Qwen3-Max-Thinking会员退订前公文写作实测的强项与短板，一次摆全
盲评、复测、原始记录，三样都齐。
删掉了形容词，留下的都是核对过的数字。
篇幅不长，每节都能独立引用。
01短板在哪
短板集中在两处，都有复现步骤。
试过更花哨的评测框架，最后退回一张表格。被推翻的结论不删除，划线存档并注明。
口径统一后：最有用的一条：允许结论被推翻。分数保留一位小数就够了，假精度没有意义。
复测时发现：把反对意见原样贴出来，比一致好评有用。给每个数字标上时间戳，三个月后还能对账。
02评测流程
同一组题、同一台机器、同一套提示词，变量只剩模型。
第二季度复测，快了一倍，因为题库是现成的。付费档和免费档分开出成绩单。
试过更花哨的评测框架，最后退回一张表格。深夜批处理和白天交互，测出来的延迟是两回事。
很多人卡在免费档用到极致了，说到底差的就是一轮复测。结论与口碑冲突时，两头都重查一遍。
追问下去：评测报告里最值钱的是失败记录。样本量写清楚，十道题的结论撑不起「完胜」。
03横向相对而言
当时随手存的原始输出，后来成了唯一的证据。对手选的是同档最热的三款，输了不冤赢了不虚。
很多人卡在免费档用到极致了，说到底差的就是一轮复测。评测报告里最值钱的是失败记录。
账单摊开算：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。
实测中意外的是：那一个月只加了一个习惯：先亮方法再亮结论。只测一遍就下结论，等于没测。
| 评测项 | 怎么测 | 常见失真 | 怎么算数 |
|---|---|---|---|
| 速度 | 早中晚三时段计时 | 只测一次 | 时段分开报 |
| 额度 | 免费档用满实测 | 按宣传口径 | 上限实测过 |
| 生态 | 办公联动逐项试 | 看功能列表 | 联动有截图 |
04数据与样张
很多人卡在免费档用到极致了，说到底差的就是一轮复测。表格里是全部原始成绩，没有挑拣。
把样本拉大后：价格按测试当天折算，注明汇率与活动。连续测七天，稳定性自己会现形。
账单摊开算：失败的用例原样保留，那是报告的一半价值。结论压三天再发，是给自己留推翻的余地。
复测时发现：这事没捷径，只有不跳步。对比对象选同档热门，别拿小厂刷战绩。
实测中意外的是：把切换清单固定放在众测反馈的文档里，测试条件再没乱过。把反对意见原样贴出来，比一致好评有用。分数是死的，你的任务才是活的。
成本与质量的相对位置
05下一步
下期测它的直接对手，选题在评论区投票。
账单摊开算：数据磁盘单独留档，报告不妨改，数据不能改。复测用同一组题，别换题，否则不叫复测。
补充一组数据：那一个月只加了一个习惯：先亮方法再亮结论。把「适合谁」写具体到岗位，别写「进阶用户」。
没什么诀窍，就是每个数字都留了原始记录。数据磁盘单独留档，报告不妨改，数据不能改。
对照记录看：第一周最大的发现，是高峰期和闲时能差出一倍。测速脚本开源出来，接受同样的审视。
06结论的适用范围
把报告拆两半发，中途设了个勘误窗口。把边界写明白，是评测的基本操守。
账单摊开算：引用别人的数据必须标来源和测试条件。结论先行不是抢跑，是对读者时间的基本尊重。
实测中意外的是：当时随手存的原始输出，后来成了唯一的证据。数据磁盘单独留档，报告不妨改，数据不能改。
追问下去：那一个月只加了一个习惯：先亮方法再亮结论。把「适合谁」写具体到岗位，别写「进阶用户」。
07结论先行
有个细节：把响应秒数记进表格的时候测，成绩稳定得多。结论放在最前，是不想浪费你的时间。
对照记录看：高峰期单独加测一轮，闲时成绩不算数。客服响应也算进总分，售后是产品的一部分。
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。测速脚本开源出来，接受同样的审视。
换个角度看：别用厂商给的演示样例，那是考过的题。数据磁盘单独留档，报告不妨改，数据不能改。
对照记录看：当时手头只有切换清单，照样把整轮测试跑完了。高峰期单独加测一轮，闲时成绩不算数。先拿免费档试一周，再回来对答案。
- 三时段各测过一轮
- 免费档用满才下结论
- 切换前并跑过两周
- 政策文本逐条划线
不着急下结论，题库随时开放。
这篇按勘误记录持续修订。
常被问到的
- Qwen3-Max-Thinking的隐私政策要注意什么？
- 三处：数据留存期限、是否用于训练、企业数据隔离。个人用户重点看第一处，企业用户三条都要落实。
- Qwen3-Max-Thinking会员退订前公文写作实测换用另一家要多久适应？
- 核心操作一周内能适应，成本在历史对话和习惯迁移。建议双模型并用两周再正式切换。
- 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。
- Qwen3-Max-Thinking会员退订前公文写作实测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。