arena.ai 上的 qwen3.5-max-preview 的一些观察

update：又测了三次糖果题，qwen3.5-max 给的都是 29，看起来是我第一次测得运气太好了

首先，众所周知在 qwen3-max-thinking 之后 https://chat.qwen.ai 上的思维链就变成总结版的了。但是 https://arena.ai 上的 qwen3.5-max-preview 的思维链应该还是原始的（逐个 token 蹦出来的），但是显示的思考时间会有一些问题。

其次，qwen3.5-max-preview 的思维链是比较有条理的，类似 glm-5，与 DeepSeek 那种狂野的思维链差别较大。

昨天测了一下这个帖子里的这个题，qwen3.5-max-preview、gemini-3.1-pro 和 gpt-5.4-high 是对的，gpt-5.4-mini、claude-opus-4.6-thinking、DS 网页端和 qwen3.5-plus 都做错了。

但刚才我又测了一下 CF 上一道 k2.5 和 gemini-3.0-flash 都能做出来的题，qwen3.5-max-preview 测了两次，思路都完全错误，且第二次给出的代码漏了头文件。

总结：推理和逻辑能力可能有一定的提升，但是没必要抱太大希望，佬们还是看看远处的 V4 吧

老实说还想用国产模型来弄弄cc的hhh

其实Opus4.6多Roll个几次，是能做对的，可用这个题检测一下渠道纯不纯

唉，千问传统的小模型顶尖，大模型拉胯

小模型现在得看 nemotron 了（

30B 拿下 IOI 和 IMO 金牌已经无敌了。

qwen的大模型系列一如既往的拉跨，丝毫没有意外

那个我试不了哈哈，有什么体验渠道吗？我本地只有8g显存，qwen3.5也只能跑9b q4量化的

为啥我在 arena.ai 上测试 qwen3.5-max-preview 那个三种口味的糖果问题是稳定得到错误答案啊?

原团队搞不了的事
就算换掉头头一时半会也救不起来

是的，我也是

qwen的max一向都很拉

希望qwen4能奋起直追吧

很怪

image2171×1352 195 KB

我问了5次都答不对，可能我用到假的了吧

这个模型我本地部署了，感觉coding很不行，测了一些写代码有关的问题回答得很差

写工程的话应该是正常的吧。

毕竟 IOI 是算法竞赛，和软件工程没啥关系

哪怕谁都放弃小模型， Nvidia 也最应该有动力去做小模型
不过也不一定，毕竟个人用户购买力有限