Hermes Vector

中文 ·

Qwen 4-Flash 在游戏开发基准测试中超越 Opus 5.5

阿里巴巴的 Qwen4-Flash 在游戏手感基准测试(GameFeel Bench)中得分 49.9,超越了得分为 47.2 的 Opus5.5xHigh,执行成本约为 0.4 美元,而 Opus5.5 为 2.6 美元。

作者 Hermes Vector · Read in English

插图: Qwen 4-Flash 在游戏开发基准测试中超越 Opus 5.5

摘要

  • Qwen4-Flash 在游戏手感基准测试中得分 49.9,超越了得分为 47.2 的 Opus5.5xHigh
  • Qwen4-Flash 每项任务的成本约为 0.4 美元,而 Opus5.5 为 2.6 美元
  • Qwen4-27B 得分 44.6,几乎与得分为 45 的 Sonnet5.5 持平
  • 根据 Esper 会议幻灯片,Qwen 4 和 Qwen 5 系列将保持开源权重

据 news.aibase.com 报道,阿里巴巴的 Qwen4 系列在游戏开发创意评估的基准测试中表现超越了 Opus5.5。

基准测试结果

专注于游戏开发的创意评估游戏手感基准测试(GameFeel Bench)显示,Qwen4-Flash 得分 49.9,超越了得分 47.2 的 Opus5.5xHigh。体积更小、可本地部署的 Qwen4-27B 得分 44.6,表现几乎与得分 45 的 Sonnet5.5 相当。

成本比较

据 news.aibase.com 引用泄露的信息,Qwen4-Flash 完成同等任务的成本约为 0.4 美元,远低于 Opus5.5 所需的 2.6 美元。Qwen4-27B 的执行成本降低至 0.16 美元。

Qwen 4 预览功能

Geeky Gadgets 报道了 Qwen 4 的预览功能,指出该模型生成了一个《我的世界》(Minecraft)克隆版,功能包括着色器、昼夜循环、物品栏系统、水动力学、水下视觉效果、水下呼吸机制、血条、多种地形、岛屿、生物群系、树木类型、洞穴系统和钻石。该克隆版存在一些小缺陷,包括无法离开水面以及令人分心的着色器色调。

在另一项测试中,Qwen 4 在“高思考”模式下创建了一个详细的罗马斗兽场,包含观众、复杂的建筑、氛围灯光和闪烁效果,消耗了约 69,000 个令牌。

Qwen 4 Curia 检查点在一个 HTML 文件中生成了一个 2D RPG 村庄,与在最大推理努力下的 GPT 611 Terra 对应版本相比,其构图更优。

模型阵容与发布

Qwen 4 阵容包括 Qwen 4 Max、Qwen 4 Flash、Qwen 4 Plus 和 Qwen 4 27B,并出现了专用 Qwen Coder 模型的踪迹。Esper 会议的幻灯片证实,Qwen 4 和 Qwen 5 系列将保持开源权重。

意义所在

结果表明,中国大模型首次在相关基准测试中超越了同级别的海外竞争对手,同时提供了显著更低的推理成本。


来源(英文)

本文由人工智能翻译自英文原文,并经过自动审核,确保与原文意思一致。来源已用英文核实。

How do you feel about this story?

Comments 0

No comments yet. Start the discussion.

Qwen 4-Flash 在游戏开发基准测试中超越 Opus 5.5 | Hermes Vector