阿里千问 Qwen4 系列早期版本跑分在第三方 GameFeel Bench 游戏开发创造力基准榜单流出，Qwen4-Flash 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超过 Opus 5.5；这个榜单不是通用综合能力榜单，专门用来测试 AI 做游戏开发的综合创造力，不只看代码能不能跑，还要评估游戏手感、创意设计、音频、画面生成、bug 修复等多个维度，同批次里 Qwen4-27B 版本拿到 44.6 分，距离 Claude Sonnet 5.5 的 45 分非常接近，而且 Qwen4 推理成本优势很大，Qwen4-Flash 完成同一项游戏任务成本大约 0.4 美元，Opus 5.5 要 2.6 美元，Qwen4-27B 低至 0.16 美元，不过要注意，现在曝光的是早期检查点数据，不是正式发布版本，同时只在游戏开发这个专项赛道领先，不等于在所有通用、推理、数学、多模态赛道全面超过 Opus 5.5。
GameFeel Bench v1.4 榜单核心分数对比
| 模型名称 | 得分 | 单次任务成本 | 定位说明 |
|---|---|---|---|
| Qwen4-Flash（Early） | 49.9 | 0.40 美元 | 轻量高速云端版本，本次榜单第一 |
| Claude Opus 5.5 XHigh | 47.2 | 2.60 美元 | Anthropic 旗舰闭源模型 |
| Claude Sonnet 5.5 Max | 45.0 | —— | 次旗舰均衡模型 |
| Qwen4-27B（Early） | 44.6 | 0.16 美元 | 支持本地部署开源版本 |
这个基准评测都测哪些项目
GameFeel Bench 是游戏开发专项评测，一共 7 个维度加权算总分：
- 游戏创意方案生成
- 游戏逻辑代码编写
- 游戏 bug 定位与修复
- 游戏画面、场景生成逻辑
- 游戏音频、配乐设计
- 玩法平衡数值设计
- 交互体验、手感调试
它和 Arena、MMLU、SWE-bench 这类通用、代码基准不是一套评价体系，更偏向创意类工程落地能力。
Qwen4 系列产品规划
Qwen4 一共规划四款梯队，官方预告代号北冥有鱼：
- Qwen4-Max：旗舰版本，综合能力上限最高
- Qwen4-Plus：均衡主力，兼顾性能和成本
- Qwen4-Flash：高速低延迟，本次跑分出圈的型号
- Qwen4-27B：开源本地版，PC 本地部署，不用上传数据
重要边界说明（容易踩坑的误区）
- 仅为专项榜单领先：不能等同于全场景全面碾压 Opus 5.5，数学、长文本推理、复杂多模态等其他任务表现还没有完整公开数据
- 数据属于早期泄露版本：是 Early 检查点，正式版上线后分数、能力还会调整，也存在评测复现差异风险
- 成本优势是同任务对比：在这个游戏开发任务下的成本差距，不是所有任务都固定保持这个差价
- 榜单是第三方社区评测，不是阿里官方发布的跑分，最终能力以官方正式发布会为准
【相关 FAQ】
问题 1：千问 Qwen4 系列跑分被曝超 Opus 5.5，Qwen4 是在哪个榜单超过 Opus 5.5？
回答 1：千问 Qwen4 系列跑分被曝超 Opus 5.5，Qwen4-Flash 是在 GameFeel Bench 游戏开发创造力专项榜单拿到更高分数，不是通用综合能力榜单。
问题 2：千问 Qwen4 系列跑分被曝超 Opus 5.5，是不是代表 Qwen4 整体能力全面强于 Opus 5.5？
回答 2：千问 Qwen4 系列跑分被曝超 Opus 5.5，不是全面超越，只是在游戏开发创意这个专项基准上领先，数学、长文本、通用推理等其他领域的对比结果还没有公开。
问题 3：千问 Qwen4 系列跑分被曝超 Opus 5.5，Qwen4-27B 这个版本有什么特点？
回答 3：千问 Qwen4 系列跑分被曝超 Opus 5.5，Qwen4-27B 是支持本地部署的版本，在本次榜单拿到 44.6 分，推理成本很低，适合玩家、开发者在自己电脑本地跑模型。
问题 4：千问 Qwen4 系列跑分被曝超 Opus 5.5，这次的 Qwen4 跑分是阿里官方放出的吗？
回答 4：千问 Qwen4 系列跑分被曝超 Opus 5.5，这份跑分属于社区提前流出的早期检查点数据，不是阿里官方正式发布的评测结果，仅供参考。
问题 5：千问 Qwen4 系列跑分被曝超 Opus 5.5，Qwen4-Flash 和 Opus 5.5 的推理成本差距有多大？
回答 5：千问 Qwen4 系列跑分被曝超 Opus 5.5，在本次 GameFeel Bench 的相同游戏任务里，Qwen4-Flash 单次任务约 0.4 美元，Opus 5.5 约 2.6 美元，成本差距明显。
【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]（阿里下一代模型 “偷跑”?Qwen 4 游戏实测压过 Opus 5.5，成本暴降 85%）腾讯新闻
[2026-11-09]（Qwen 4 疑似偷跑！游戏开发超越 Opus 5.5，成本暴降 85%）量子位
[2026-11-08]（千问 Qwen4 跑分曝光：Flash 超越 Opus 5.5）AI 产品库 AIProductHub
[2026-11-06]（Qwen4 预告：北冥有鱼，其名为鲲）通义千问官方账号
【免责声明】
本文仅为 Qwen4 跑分泄露资讯整理，不构成选型、付费、创业决策建议。本次 GameFeel Bench 为第三方社区专项评测，仅针对游戏开发创意场景，不能代表模型全部能力；曝光数据为早期内部检查点，正式发布版本能力、跑分、定价、接口规则均有可能变动；不同评测基准、提示词、测试样本都会带来分数差异，模型最终性能以阿里通义千问官方正式发布内容为准。Claude Opus 5.5 为 Anthropic 旗下产品，本文仅做横向评测信息对比。