Ранняя модель Qwen 4 от Alibaba превзошла Claude Opus 5.5 в бенчмарке по созданию игр — 34 победы против 10 — и результат сегодня взрывается на X. Тест называется GoldieBench: обеим моделям дали один и тот же фиксированный промпт, один проход, один выходной HTML-файл — на 50 задачах; каждая игра была протестирована в реальном режиме. Qwen3.8-Max-Preview в среднем набрал 8,10 из 10. Opus 5.5 — 7,60. Наибольший разрыв наблюдался там, где важна атмосфера. Qwen получил 8,7 против 5,8 за синтвейв-шутер в 3D, 8,4 против 5,5 за деревню в сумерках и 8,2 против 5,5 за action-RPG сверху. Он завоевал 8 золотых медалей против нуля у Opus. Opus всё же выиграл свои собственные сражения — и одно из них было подавляющим. Его сцена с океаном набрала 8,4 против 2,0 у Qwen — самый большой разрыв по отдельной задаче во всём тесте. Но есть нюанс: это один независимый бенчмарк, и условия не были идентичны. Задачи по созданию игр для Qwen выполнялись внутри агентского режима Qoder с до двух циклов исправления через QA — визуальный судья отправлял ошибки консоли обратно, а Qwen самостоятельно редактировал свой файл. Opus работал в режиме один проход. Отдельный тест, опубликованный 7 ноября, показал обратный результат: при оценке сборки Sokoban моделью GPT-6 Astra Opus набрал 77% против 70% у Qwen — за примерно 4 минуты против 31 у Qwen. Сама модель пока доступна только в режиме предварительного просмотра: флагманская модель Alibaba с примерно 2,4 триллионами параметров, доступная только внутри Qoder, без публичного API. Сам Qwen 4 всё ещё находится в процессе обучения. Но направление очевидно. Открытый конкурент теперь побеждает в тестах на творческое создание — и разрыв между предварительной моделью и закрытым фронтом значительно сократился. BTC находится около $75 980, рост около 0,1% за день.