❯ 千问 Qwen4 早期版本进入游戏开发评测，Flash 得 49.9 分，27B 音频评分已修正

两款早期版本先进入第三方测试11 月 8 日，独立评测 GameFeel Bench加入 Qwen-4-Flash-Early。榜单显示，Flash 在 Max 推理档得 49.9 分，Claude Opus 5.5 在 XHigh 档得 47.2 分。评测作者更正音频分项后，Qwen-4-27B-Early 在 XHigh 档的综合分由 47 调整到 44.6，接近 Claude Sonnet 5.5 在 Max 档的 45 分。

重点是改一款游戏的体验评测使用 12 款未公开游戏，让模型在现成项目中添加内容、修复问题或调整玩法平衡。评价除了代码，也看玩法手感、点子、美术和音频。作者表示，其中一些项目由人评分，评分时知道模型身份。以 Flash 的这次成绩为例，较强的玩法和创意表现帮助抬高综合分，具体任务的结果仍会随项目和评判标准变化。

每题成本来自测试者自己的账单评测作者透露，他用早期 API 测 Flash 和 27B 时，分别支付约 0.40 和 0.16 美元每题。榜单的 Opus 5.5 约 2.60 美元采用订阅计费口径。这个对比反映该测试使用的档位和账户成本，正式 API 每百万 token 的价格、不同项目的请求量以及模型能否在本地部署，仍取决于公开版本。

正式产品信息尚未公布阿里云在 9 月云栖大会上宣布 Qwen4 正在训练。这次榜单显示已有测试者可以调用早期版本，阿里尚未公开确认整套型号、上线日期和正式收费。游戏团队目前能从测试中看到的是轻量模型做特定创意工作的潜力，公开版本的重复测试还要等实际可用后进行。

▮ SIGNAL游戏团队用 AI 试玩法时，低单次成本允许他们并行尝试更多改法，前提是同一个模型能在自己的代码库里交付可以试玩的结果。