Qwen3-Max-Thinking季度复评断线重连表现新旧版本同题对决
优缺点分开列，适合谁写在最后。
赶时间的话，先看结论，再看适合谁。
评测维度速查表
五个维度各自测什么。
| 维度 | 测什么 | 怎么测 | 权重参考 |
|---|---|---|---|
| 质量 | 回答正确与可用 | 盲评打分 | 40% |
| 速度 | 响应与首字延迟 | 计时取中位数 | 20% |
| 成本 | 单价与额度 | 账单折算 | 25% |
| 稳定 | 高峰与长跑表现 | 连续七日记录 | 10% |
| 生态 | 接口与联动 | 功能清单核对 | 5% |
01泼冷水环节
失分的题逐条看了，原因不是能力是策略。
账单摊开算：对比对象选同档热门，别拿小厂刷战绩。付费档和免费档分开出成绩单。
值得单独说明：第一周最大的发现，是高峰期和闲时能差出一倍。评测工具本身也要校准，尺子歪了全盘皆输。
账单摊开算：长期订阅前，先看它最近两季的更新日志。别用厂商给的演示样例，那是考过的题。
测试环境写进附录，是可复现的最低要求。把对手的优点也写出来，报告才立得住。
02留一个尾巴
有新版本就回来更新这篇，旧结论会标注存档。
盲评环节里：方法有缺陷就写进「已知局限」，别装没有。样本量写清楚，十道题的结论撑不起「完胜」。
把报告拆两半发，中途设了个勘误窗口。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：响应速度单独测，别和正确率混在一个分里。引用别人的数据必须标来源和测试条件。
把样本拉大后：只测一遍就下结论，等于没测。评测工具本身也要校准，尺子歪了全盘皆输。
03适合谁
三类人适合，两类人别碰，对号入座。
现在回看，只测了自家一家几乎是必然的。分数保留一位小数就够了，假精度没有意义。
把切换清单固定放在评测排期的白板前，测试条件再没乱过。付费档和免费档分开出成绩单。
追问下去：有个细节：让家人也参与盲评的时候测，成绩稳定得多。客服响应也算进总分，售后是产品的一部分。
官方榜单只当索引，不当证据。样本量写清楚，十道题的结论撑不起「完胜」。
04测试方法
当时手头只有切换清单，照样把整轮测试跑完了。环境与参数写在文末附录，欢迎一键复现。
盲评环节里：结论压三天再发，是给自己留推翻的余地。预算和需求不同，结论就不同，别滥用通用分。
追问下去：这事没捷径，只有不跳步。高峰期单独加测一轮，闲时成绩不算数。
没什么诀窍，就是每个数字都留了原始记录。连续测七天，稳定性自己会现形。
把样本拉大后：分数保留一位小数就够了，假精度没有意义。测试环境写进附录，是可复现的最低要求。
评测工具本身也要校准，尺子歪了全盘皆输。客服响应也算进总分，售后是产品的一部分。
- 免费档用满才下结论
- 三时段各测过一轮
- 账单折算可复核
- 切换前并跑过两周
05一句话判定
把报告拆两半发，中途设了个勘误窗口。答案不绕弯，证据在后面逐条摆。
换个角度看：把报告拆两半发，中途设了个勘误窗口。评测工具本身也要校准，尺子歪了全盘皆输。
先说反例：把报告拆两半发，中途设了个勘误窗口。评测期间不更新驱动不改配置，变量锁死。
先说反例：题目一半自编一半公开，防止套题。高峰期单独加测一轮，闲时成绩不算数。
那阵子切换成本算清了是整份报告里最硬的一条。以「你每天重复最多的任务」为第一测试项。
盲评与跑分的相关性（示意）
06问答实录
没答完的问题，留在下期继续。
值得单独说明：响应速度单独测，别和正确率混在一个分里。样本量写清楚，十道题的结论撑不起「完胜」。
复测时发现：那一个月只加了一个习惯：先亮方法再亮结论。样本量写清楚，十道题的结论撑不起「完胜」。
现在回看，只测了自家一家几乎是必然的。付费档和免费档分开出成绩单。这篇先到这，有新版本随时回来改。
客服响应也算进总分，售后是产品的一部分。给每个数字标上时间戳，三个月后还能对账。
07测试的边界
把边界写明白，是评测的基本操守。
账单摊开算：很多人卡在切换成本算清了，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。
追问下去：付费档和免费档分开出成绩单。连续测七天，稳定性自己会现形。
换个角度看：那一个月只加了一个习惯：先亮方法再亮结论。评测期间不更新驱动不改配置，变量锁死。
测试环境写进附录，是可复现的最低要求。测速脚本开源出来，接受同样的审视。
- 并用切换 双模型并行两周
- 分组出题 中文专项分五组
- 用满额度 上限亲手摸到
- 折算会员 按用量算单价
报告交了，剩下的看你的任务怎么对号。
有更严的测法，欢迎来信指教。
常被问到的
- Qwen3-Max-Thinking季度复评断线重连表现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。