一份专门考察AI游戏开发水平的第三方评测榜单，因两个陌生名字的现身而热度飙升。
这份名为GameFeel Bench的榜单，评测思路与常见的代码基准颇为不同——它不只看模型能否把程序写出来，还会对游戏手感、视觉呈现、创意构思等维度进行综合打分。在其最新更新的v1.4版本中，两个此前从未露面的模型悄悄跻身前四，社区普遍猜测它们正是Qwen 4的早期内测版本。
具体成绩方面，内部代号为hawk的Qwen-4-Flash-Early以49.9分占据榜首，把得分47.2的Claude Opus 5.5（XHigh）挤到了第二位，45分的Claude Sonnet 5.5（Max）排在第三。另一个早期版本Qwen-4-27B-Early则以44.6分名列第四，与Sonnet 5.5只差0.4分。
换句话说，榜单前四里疑似Qwen 4的模型占了两席，其中Flash版本更是与Anthropic最新旗舰正面交锋而不落下风。
价格差距同样醒目。榜单维护者公布的测试数据显示，Qwen-4-Flash-Early完成单次任务约花费0.40美元，折合人民币不到3元；而Opus 5.5跑完同样的任务要烧掉2.60美元，约合人民币17.36元。两者相差6.5倍，前者的开销仅相当于后者的15%左右。
对那些天天精打细算Token额度的开发者来说，如果正式版能延续这份成绩单，吸引力不言而喻。
榜单维护者follistatin与网友互动时透露的细节，也为这批神秘模型增添了几分可信度——他同样提前拿到了测试资格，只不过API Key虽然免费发放，调用所消耗的Token费用仍需自掏腰包。
无独有偶，海外开发者Loktar的亲身经历也在社交平台上引发热议。作为House of Qwen大使项目的成员，他接到一项保密任务：测试一个尚未对外公布的模型。官方既没有说明型号，也没有给出参数规格，只丢给他一个API接口。
测试结果超出了他的预期。Loktar仅用一次生成，就靠纯Javascript搭配Three.js做出了一段效果亮眼的3D渲染。要知道，这类3D场景生成向来是Token消耗大户，而他看到账单时颇为意外——整个过程只花了69k Tokens。
他补充说，由于测试额度有限，自己只运行了一次，没做任何后续调优，思考模式也仅开到High一档，XHigh和Max等更高档位压根没碰。即便如此，成品质量已经相当能打。他在帖子中写道，虽然无法确认这就是Qwen 4，但假如真是，那就太棒了。
其实，Qwen官方早已开始造势。此前流出的一张预热海报上，配文「The becoming begins」，旁边附上《庄子》开篇的「北冥有鱼，其名为……」，把答案留了个悬念——其名为鲲，谐音正是Qwen。
结合各方爆料，Qwen 4的产品线轮廓逐渐清晰：Max、Plus、Flash与27B等多个版本并行，分别瞄准旗舰性能与低成本推理等不同场景。
技术层面的一些设计，阿里此前已借Qwen3.8-Flash-Next做过预演。这款模型采用混合稀疏注意力、Gated Residual、N-gram Embedding以及Muon优化器等一系列新技术，核心思路是在维持能力的同时压缩训练与推理开销。官方披露的数据显示，Qwen3.8-Flash-Next总参数量为125B，单次推理仅激活6B参数，训练成本约为Qwen3.7-Plus的九分之一。
另一条线索藏在代码里。10月底，有用户发现Qwen Code的更新记录中出现了qwen4、qwen4-max等模型标识，其中还包含针对百万Token上下文的适配工作。
加上陆续冒头的内测消息，种种迹象都指向同一个结论：新模型的面世只差临门一脚。
顺带一提，接下来的窗口期恐怕格外热闹。OpenAI方面，GPT-6.2 Astra被网友在Codex用量统计中抓到踪迹，疑已进入内部测试阶段；Anthropic也没闲着，Fable 5.5据称正在灰度放量，Mythos 5.5的名字此前还出现在其官网源代码中；谷歌那边，传闻中的Gemini 4 Carbon被曝最快11月9日开放有限访问。
对了，还有那位「又崩了」的D老师。
这盛世，终究如我所愿。只是「即将发布」这四个字看得太多，网友都快看出PTSD了。
