千问 Qwen4 早期内测版本跑分数据已经流出，在 GameFeel Bench v1.4 这个专门测试游戏开发创造力的榜单里，Qwen4-Flash-Early 拿到 49.9 分，超过 Claude Opus 5.5 XHigh 的 47.2 分，这也是国产大模型第一次在这个专项评测里实现反超，同时 Qwen4‑27B‑Early 拿到 44.6 分，距离 Claude Sonnet 5.5 的 45 分非常接近，而且这套 Qwen4 模型推理成本相比 Opus 5.5 压低很多，在生成可玩小游戏、3D 网页游戏、修复游戏代码这类任务上表现突出，不过这次只是专项跑分，并不是所有通用基准都领先，而且目前只是内测偷跑数据，阿里还没有正式发布 Qwen4。之所以能在这个游戏开发专项拿到优势，是因为 Qwen4 在代码生成、创意场景设计、音频资源生成方向做了定向优化，擅长一次性生成完整可运行游戏工程，降低 Token 消耗；而 Opus 5.5 在传统综合推理、长文本理解等其他基准上依旧保有优势，两者侧重点不一样。如果想要体验这款千问 Qwen4，现阶段普通用户还没有公开入口，只有受邀的外部开发者可以拿到内测 API；等官方正式发布之后，才会在千问平台、API 渠道上线，本地版本 Qwen4‑27B 后续还会放出权重包，方便本地部署。整体来看，这次跑分是国产大模型在垂直创意赛道的一次突破，但不能直接等同于全面性能超越 Opus 5.5，正式版成绩、完整能力还需要等官方官宣之后再验证。
曝光跑分基础一览
| 项目 | 详情 |
|---|---|
| 评测榜单 | GameFeel Bench v1.4（游戏开发专项创造力基准） |
| Qwen4-Flash-Early | 49.9 分，单任务预估成本约 0.4 美元 |
| Claude Opus 5.5 XHigh | 47.2 分，单任务预估成本约 2.6 美元 |
| Qwen4‑27B‑Early | 44.6 分，单任务预估成本约 0.16 美元 |
| Claude Sonnet 5.5 Max | 45.0 分 |
| 测试版本 | Qwen4 早期内测版，非正式发布版本 |
Qwen4 系列网传版本矩阵
- ✅ Qwen4‑Max：定位旗舰，面向高难度长文本、复杂推理
- ✅ Qwen4‑Plus：均衡主力，适合日常开发、多模态创作
- ✅ Qwen4‑Flash：高速轻量，本次反超 Opus 5.5 的型号，主打低成本推理
- ✅ Qwen4‑27B：本地部署版本，适合离线私有化运行
本次测试擅长与短板
- ✅ 强项：游戏创意设定、前端游戏代码生成、音频素材生成、一次性产出可运行小游戏工程
- ⚠️ 相对弱势：游戏 Bug 深度排查、复杂游戏回归测试；通用综合榜单尚未实现全面领先
【相关 FAQ】
问题 1：曝光的千问 Qwen4 跑分，是不是意味着它整体全面强于 Opus 5.5？
回答 1：曝光的千问 Qwen4 跑分只是在 GameFeel Bench 游戏开发专项实现反超 Opus 5.5，并不是全部基准都领先，Opus 5.5 在不少长文本、综合推理测试里依旧占优。
问题 2：拿到这个反超 Opus 5.5 成绩的是哪一款千问 Qwen4？
回答 2：拿到这个反超 Opus 5.5 成绩的是 Qwen4‑Flash‑Early，属于千问 Qwen4 的早期内测轻量版本，并不是旗舰 Max。
问题 3：普通用户现在能不能直接使用跑出这个分数的千问 Qwen4？
回答 3：目前还不行，跑出这个反超 Opus 5.5 分数的千问 Qwen4 还处于开发者内测阶段，没有对外开放，需要等待阿里正式发布。
问题 4：这次千问 Qwen4 跑分里，Qwen4 和 Opus 5.5 的推理成本差距有多大？
回答 4：根据本次曝光的千问 Qwen4 跑分配套估算，Qwen4‑Flash 同等任务成本大约只有 Opus 5.5 的六分之一，成本下降幅度明显。
【参考资料】
[2026-11-09]（千问 Qwen4 游戏开发跑分首度超越 Opus 5.5）新浪财经
[2026-11-09]（Qwen 4 疑似偷跑！游戏实测压过 Opus 5.5）人人都是产品经理
[2026-11-09]（Alibaba Qwen Qwen4 Series Benchmark Scores Leaked）AIBase
[2026-11-08]（Qwen 4 vs Claude Opus 5.5: Specs, Speed & Pricing）Kie AI
【免责声明】
本文信息全部来自第三方内测跑分爆料与科技媒体转载，千问 Qwen4 尚未由阿里巴巴官方正式发布；本次反超 Opus 5.5 的成绩仅限该专项基准，内测版本性能、定价、能力都可能在正式版改动，跑分结果不能作为最终产品能力定论，一切以千问官方发布为准。
本文来自作者[星垂手札]投稿，不代表诚邦网立场，如若转载，请注明出处：https://www.cbpmc.com.cn/qyzx/202611/102.html
评论列表（4条）
我是诚邦网的签约作者“星垂手札”！
希望本篇文章《千问 Qwen4 跑分曝光，在游戏开发专项基准首次反超 Opus 5.5》能对你有所帮助！
本站[诚邦网]内容主要涵盖：互联网行业的追踪与探索
本文概览：千问 Qwen4 早期内测版本跑分数据已经流出，在 GameFeel Bench v1.4 这个专门测试游戏开发创造力的榜单里，Qwen4-Flash-Early 拿到 49.9 分，超过 Claude Opus 5.5 XHigh 的 47.2 分，这也是国产大模型第一次在这个专项评测里实现反超，同时 Qwen4‑27B‑Early 拿到 44.6 分，距离 Claude Sonnet 5.5 的 45 分非常接近，而且这套 Qwen4 模型推理成本相比 Opus 5.5 压低很多，在生成可玩小游戏、3D 网页游戏、修复游戏代码这类任务上表现突出，不过这次只是专项跑分，并不是所有通用基准都领先，而且目前只是内测偷跑数据，阿里还没有正式发布 Qwen4。之所以能在这个游戏开发专项拿到优势，是因为 Qwen4 在代码生成、创意场景设计、音频资源生成方向做了定向优化，擅长一次性生成完整可运行游戏工程，降低 Token 消耗；而 Opus 5.5 在传统综合推理、长文本理解等其他基准上依旧保有优势，两者侧重点不一样。如果想要体验这款千问 Qwen4，现阶段普通用户还没有公开入口，只有受邀的外部开发者可以拿到内测 API；等官方正式发布之后，才会在千问平台、API 渠道上线，本地版本 Qwen4‑27B 后续还会放出权重包，方便本地部署。整体来看，这次跑分是国产大模型在垂直创意赛道的一次突破，但不能直接等同于全面性能超越 Opus 5.5，正式版成绩、完整能力还需要等官方官宣之后再验证。