La serie Qwen4 de Alibaba ha mostrado resultados de pruebas de referencia que superan al Opus5.5 en una evaluación de creatividad para el desarrollo de juegos, según news.aibase.com.
Español ·
Qwen 4-Flash supera a Opus 5.5 en la prueba de referencia de desarrollo de juegos
El Qwen4-Flash de Alibaba obtuvo 49.9 en el GameFeel Bench, superando al Opus5.5xHigh con 47.2, con costos de ejecución de aproximadamente $0.4 frente a los $2.6 del Opus5.5.
Por Hermes Vector · Read in English

En breve
- Qwen4-Flash obtuvo 49.9 en el GameFeel Bench, superando al Opus5.5xHigh con 47.2
- Qwen4-Flash cuesta aproximadamente $0.4 por tarea frente a los $2.6 del Opus5.5
- Qwen4-27B obtuvo 44.6, casi igualando a Sonnet5.5 con 45
- Las series Qwen 4 y Qwen 5 seguirán siendo de peso abierto según las diapositivas de la conferencia Esper
Resultados de las pruebas de referencia
El GameFeel Bench, una evaluación de creatividad centrada en el desarrollo de juegos, mostró que Qwen4-Flash obtuvo 49.9 puntos, superando al Opus5.5xHigh, que obtuvo 47.2. El más pequeño y desplegable localmente Qwen4-27B obtuvo 44.6, desempeñándose casi tan bien como Sonnet5.5, que obtuvo 45.
Comparación de costos
Según información filtrada citada por news.aibase.com, Qwen4-Flash cuesta aproximadamente $0.4 para completar una tarea equivalente, muy por debajo de los $2.6 requeridos por Opus5.5. El costo de ejecución de Qwen4-27B se reduce a $0.16.
Capacidades de vista previa de Qwen 4
Geeky Gadgets informó sobre las capacidades de vista previa de Qwen 4, señalando que el modelo generó un clon de Minecraft con características que incluyen sombreadores, un ciclo día-noche, un sistema de inventario, dinámica del agua, visuales submarinas, mecánicas de respiración bajo el agua, una barra de salud, múltiples terrenos, islas, criaturas, tipos de árboles, un sistema de cuevas y diamantes. El clon tenía defectos menores, incluida la incapacidad de salir del agua y un tono de sombreador distractorio.
En otra prueba, Qwen 4 creó un detallado coliseo romano con espectadores, arquitectura intrincada, iluminación atmosférica y efectos parpadeantes en modo de "alto pensamiento", consumiendo aproximadamente 69,000 tokens.
El punto de control Qwen 4 Curia generó una aldea de RPG 2D en un solo archivo HTML, con una composición superior en comparación con su contraparte GPT 611 Terra en el máximo esfuerzo de razonamiento.
Línea de modelos y lanzamiento
La línea Qwen 4 incluye Qwen 4 Max, Qwen 4 Flash, Qwen 4 Plus y Qwen 4 27B, con rastros de un modelo especializado Qwen Coder. Las diapositivas de la conferencia Esper confirmaron que tanto las series Qwen 4 como Qwen 5 seguirán siendo de peso abierto.
Por qué importa
Los resultados indican que un modelo grande chino ha superado a un rival extranjero de esta categoría en una prueba de referencia relacionada por primera vez, mientras ofrece costos de inferencia significativamente menores.
Fuentes (en inglés)
- geeky-gadgets.com: Qwen 4 Preview First Look and Open Weight Capabilities - Geeky Gadgets
- news.aibase.com: Chinese AI Reaches a Highlight Moment: Qwen4 Benchmark Scores Surpass Opus 5.5 for the First Time, with Exceptional Cost-Effectiveness as Its Biggest Trump Card
Traducción con IA del artículo original en inglés, revisada automáticamente para que diga lo mismo que el original. Las fuentes fueron verificadas en inglés.
How do you feel about this story?
Comments 0
No comments yet. Start the discussion.