Alibaba открыла бесплатный Qwen 4 Max Preview и обошла Claude Opus 5.5 в GameFeel Bench

Alibaba выкатила превью Qwen 4 Max и открыла к нему бесплатный доступ через веб-чат chat.qwen.ai. Модель позиционируют как инструмент для программирования и работы с агентами, то есть ровно для тех задач, где сейчас идёт главная гонка между лабораториями. В Telegram-каналах уже называют её «бесплатным монстром», но давайте отделим факты от энтузиазма.

Что известно на самом деле

Фактов немного. Модель называется Qwen 4 Max Preview, доступ бесплатный, заточена под код и агентные сценарии. Единственная цифра из первых тестов — результат в GameFeel Bench, бенчмарке, который оценивает создание игр: Qwen там обошла Claude Opus 5.5. Подробностей в источнике нет: ни размера контекста, ни цен API, ни информации об открытых весах, ни результатов на привычных инженерных тестах. Выдумывать их мы не будем. Слово Preview тоже важно: это ранняя версия, и автор исходного поста иронично замечает, что пока дают, надо пользоваться.

Почему сравнение с Opus 5.5 хромает

Главная оговорка: Qwen запускали на максимальном effort, а Claude — на среднем. Effort, или бюджет на рассуждения, — это сколько «думательных» токенов модель может потратить перед ответом. Представьте двух программистов с одной задачей: одному дали полчаса, другому пять минут. Если первый справился лучше, это ещё не значит, что он сильнее. Максимальный effort обычно заметно улучшает результат на сложных задачах, но делает ответ дороже и медленнее. Честное сравнение возможно либо при одинаковом effort, либо при одинаковой цене или времени на задачу.

Есть и вторая проблема: это один узкий бенчмарк. Игры — не то же самое, что бэкенд в продакшне, рефакторинг легаси или длинные цепочки правок в CI. Агентные задачи особенно показательны. Агент делает десятки шагов: читает файлы, вызывает инструменты, правит код, запускает тесты. Ошибка на раннем шаге тянет за собой все остальные, поэтому важны не красивые демо, а стабильность на длинной дистанции. Игровой бенчмарк измеряет её лишь частично.

Что с этим делать на практике

Бесплатное превью — повод для дешёвого эксперимента, а не для смены стека. Разумный план такой:

1. Возьмите 5–10 реальных задач из бэклога: баг из прода, небольшую фичу, написание тестов, миграцию.
2. Прогоните их через Qwen 4 Max Preview и вашу текущую модель с одинаковым промптом.
3. Фиксируйте не только качество, но и время ответа, число итераций правок и расход токенов, если это возможно.
4. Если сравниваете с Claude, запустите его и на среднем, и на высоком effort, чтобы увидеть честную картину.
5. Отдельно проверьте длинную задачу: не теряет ли модель контекст, не зацикливается ли.

И не отправляйте в бесплатный веб-чат закрытый код и ключи. Условия использования данных в источнике не описаны, поэтому читайте политику сервиса сами.

Для продактов вывод такой: ещё один сильный бесплатный конкурент давит на цены на рынке. Даже если Qwen не обгонит Opus, он может стать дешёвой запасной моделью для задач средней сложности. Для основателей: не стройте продукт на превью. Лимиты, условия и доступность могут измениться без предупреждения.

Итог

Новость скорее из серии «стоит попробовать», чем «всё поменялось». Одна цифра при несимметричных настройках — слабый аргумент, но бесплатный доступ делает проверку почти даром. Дождитесь независимых тестов на нескольких бенчмарках, посмотрите на цены и условия API и только потом решайте, пускать ли Qwen в рабочий процесс.