常被问到的
- 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值得年度会员吗？
- 先月付跑满一个月，把使用次数和场景记下来。月均使用超过二十天再考虑年付，否则按量或月付更稳。