9 月 2 日，Qwen3.8-Max-0902 最新版正式发布，Qoder CLI 首发接入，同时，我们在第一时间完成了一轮完整评测：6 道高难度真实任务 + 4 套 Agent 基准，对照组覆盖 Claude Code（Fable 5 / 5.1）、Codex（GPT-5.6 Sol ）、Antigravity（Gemini 3.8 Flash）。
评测跑完，Qoder CLI + Qwen3.8-Max-0902 的能力画像相当清晰。它有三大长板，每一项都在同题对照中得到了验证：
- 多模态审美：能准确读取输入的细节，并转化为高水准的视觉作品；
- 端到端更强：在需要持续投入、多轮自主操作的长程任务上保持稳定表现；
- 自主验收：自己写测试脚本、自己截图验收，直到通过自己设的标准；
福利：9 月 4 日 22:00 起，在 Qoder CLI 上使用 Qwen3.8-Max（目前默认是0902最新版）和Qwen3.8-Flash，夜间时段（每日 22:00 至次日 08:00，SGT）一律 4 折，前往 https://qoder.com/cli 即可安装使用。
评测方法
- 同题同卷：同一道题、同一份 prompt 下发，单次运行，不重跑、不挑结果；
- 环境隔离：每个模型在独立环境中运行，互不干扰，排除环境差异对结果的影响；
- 统一验收口径：交付物统一为单文件 HTML，超时上限 2 小时；
- 结果直出：产物零修饰、零筛选，运行结果直接呈现。
评价体系：
维度 |
考察内容 |
审美 |
Agent 对构图、配色、动效观感等的理解 |
理解 |
对题目细节与图片输入的识别还原 |
完成度 |
功能、逻辑与实现的完整程度 |
交互 |
交付物可玩性、操作体验 |
游戏生成
地铁跑酷
第二类任务我们看游戏。第一个 case 是地铁跑酷：三车道无尽跑酷，要求跳跃、翻滚、滑铲三套动作，能跳上火车车顶奔跑，四种改变玩法的道具（双倍分、喷气背包、超级跑鞋、悬浮板抵消一次撞击），外加计分存档、道具倒计时条等。
从画面完成度和操作流畅度看，Claude 和 Qoder CLI 明显胜出，拿起来就能玩。而 Qoder CLI 的优势更明显：
- 玩法闭环更完整：题面要求的四种道具之外，它多做了磁铁道具，补上了暂停恢复、音效和静音键，这些题目没要求，但玩家默认该有；
- 判定公平经过验证："悬浮板抵消一次撞击"这类最容易做假的机制，它逐项验证了激活、吸撞、冷却期防连用，不是看起来能玩，是被证明能玩；
- 交付前自己当了回测试：它给自己写了自动化验收脚本，用无头浏览器跑完 83 项检查、截下 8 个游戏状态的自测图才交卷，只有 Qoder CLi 完成了验收报告交付。
网球对战游戏
第二个 case 是机器人网球：第三人称你 vs CPU，要求低多边形球场、机器人根据球的位置自动选择正手/反手/高压扣杀/抛球发球四种挥拍动作、落点预示环、真实网球计分、发球失误判罚。Qoder CLI 的优势更突出：
动作集更全面：题面要求的四种挥拍它全部实现，扣杀、抛球发球都有独立动作；Codex 版没有做高压扣杀；
规则理解更准确：15/30/40、平分、二发判罚之外，它还实现了题面没要求的抢七局，对于一个游戏开发来讲，他对游戏所在领域的规则探索更深入；
氛围感拉满：看台观众、击球音效加静音键，在 prompt 里没有专门提出，但 Qoder CLI 自主识别了在此背景下需要的氛围，有它们才像一场比赛而不是一个物理演示。
纯代码 3D 建模
海盗船驶入日落
3D 场景是这次七道题里最考验空间几何能力的一道：船体、海面、落日光源要在同一个三维坐标系里各就各位，任何一处网格计算错误都会直接暴露成穿模。
实测下来， Gemini CLI 和 Codex 的产物都出现了穿模，船体部件互相穿透，模型经不起细看。建模完整、几何关系正确的只有 Claude 和 Qoder CLI。
而在这两个里，Qoder CLI 的光影处理更进一步：
第一是阴影更准。投影位置和落日光源方向一致，整个场景的光影是自洽的。
第三是背光面立体感十足。阳面受光、阴面渐暗，明暗过渡的逻辑完全正确，这不只是渲染做得好，更说明模型对光照方向和自然环境的理解本身是对的。
第三是场景更真实。日落的海面之上还加入了飞鸟，环境氛围补齐了最后一块。
火箭发动机 3D 建模
这道题的难点在于零参考建模：火箭发动机结构复杂、公开资料只有照片和参数，没有任何现成 3D 素材可用，模型需要仅凭对机械结构的理解，用 Three.js 基础几何体从零造出一台发动机，考的是工程认知和程序化建模两种能力的叠加。
结构精密，解释完整，符合物理规范：喷管、燃烧室、预燃室、涡轮泵逐一建模并标注，配有推力 230 吨、燃烧室压力 300 bar 的参数卡；页面角落还有一行主动声明，"参数为公开近似值，几何为解释性模型而非 CAD"，对自己交付物的数据边界标注得清清楚楚。
交互顺畅：自动旋转、剖面视图、标签开关三个控制按钮全部可用，点击零件即可查看该部件的详情，看模型的体验接近一个成品级的产品演示页。
工程语义理解到位：各部件按真实的装配逻辑组织，预燃室驱动涡轮泵、涡轮泵向燃烧室供给推进剂、燃气经喷管膨胀排出，整条工质流路的空间关系与工作原理一致，零件之间的连接逻辑通畅。
多模态审美
两道题：一道看图作画，检验多模态理解；一道命题作画，检验风格约束下的创作能力。
柑橘切片上的舞者
这是一道创意生成题：输入一张真实的柑橘切片照片，要求把人体姿态与切片融合成一幅完整构图，切片要参与到画面里，不能只是摆在旁边当道具，考的是模型怎么理解这张图、怎么在它基础上再创作。
首先是作画过程，Qoder CLI 的绘画流程和插画师的工作顺序基本一致：先起线稿定构图，再分层上色，然后刻画细节，最后加高光收尾。
另一个值得说的是，Qoder CLI 给出的构图是一位旋转中的芭蕾舞者：橙子切片是撑开的裙摆，果皮是裙边，果肉纹理是褶皱，几滴果汁是甩出的水珠，在思路和创意性上，表现更好。
中国剪纸动画
这是一道命题创作：中国剪纸风格的循环动画，配色限定朱红、金黄、靛蓝三色，要求呈现纸质纹理与视差效果，云飘、船行、鸟飞、日升全部无缝循环。限制条件越多，越考验创作能力。
先看动效和造型：Qoder CLI 生成的动线都做到了无缝循环，运动轨迹自然，没有卡顿和跳帧。构图上画面按黄金比例分割，三色限定内做出了层次，大面积朱红与靛蓝形成冷暖对比，浅色的天空与流水相互呼应。远山、村落、近水三层景深依次递进，剪纸本是平面语言，同时在平面里做出了纵深。
写在最后
6 个 Case 跑完，我们对在Qoder CLI 上使用 Qwen-3.8-max-0902 的整体结论是：
- 完成度：长需求清单落地率高，并出现自发编写验证脚本、自动截图验收的行为；
- 审美：均达到全场前列水准，以及在模型构建中、图画创作中的构图能力是非常突出的长板；
- 理解和逻辑：逻辑更通顺，更能读懂指令的上下文和背景，做出更优的判断；
- 交互：会主动补体验细节，暂停、静音、道具等没要求也做了的，成品的完成度不止于一次性 demo。
总结这轮评测：在 Qoder CLI + Qwen3.8-Max-0902 的实测中，对于视觉呈现、审美、交互体验等场景下的能力更为突出。
同时，给正在选型的团队三条参考：
- 任务复杂、需求清单长、对交付确定性要求高，Qoder CLI 是可靠的选择；
- 无论选哪个模型，Harness 层都值得纳入技术决策，同一个模型，Harness 的差异可以直接反映在结果上；
- 页面构建、动效交互、图画创作这类视觉生成类任务上，Qoder CLI + Qwen3.8-Max-0902 这套组合表现极佳，值得放进优选清单。
👇本次所有评测 Prompts 都在这里：
https://gist.github.com/sorrycc/2142edaa410e709414cfbd5e21f39d73
欢迎大家前往 Qoder CLI 体验最新版 Qwen3.8-Max。
