阿里千问Qwen4 Flash跑分49.9超Opus5.5 成国产首个游戏开发评测领先模型

阿里千问Qwen4系列大模型近期跑分数据曝光，其中轻量版Qwen4-Flash在面向游戏开发的GameFeelBench评测中取得49.9分，高于OpenAI Opus 5.5 xHigh的47.2分，成为国产大模型中首个在该基准下实现反超的型号。GameFeelBench聚焦代码生成、Bug修复、创意构思及音画内容生成等高阶开放任务，反映模型在强逻辑与想象力协同场景下的综合能力。Qwen4-Flash在“Creativity - Ideas”子项得分48.7（Opus 5.5为44.1）、“Coding - Bugfix”达46.3（后者为43.8），表现全面占优。Qwen4-27B得分为44.6，接近Sonnet 5.5的45分。该系列采用分层策略，包含Flash、27B、Plus与Max四款模型，定位覆盖云边端全场景。成本方面，Qwen4-Flash单次任务成本仅0.4美元，Opus 5.5为2.6美元；Qwen4-27B低至0.16美元，显著提升中小开发者调用可行性。技术上，Qwen4延续MoE架构优化，强化N-gram建模、长上下文保持能力，并集成专为游戏生成设计的Muon微调技术。需注意，该成绩限于垂直场景，Opus 5.5在通用语言理解、数学推理等传统基准仍具优势。Qwen4系列预计将于11月8日前正式发布，API与开源版本即将上线，有望加速在游戏NPC脚本、关卡设计等环节落地应用。