Model Qwen 4 era awal Alibaba mengalahkan Claude Opus 5.5 dalam benchmark pembuatan game—34 kemenangan melawan 10—dan hasil ini sedang menjadi viral di X hari ini. Ujiannya adalah GoldieBench: prompt tetap yang sama diberikan ke kedua model, satu kali input, satu file HTML keluaran, untuk 50 tugas—semua game benar-benar diuji coba. Qwen3.8-Max-Preview rata-rata mendapat skor 8,10 dari 10. Opus 5.5 rata-rata 7,60. Kesenjangan paling lebar muncul di tugas yang menuntut atmosfer. Qwen unggul dalam shooter 3D synthwave: 8,7 vs 5,8, desa senja: 8,4 vs 5,5, dan action-RPG top-down: 8,2 vs 5,5. Qwen memenangkan 8 medali emas, sementara Opus tidak mendapat satupun. Opus tetap menang dalam beberapa pertandingannya—dan salah satunya adalah kemenangan telak. Adegan lautnya mencetak skor 8,4 melawan 2,0 dari Qwen, kesenjangan tunggal terbesar dalam seluruh tes. Namun, ada catatannya: ini adalah satu benchmark independen, dan aturannya tidak identik. Tugas game Qwen berjalan di dalam mode agen Qoder dengan hingga dua putaran koreksi QA—seorang penilai visual mengirimkan kesalahan konsol kembali, dan Qwen mengedit file-nya sendiri. Opus berjalan satu kali input. Dan tes terpisah yang diterbitkan pada 7 November menghasilkan hasil sebaliknya: dalam pembuatan Sokoban yang dinilai oleh GPT-6 Astra, Opus mendapat skor 77% melawan 70% dari Qwen—dalam sekitar 4 menit, dibandingkan 31 menit dari Qwen. Model ini sendiri masih dalam versi preview: flagship Alibaba dengan sekitar 2,4 triliun parameter, hanya tersedia di dalam Qoder, belum ada API publik. Qwen 4 sendiri masih dalam tahap pelatihan. Namun arahnya sulit diabaikan. Penantang open-weight kini memenangkan tes pembuatan kreatif—dan kesenjangan antara model preview dan frontier tertutup kini jauh lebih sempit. BTC berada di sekitar $75.980, naik sekitar 0,1% hari ini.