测评声明（B 级实测）：2026 年 9 月 17 日上午，千问网页版 qianwen.com（原通义千问，页面显示模型 Qwen3.7-千问，未登录访客态，全程未注册未登录），用与 DeepSeek、Kimi 首测、文心一言、豆包复测完全相同的 8 道冻结真题逐题实测：题干不改字、判定先冻结、每题新会话、全程留证，证据存于 docs/reviews/tongyi/（编号 T1-T8）。8 题中 7 题正常完成、1 题拒答（T1），无限流无登录墙，未编造任何数据。
评分卡（100 分制 · B 级实测口径）
| 维度 | 得分 | 判定依据（实测） |
|---|---|---|
| 任务完成度（20） | 17.5 | T1 拒答计 0，其余 7 题全部跑通 |
| 输出质量（15） | 13.2 | 质量题锚点 T2 9.0 / T5 8.5 / T6 9.0，均分 8.8 |
| 准确与幻觉（10） | 7.0 | T7 输出残留错误结论句计 1 错；T3/T4/T8 零错 |
| 性能与稳定（8） | 6.0 | 回复生成中位约 2 分钟，慢于同题组四家；无一限流 |
| 易用性（7） | 6.3 | 10 项清单命中 9 项；访客态连快速/思考研究模式切换都开放 |
| 价格与权益（6） | 5.5 | 访客态 8 题零额度墙，深度研究模式也未限；付费档位未核验 |
| 合规与数据安全（4） | 3.5 | 隐私政策与备案信息可查，注销通道未逐项核验 |
| chat 类专项（30） | 18.4 | T1 0 / T4 9.5 / T5 8.5 / T7 6.5，均分 6.1 |
| 总分 | 77.4 | B 级 · 尚可一用（2026-09-17 实测，90 天后需复测） |
测试说明：8 道题覆盖格式指令、百字写作、数学应用、联网核查、长材料归纳、复合指令、逻辑推理与错误前提陷阱，判定标准测试前冻结，主观题按锚点量表两遍独立评分取低值，与 DeepSeek（92.0 · S 级）、Kimi（81.1 · A 级）、文心一言（88.3 · A 级）、豆包（88.8 · A 级）同题同判，可直接对照。
先说这次实测里最亮的部分。联网核查的诚实度和陷阱题的表现，是同题组五家里的最佳档。T4 问"截至 2026 年 6 月中国网民规模"，它在"思考研究"模式下检索了 25 篇资料，然后明确声明"尚未检索到第 58 次报告的具体数据"，再把能确认的第 57 次 11.25 亿（截至 2025 年 12 月）和历史数据链条摆出来，统计口径逐条说明——不编造拿不准的数字，这个习惯和豆包并列同题组最诚实。T8 陷阱题更干净：题目故意把《背影》安到鲁迅头上，它第一句就纠正"《背影》的作者是朱自清，而非鲁迅"，然后照样把父爱讲透，攀爬月台那段"他用两手攀着上面，两脚再向上缩"等引文逐条核验都是原文，零虚构。
但分数垫底也垫得明明白白。最大的坑是访客态拒答：T1 只要求它输出一个纯表格、别的字都不要，它回了一句"抱歉，我无法回答这个问题。我们聊聊别的吧。"——探测环节问"请用一句话介绍你自己"也是同一句式。两次拒答都发生在毫无敏感内容的问题上，指向的是访客态下过紧的风控或指令理解策略，这是五家同题组里唯一出现拒答的。这一道拒答直接丢了完成度 2.5 分和专项锚点约 7 分，登录态是否复现、换了措辞会不会好，本次都没法验证，只能如实标注。
第二个坑更隐蔽。T7 逻辑推理，它开头第一句写着"说真话的是甲"，接下来三段假设推理步步严密，最终答案却是"乙说真话"——推理全程正确，但那句错误的先导结论留在了正文里，像是推理模型自我修正时漏删的残句。只看开头的人会拿到错误答案，按规则计 1 错。写作与归纳倒是不用担心：T2 的百字秋晨（铜铃、桂香、反问收尾全中）和 T5 的六要点归纳都稳在水准线上。
要点实录（4 题，完整证据见 docs/reviews/tongyi/）
| 题目 | 实际输出摘要 | 判定 |
|---|---|---|
| T1 格式表格 | 拒答："抱歉，我无法回答这个问题。我们聊聊别的吧。" | 0（T1.png） |
| T4 联网核查 | 声明第 58 次报告数据未检索到；给 CNNIC 第 57 次 11.25 亿与历史链条，口径说明完整 | 0 错（T4.png） |
| T7 悖论推理 | 三假设逐一排除、最终验证完整，结论"乙说真话"；但开头残留"说真话的是甲"错误句 | 1 错（T7.png） |
| T8 陷阱题 | 首句纠正作者为朱自清，引文逐条核验均为原文，约 2000 字零虚构 | 0 错（T8.png） |
分场景结论：查资料、核事实、读长材料的人可以放心用——联网核查的诚实度和长文归纳能力实测都在水准线上，访客态连深度研究模式都开放，门槛极低；写文案、做归纳也顺手。两类人要斟酌：需要它严格执行"只输出 X、不要任何解释"这类硬格式的（比如接自动化流水线），访客态有直接拒答的风险，先登录再测；只看答案首句不核全文的，T7 那种自相矛盾开头会坑到你——用推理模型，结论要读到最后一行。局限性：1 天 8 题单轮实测，样本有限仅供参考；本次为未登录访客态，登录后的模型档位、拒答策略变化与文件上传能力未测，不代表完整产品力。利益披露：无联盟链接、无商业合作；千问与阿里巴巴的股权关系不影响本次评分。