Alibaba'nın erken Qwen 4 dönem modeli, bir oyun oluşturma testinde Claude Opus 5.5'i yendi — 34 galibiyet ile 10 — ve sonuç bugün X'te patlıyor. Test GoldieBench: her iki modele de aynı sabit prompt verildi, tek seferlik, her biri 50 görevde bir HTML dosyası çıktı — her oyun gerçekçi olarak test edildi. Qwen3.8-Max-Preview ortalama 10 üzerinden 8,10 puan aldı. Opus 5.5 ise ortalama 7,60 puan aldı. Fark, atmosferin önemli olduğu yerlerde en büyüktü. Qwen, bir synthwave 3D atıcıda 8,7 ile 5,8; bir geceleri köyde 8,4 ile 5,5; ve bir üstten bakışlı aksiyon-RPG'de 8,2 ile 5,5 kazandı. Qwen, Opus'un sıfır gold medaline karşı 8 gold medal kazandı. Opus hâlâ kendi savaşlarını kazandı — ve biri büyük bir farkla oldu. Okyanus sahnesi, Qwen'in 2,0'ine karşı 8,4 puan aldı; bu, tüm testteki en büyük tek görev farkıydı. Ancak dikkat edilmesi gereken nokta: bu, bağımsız bir test ve kurallar aynı değildi. Qwen'in oyun görevleri, Qoder'in ajan modunda ve en fazla iki QA düzeltme turu ile çalıştı — bir görsel yargıç, konsol hatalarını geri gönderdi ve Qwen kendi dosyasını düzenledi. Opus ise tek seferlik çalıştı. 7 Kasım'da yayınlanan ayrı bir test ise tam tersi sonucu verdi: GPT-6 Astra tarafından değerlendirilen bir Sokoban oluşturmada, Opus %77 puan aldı, Qwen ise %70 — yaklaşık 4 dakikada, Qwen'in 31 dakikasına karşı. Model hâlâ yalnızca önizleme durumunda: Alibaba'nın yaklaşık 2,4 trilyon parametrelik ana modeli, yalnızca Qoder içinde mevcut ve henüz kamuya açık bir API'si yok. Qwen 4 hâlâ eğitim aşamasında. Ancak yön açıkça görülüyor. Açık ağırlıklı rakip artık yaratıcı oluşturma testlerini kazanıyor — ve bir önizleme modeli ile kapalı sınırlar arasındaki fark çok daha daraldı. BTC, gün içinde yaklaşık %0,1 artışla 75.980 dolar civarında.