Model Qwen 4 awal Alibaba mengalahkan Claude Opus 5.5 dalam ujian pembinaan permainan—34 kemenangan berbanding 10—dan keputusan ini sedang menjadi viral di X hari ini. Ujian ini ialah GoldieBench: promp tetap yang sama diberikan kepada kedua-dua model, satu percubaan, satu fail HTML keluaran, melalui 50 tugas—setiap permainan benar-benar diuji secara praktikal. Qwen3.8-Max-Preview mendapat purata 8.10 daripada 10. Opus 5.5 mendapat purata 7.60. Kesenjangan paling lebar berlaku di tempat suasana penting. Qwen mendapat 8.7 berbanding 5.8 untuk penembak 3D synthwave, 8.4 berbanding 5.5 untuk kampung senja, dan 8.2 berbanding 5.5 untuk action-RPG pandangan atas. Ia memenangi 8 pingat emas berbanding sifar milik Opus. Opus tetap memenangi pertandingannya sendiri—dan salah satunya adalah kemenangan besar. Adegan lautan miliknya mendapat skor 8.4 berbanding 2.0 milik Qwen, kesenjangan tugas tunggal terbesar dalam keseluruhan ujian. Namun, ini hanyalah satu ujian bebas, dan peraturannya tidak serupa. Tugas permainan Qwen dijalankan di dalam mod agen Qoder dengan sehingga dua putaran pembaikan QA—seorang penilai visual mengembalikan ralat konsol dan Qwen mengedit failnya sendiri. Opus dijalankan secara satu percubaan. Dan satu ujian berasingan yang diterbitkan pada 7 November menghasilkan keputusan bertentangan: dalam pembinaan Sokoban yang dinilai oleh GPT-6 Astra, Opus mendapat 77% berbanding 70% milik Qwen—dalam masa sekitar 4 minit, berbanding 31 minit milik Qwen. Model itu sendiri masih dalam versi pra-pelancaran: flagship Alibaba dengan parameter sekitar 2.4 trilion, hanya tersedia di dalam Qoder, tanpa API awam lagi. Qwen 4 sendiri masih dalam proses latihan. Namun, arahannya sukar untuk diabaikan. Penantang berbobot terbuka kini menang dalam ujian pembinaan kreatif—dan kesenjangan antara model pra-pelancaran dengan batas tertutup kini menjadi jauh lebih kecil. BTC berada hampir pada $75,980, naik sekitar 0.1% pada hari ini.