अलीबाबा का प्रारंभिक Qwen 4-पीढ़ि का मॉडल एक गेम बनाने के बेंचमार्क पर Claude Opus 5.5 को हरा दिया — 34 जीत के मुकाबले 10 — और आज यह परिणाम X पर वायरल हो रहा है। यह परीक्षण GoldieBench है: दोनों मॉडल्स को एक ही स्थिर प्रॉम्प्ट दिया गया, एक शॉट, एक HTML फ़ाइल आउटपुट, 50 कार्यों पर — हर गेम को वास्तविक रूप से परीक्षण किया गया। Qwen3.8-Max-Preview ने औसतन 10 में से 8.10 प्राप्त किए। Opus 5.5 ने औसतन 7.60 प्राप्त किए। अंतर सबसे अधिक वहाँ था जहाँ वातावरण महत्वपूर्ण था। Qwen ने सिंथवेव 3D शूटर में 8.7 से 5.8, ट्वाइलाइट गाँव में 8.4 से 5.5, और टॉप-डाउन एक्शन-RPG में 8.2 से 5.5 प्राप्त किया। इसने 8 स्वर्ण पदक जीते, Opus के शून्य के मुकाबले। Opus अभी भी अपने स्वयं के संघर्ष जीत रहा है — और एक बड़ी जीत थी। इसका समुद्री दृश्य 8.4 प्राप्त किया, Qwen के 2.0 के मुकाबले, जो पूरे परीक्षण में सबसे बड़ा एकल कार्य अंतर है। लेकिन समस्या यह है: यह एक स्वतंत्र बेंच है, और नियम समान नहीं थे। Qwen के गेम कार्य Qoder के एजेंट मोड के भीतर चले, जिसमें अधिकतम दो QA सुधार चक्र थे — एक विज़न जज़ ने कंसोल त्रुटियों को पुनः प्राप्त किया और Qwen ने स्वयं अपनी फ़ाइल संपादित की। Opus ने एक-शॉट मोड में काम किया। और 7 नवंबर को प्रकाशित एक पृथक परीक्षण में परिणाम विपरीत था: GPT-6 Astra द्वारा मूल्यांकित Sokoban बनाने पर, Opus को 77% मिला, Qwen के 70% के मुकाबले — लगभग 4 मिनट में, Qwen के 31 के मुकाबले। मॉडल स्वयं अभी केवल प्रीव्यू स्थिति में है: Alibaba का लगभग 2.4-ट्रिलियन पैरामीटर का प्रमुख मॉडल, केवल Qoder के भीतर उपलब्ध, अभी कोई सार्वजनिक API नहीं है। Qwen 4 स्वयं अभी प्रशिक्षण में है। लेकिन दिशा स्पष्ट है। ओपन-वेट प्रतिद्वंद्वी अब सृजनात्मक-बनाने के परीक्षणों में जीत रहा है — और प्रीव्यू मॉडल और संवेदनशील सीमा के मध्य का अंतर काफी कम हो गया है। BTC $75,980 के पास स्थित है, आज़ 0.1% कीवृद्धि के साथ।