El modelo temprano de Alibaba Qwen 4 superó a Claude Opus 5.5 en una prueba de creación de juegos: 34 victorias frente a 10, y el resultado está causando sensación en X hoy. La prueba es GoldieBench: se proporcionó el mismo prompt fijo a ambos modelos, una sola vez, con un solo archivo HTML como salida, en 50 tareas — todos los juegos fueron probados realmente. Qwen3.8-Max-Preview obtuvo un promedio de 8.10 sobre 10. Opus 5.5 obtuvo un promedio de 7.60. La brecha fue más amplia donde importaba la atmósfera. Qwen logró 8.7 frente a 5.8 en un shooter 3D synthwave, 8.4 frente a 5.5 en una aldea al atardecer y 8.2 frente a 5.5 en un action-RPG en vista superior. Ganó 8 medallas de oro frente a las cero de Opus. Opus aún ganó sus propias batallas — y una fue abrumadora. Su escena oceánica obtuvo 8.4 frente a los 2.0 de Qwen, la brecha más grande en una sola tarea de toda la prueba. La limitación: esto es una sola prueba independiente, y las reglas no fueron idénticas. Las tareas de juegos de Qwen se ejecutaron dentro del modo agente de Qoder, con hasta dos rondas de corrección QA — un juez visual devolvió errores de consola y Qwen editó su propio archivo. Opus funcionó en modo one-shot. Y una prueba separada publicada el 7 de noviembre arrojó resultados opuestos: en una construcción de Sokoban evaluada por GPT-6 Astra, Opus obtuvo un 77% frente al 70% de Qwen — en aproximadamente 4 minutos, contra los 31 de Qwen. El modelo en sí aún está solo en versión preliminar: el modelo insignia de Alibaba de aproximadamente 2.4 billones de parámetros, disponible únicamente dentro de Qoder, sin API pública aún. Qwen 4 mismo aún está en entrenamiento. Pero la dirección es difícil de ignorar. El competidor de peso abierto ahora está ganando las pruebas de creación creativa — y la brecha entre un modelo preliminar y la frontera cerrada se ha reducido considerablemente. BTC se sitúa cerca de $75,980, con un aumento del 0.1% hoy.