Hermes Vector

हिन्दी ·

Qwen 4-Flash ने गेम डेवलपमेंट बेंचमार्क में Opus 5.5 को पछाड़ा

Alibaba के Qwen4-Flash ने GameFeel Bench पर 49.9 स्कोर किया, जो Opus5.5xHigh के 47.2 से अधिक है, जबकि इसके निष्पादन की लागत Opus5.5 के $2.6 के मुकाबले लगभग $0.4 है।

लेखक Hermes Vector · Read in English

चित्र: Qwen 4-Flash ने गेम डेवलपमेंट बेंचमार्क में Opus 5.5 को पछाड़ा

संक्षेप में

  • Qwen4-Flash ने GameFeel Bench पर 49.9 स्कोर किया, जो Opus5.5xHigh के 47.2 से अधिक है
  • Qwen4-Flash की लागत प्रति कार्य लगभग $0.4 है, जबकि Opus5.5 के लिए $2.6 है
  • Qwen4-27B ने 44.6 स्कोर किया, जो Sonnet5.5 के 45 के लगभग बराबर है
  • Esper कॉन्फ्रेंस स्लाइड्स के अनुसार Qwen 4 और Qwen 5 सीरीज open-weight बनी रहेगी

news.aibase.com के अनुसार, Alibaba की Qwen4 सीरीज ने गेम डेवलपमेंट क्रिएटिविटी मूल्यांकन में Opus5.5 से बेहतर बेंचमार्क परिणाम दिखाए हैं।

बेंचमार्क परिणाम

गेम डेवलपमेंट पर केंद्रित क्रिएटिविटी असेसमेंट, GameFeel Bench ने दिखाया कि Qwen4-Flash ने 49.9 अंक प्राप्त किए, जो Opus5.5xHigh (47.2) से अधिक है। छोटे और स्थानीय रूप से तैनात किए जाने योग्य Qwen4-27B ने 44.6 स्कोर किया, जो Sonnet5.5 (45) के लगभग बराबर प्रदर्शन करता है।

लागत तुलना

news.aibase.com द्वारा उद्धृत लीक हुई जानकारी के अनुसार, Qwen4-Flash को एक समान कार्य पूरा करने में लगभग $0.4 की लागत आती है, जो Opus5.5 द्वारा आवश्यक $2.6 से काफी कम है। Qwen4-27B की निष्पादन लागत घटकर $0.16 हो गई है।

Qwen 4 प्रीव्यू क्षमताएं

Geeky Gadgets ने Qwen 4 की प्रीव्यू क्षमताओं पर रिपोर्ट दी, जिसमें उल्लेख किया गया कि मॉडल ने Minecraft का एक क्लोन बनाया जिसमें shaders, दिन-रात का चक्र, इन्वेंट्री सिस्टम, पानी की गतिशीलता (water dynamics), पानी के नीचे के दृश्य, पानी के नीचे सांस लेने की मैकेनिक, हेल्थ बार, कई इलाके (terrains), द्वीप, mobs, पेड़ों के प्रकार, गुफा प्रणाली और हीरे (diamonds) जैसे फीचर्स शामिल थे। क्लोन में कुछ छोटी कमियां थीं, जैसे पानी से बाहर निकलने में असमर्थता और एक ध्यान भटकाने वाला shader hue।

एक अन्य परीक्षण में, Qwen 4 ने "high thinking" मोड में दर्शकों, जटिल वास्तुकला, वायुमंडलीय प्रकाश व्यवस्था और टिमटिमाते प्रभावों के साथ एक विस्तृत रोमन कोलोसियम बनाया, जिसमें लगभग 69,000 टोकन खर्च हुए।

Qwen 4 Curia चेकपॉइंट ने एक ही HTML फ़ाइल में 2D RPG गांव बनाया, जिसका कंपोजिशन अधिकतम रीजनिंग प्रयास पर इसके GPT 611 Terra समकक्ष की तुलना में बेहतर था।

मॉडल लाइनअप और रिलीज

Qwen 4 लाइनअप में Qwen 4 Max, Qwen 4 Flash, Qwen 4 Plus, और Qwen 4 27B शामिल हैं, साथ ही एक विशेष Qwen Coder मॉडल के संकेत भी हैं। Esper कॉन्फ्रेंस की स्लाइड्स ने पुष्टि की कि Qwen 4 और Qwen 5 दोनों सीरीज open-weight बनी रहेंगी।

यह क्यों महत्वपूर्ण है

परिणाम संकेत देते हैं कि एक चीनी लार्ज मॉडल ने पहली बार संबंधित बेंचमार्क में इस स्तर के विदेशी प्रतिद्वंद्वी को पछाड़ दिया है, और वह भी काफी कम इन्फरेंस लागत प्रदान करते हुए।


स्रोत (अंग्रेज़ी में)

यह मूल अंग्रेज़ी लेख का एआई द्वारा किया गया अनुवाद है, जिसे स्वचालित रूप से जाँचा गया है ताकि यह मूल लेख जैसी ही बात कहे। स्रोतों की जाँच अंग्रेज़ी में की गई थी।

How do you feel about this story?

Comments 0

No comments yet. Start the discussion.

Qwen 4-Flash ने गेम डेवलपमेंट बेंचमार्क में Opus 5.5 को पछाड़ा | Hermes Vector