11 月 8 日，阿里千问 Qwen4 系列的一组跑分在发布前流出。这次评测用的不是常见的通用问答榜单，而是专门测游戏开发创造力的 GameFeel Bench。结果是轻量款 Qwen4-Flash 拿到 49.9 分，超过 Opus 5.5 高推理档的 47.2 分；这是国产模型在这个基准上第一次压过这一级别的海外旗舰。
分数之外，还有一组更扎眼的数字
同一个小体积、可本地部署的 Qwen4-27B 拿到 44.6 分，离 Sonnet 5.5 的 45 分只差 0.4 分。而完成同等任务的花费，Qwen4-Flash 大约是 0.4 美元，Opus 5.5 需要 2.6 美元；Qwen4-27B 更是压到 0.16 美元。
产品线方面，Qwen4 家族至少准备了四款：跑分亮眼的 Flash、可本地跑的 27B、中间档的 Plus，以及代表上限的 Max。按此前负责人承诺的时间点，正式发布已经不远，到时候会直接和 GPT-6.1、Opus 5.5 这些海外旗舰摆在一起实测。
boxiyunAI的看法
- 单榜第一要冷静看。GameFeel Bench 测的是游戏开发场景的创造力，不等于写代码、做推理、长文档处理全面领先。一个专项榜能说明方向对了，说明不了整体位置。
- 真正的杀招是成本差 6 倍。49.9 对 47.2，用户未必感知得到差别；0.4 美元对 2.6 美元，账本上一眼就能看出来。对要批量跑任务、做自动化流程的团队，这个差价直接决定哪些场景「跑得起」。
- 小模型能本地跑，价值被低估了。27B 这种体量可以在自己的机器上跑，数据不出门，成本还能再降一档。对在意隐私的中小团队，这比榜首更有吸引力。
- 发布后要看实测，不看宣传分。泄露的跑分往往挑的是有利项目。真正该盯的是发布后第三方复测、长任务稳定性、以及中文场景下的表现。
这轮追赶走到了哪一步
从分数看，国产模型在专项任务上已经能和海外旗舰掰手腕，不再只是「便宜一点的替代品」；从成本看，优势还在扩大。但榜单是单点的，产品是长期的——能不能把这种性价比稳定交付到开发者的日常流程里，才是接下来几个月的看点。
对普通用户来说，这件事的实际意义是：以后做同一件事，可选的低价方案会更多，而且不用再默认「便宜 = 差一档」。对做产品的人来说，成本结构变了，很多以前算不过账的自动化场景，现在可以重新算一遍。
