علی بابا کا ابتدائی Qwen 4 دور کا ماڈل ایک گیم بنانے والے بینچ مارک پر کلاؤڈ Opus 5.5 کو شکست دے گیا — 34 جیت کے مقابلے میں 10 — اور آج یہ نتیجہ X پر بڑے پیمانے پر وائرل ہو رہا ہے۔ یہ ٹیسٹ GoldieBench ہے: دونوں ماڈلز کو ایک ہی ثابت پرومپٹ دیا گیا، ایک شاٹ، ایک HTML فائل کے ساتھ، 50 اہداف پر — ہر گیم کا عملی طور پر ٹیسٹ کیا گیا۔ Qwen3.8-Max-Preview نے اوسطاً 10 میں سے 8.10 حاصل کیا۔ Opus 5.5 نے اوسطاً 7.60 حاصل کیا۔ جو فرق سب سے زیادہ واضح تھا وہ وہ تھا جہاں ماحول اہم تھا۔ Qwen نے ایک سنتھوویف 3D شوٹر کو 8.7 سے 5.8، ایک تھائلائٹ وِلیج کو 8.4 سے 5.5، اور ایک ٹاپ-ڈاؤن ایکشن-RPG کو 8.2 سے 5.5 پر جیتا۔ اس نے Opus کے صفر کے مقابلے میں 8 سونے کے تمغے جیتے۔ Opus نے اپنے خود کے مقابلے بھی جیتے — اور ایک مقابلہ بڑا فرق تھا۔ اس کا سمندری منظر Qwen کے 2.0 کے مقابلے میں 8.4 پر رہا، جو پورے ٹیسٹ میں سب سے بڑا اکیلے اہداف کا فرق تھا۔ لیکن مسئلہ یہ ہے: یہ صرف ایک مستقل بینچ ہے، اور قواعد ایک جیسے نہیں تھے۔ Qwen کے گیم اہداف Qoder کے اجینٹ موڈ میں چل رہے تھے، جہاں تک دو QA فکس راؤنڈ تک ممکن تھے — ایک وژن جج نے کنسول ایررز واپس بھیجے اور Qwen نے اپنا فائل خود ایڈٹ کیا۔ Opus نے ایک شاٹ موڈ میں کام کیا۔ اور نومبر 7 کو جاری کردہ الگ ٹیسٹ میں نتائج الٹے تھے: GPT-6 Astra کے ذریعہ ججوں کے ساتھ Sokoban بنانے پر Opus نے Qwen کے 70% کے مقابلے میں 77% حاصل کیا — تقریباً 4 منٹ میں، جبکہ Qwen نے 31 منٹ لگائے۔ ماڈل خود اب بھی صرف پریویو حالت میں ہے: علی بابا کا تقریباً 2.4 ٹرین لین پیرامیٹر والا فلگشپ ماڈل، جو صرف Qoder کے اندر دستیاب ہے، ابھی تک کوئی عوامی API نہیں۔ Qwen 4 خود ابھی تربیت کے مرحلے میں ہے۔ لیکن رجحان واضح ہے۔ اوپن ویٹ چیلنجر اب تخلیقی بنانے والے ٹیسٹس جीت رہا ہے — اور ایک پریویو ماڈل اور بند سرحد کے درمیان فرق بڑھ رہا ہے۔ BTC $75,980 کے قریب ہے، دن بھر میں تقریباً 0.1% بڑھا۔