用了几天千问 3.8 Max，先说结论：它是个执行力选手，不是创意选手。
我拿它跑了两轮，都是我日常在做的 AI 视频那套流程。
第一轮，我让它把一篇经典短篇小说改成视频脚本。没给原文，想试试纯靠它自己的知识储备产出如何。结果它一口气写了七千多字，自动切成十四个板块：改编核心、片长建议、人物处理、旁白文本、镜头风格参考、AI 生成注意事项、推荐片名……
态度是真勤奋。但我真正要的那点东西，大概只占它输出的七分之一，剩下六份得我自己动手删。同样的提示词丢给 Sonnet 5，产出精准得多，干净利落。
所以似乎问题不在能力，在它不太会判断 "我到底想要啥"。你话说得糙一点，它就开始努力地跑偏。
第二轮好很多。我把上一轮的稿子接进分镜 Skill，让它按格式拆镜头。它拆出 56 个镜头，总时长五分钟左右，格式该有的都有，颗粒度也够细，一稿过，我基本没改。这种有明确规则、有模板约束的活儿，它做得比我预期好不少。
代价是慢。这一轮它整整想了二十分钟。同平台同任务，Sonnet 5 和 Deepseek v4 pro 都是五到八分钟的事。而且我反复试了几次，只要挂了附件，速度拖得特别明显。
还有个绕不开的点：似乎有点贵。同类型人物，比 GM5.2 之类的国产模型贵出好几倍。
另外必须吐槽一下它的文风。不知道是不是我个人感受，感觉这模型有很重的排版口癖，特别爱换行、爱分段、爱加引用块，读起来像在看现代诗。跟 GPT 那个 "不是…… 而是" 的句式病、Claude 那个双破折号一个性质。本来三行能说完的事，它给你摊成半屏，扫读成本一下就上去了。
如果你团队已经有成熟的内容工作流，Skill 模板是现成的，只想在 "落地执行" 这段接 AI 提效，它挺合适。剧本转分镜、提示词细化这类活儿，交付质量稳定。但你要是指望它从零帮你想创意、直接做改编，大概率得来回澄清好几轮，不如换个模型。
我个人的定位：备用。单纯这几个个人工作场景，体感大概在 GPT-5.5 和 Sonnet 4.6 那个区间，能扛一部分执行类负载，但短期内还不会成为主力之一。
