Según informes del 8 de noviembre, a medida que una nueva serie de grandes modelos de IA nacionales se acerca al momento de su lanzamiento, los datos de puntuación técnica clave de la serie Qwen4 de Alibaba han sido revelados recientemente. En pruebas especializadas de creatividad para el desarrollo de juegos, algunos modelos de esta serie lograron superar al líder internacional Opus5.5, mostrando una velocidad impresionante en la persecución tecnológica.
Se revela la puntuación de referencia para la creatividad en el desarrollo de juegos: Flash supera con éxito Opus5.5
El estándar de evaluación que se reveló en esta ocasión no es un puntaje tradicional de modelos grandes generales, sino un proyecto de evaluación de creatividad en el campo del desarrollo de juegos, llamado GameFeel Bench.
Los datos de prueba muestran que el modelo ligero Qwen4-Flash obtuvo un puntaje de 49.9, superando con éxito al Opus5.5xHigh, que obtuvo un puntaje de 47.2. Esta es la primera vez que un modelo grande nacional supera a un rival extranjero de este nivel en pruebas de referencia relevantes. Al mismo tiempo, la versión localizada de Qwen4-27B, con menos parámetros, también obtuvo un alto puntaje de 44.6, comportándose muy cerca de Sonnet5.5, que obtuvo 45 puntos.
Excelente relación calidad-precio y amplia matriz de productos
Además de lograr avances en el rendimiento, la serie Qwen4 también tiene ventajas significativas en cuanto al costo de uso del razonamiento.
Según la información filtrada, el costo de completar la misma tarea con Qwen4-Flash es de aproximadamente 0.4 dólares, mucho menor que los 2.6 dólares necesarios para Opus5.5; mientras que el costo de ejecución de Qwen4-27B se reduce a 0.16 dólares, lo que le da una gran competitividad en cuanto al costo entre los productos de la misma categoría.
En cuanto al diseño de productos, la familia Qwen4 incluye al menos 4 productos con posiciones diferentes. Además de las versiones Flash y 27B que destacaron en los puntajes de rendimiento, también se incluye Qwen4Plus y Qwen4Max, que representan el límite máximo de rendimiento de esta serie. A medida que se acerca el momento prometido por los responsables relevantes para el lanzamiento, la presentación oficial de estos modelos ofrecerá a la industria una nueva ventana de observación para realizar comparaciones directas con modelos estelares extranjeros como GPT-6.1 y Opus5.5.