30分钟手搓复刻“坦克大战”游戏!实测最新Qwen4-Max模型 播报

来源:星海情报局 | 2026-11-17 17:49:10 |

11月16日,阿里正式发布了新一代旗舰模型Qwen4-Max。根据官方介绍,这款模型支持原生视觉理解和100万Token上下文,重点强化了编程、复杂推理以及需要持续调用工具的智能体任务。

图|官方展示Qwen4-Max能力

通俗的解释一下,原生视觉理解意味着模型可以直接看图,报错截图、财报图表、产品草图都能直接扔给它处理了,不必人工在转一道描述。100万Token上下文大致相当于可以装下几本长篇小说或者一个中等项目的全部代码,编程和复杂推理强化实际干活能力,智能体任务则把这些能力串了起来,当你交代一个任务,它会自己调用搜索、运行代码、核对结果。


(相关资料图)

所以这次,我们围绕这四个方向安排了实测,每项25分,总分100分。测试是通过Claude桌面端接入Qwen4-Max,实际调用的是千问模型,并使用桌面端提供的文件和执行工具。

总体来说,测试的结果让我们感觉非常惊喜!

坦克大战游戏开发测试

为了测试Qwen4-Max能否完成一个可以直接运行的程序,我们让它复刻一款经典2D俯视角坦克大战小游戏,采用像素风格,并把HTML、CSS和JavaScript整合到一个文件里。

要求包括方向键或WASD移动、空格射击、敌方坦克自动寻找玩家并攻击,以及命中扣血、爆炸、暂停和重新开始。地图中还要有可以破坏的建筑,并安排至少三个难度逐渐增加的关卡。

图|我给的需求,太长可以不看,总之就是还原小时候的坦克大战

令人惊喜的是,给出需求30分钟后,Qwen4-Max第一次交付的游戏就成功运行了!

而且细节也很到位,画面采用黑色背景和像素地图,上方显示生命、分数、关卡和剩余敌人数,下方提供暂停、重开、等控制按钮,主要信息UI一目了然,在游戏开头连游戏说明都准备好了。

图|Qwen4-Max生成的坦克大战游戏界面

Qwen4-Max生成的坦克大战不仅仅是能跑起来,玩起来游戏性也很强。

游戏里的的敌人有不同类型,普通坦克之外,还有移动更快的坦克、血量更高的重装坦克,以及攻击节奏更紧的精英坦克。玩家需要根据敌人的移动和耐打程度调整打法,不能一直站在原地按住开火。

三个关卡的变化同样比较完整。后续关卡更换了地图布局,增加了敌人数量,也调整了敌人的组合和进攻节奏。

图|砖墙可破坏

整体游戏难度设计1-3关层层递进,越来越难。我们编辑部的同事们得知用Qwen4-Max做了游戏,纷纷前来挑战,不过在文章发稿前,我们编辑部还没有一个人真正通关了这个游戏,就算是我也倒在了最后一关,是一个真正“策划都没通关的游戏”。

图|倒在了最后一关

网页版完成后,我们又让Qwen4-Max生成了可以直接运行的Windows免安装便携版和安卓安装包APK。对体验的小伙伴,复制下方百度网盘链接即可获取我手搓的坦克大战小游戏。

游戏下载:

https://pan.baidu.com/s/142EeUIqKrm9VDXwMYxdGMQ?pwd=mnsm 提取码: mnsm

老局在这发个英雄贴,能有通关的小伙伴,一定要截图放在评论区让我看看!

在第一轮测试中,重点是考验编程和agent能力,综合首次就能运行成功、功能完整、试玩表现有趣丰富,这一项给25分满分!也就是说人人都能做游戏的时代已经来了,当然目前做小游戏更容易实现一些。

多约束逻辑推理测试

逻辑推理部分,我们安排了一道有明确答案的项目选择题。公司面前有8个候选项目,每个项目的预算、工时和预计收益不同,需要在18万元预算、24小时工时以内,选出总收益最高的组合。

图|我是直接上传的截图,而不是文字编辑,同时还考验模型的图片文字信息解析能力

题目还加入了依赖和互斥条件:选C必须选A,选G必须选D,B和E不能同时选。单看某个项目的收益,或者按收益高低依次选择,都不一定能得到正确答案。

图|Qwen4-Max给的第一轮结果

Qwen4-Max给出的第一轮结果是B、D、F、G,总预算18万元,总工时22小时,收益38万元,与标准答案完全一致。

它还给出了穷举验证的结果:8个项目共有256种选法,过滤限制后剩58个可行组合,只有这一组达到38万元。预算、人力、依赖和互斥条件也逐项列出了检查结果,便于核对。

随后,我们临时追加条件,取消项目F,要求重新计算。这一次它列出了A、C、D和A、D、G、H两个并列最优组合,两组都是预算18万元、工时23小时、收益37万元,没有遗漏。

图|Qwen4-Max给的第二轮结果

这道题主要验证多条限制下的求解与重新计算能力。它结合穷举方法找到了答案,也交代了为什么是最优解。两轮结果都正确,这一项同样给25分。

杂乱桌面视觉理解测试

这次视觉测试用的是我的真实办公桌照片,主打一个混乱。照片里有显示器、主机、键盘、杯罐、纸箱、文具和大量线缆,背景还有书架,部分物品互相遮挡,屏幕和信封上也有细小文字,混乱才能考验模型的视觉理解能力。

图|我的桌面,主打一个乱中有序

我们要求模型列出主要物品及数量,描述位置和遮挡关系,再找出容易忽略的细节。不能确认的东西需要明确说明,尤其不能补写看不清的文字。

Qwen4-Max的回答还是非常充分的。除了电脑和键盘,它还找出了耳机盒、绿色胶棒、护手霜、金鱼纹瓷罐等小物件,并描述了瓷罐被前方盒子遮住、设备压在信封上等关系。屏幕中的项目计算题、评分栏,以及信封上的部分印刷文字,也被识别了出来。

图|Qwen4-Max的识别结果

这里还有个小插曲。我把结果交给GPT-6 Astra复核,它认为其中几处描述有误,包括把后排的主机判断成显示器、认为键盘旁没有那支笔。但对照实际桌面,这两处其实是千问认对了!错的是GPT-6 Astra。

图|GPT-6 Astra认为红框里是一台显示器,蓝框里没有笔

最后确认的问题,是它把银色钢笔描述成了黑色。本轮视觉理解整体表现也不错,因钢笔颜色判断错误扣1分,最终24分。

这种强大的图片识别能力实际上是在日常工作中最能帮助打工人提高效率的,举个例子,如果老板或者甲方给你微信发了一长串需求,先别自己看,截个图甩给AI就可以识别对话意图了,配置好agent的话,还能帮你自动执行需求!

AI图像模型市场调研测试

最后一项,我们让Qwen4-Max独立调研截至11月17日值得关注的5款AI图像生成模型,覆盖中国和海外厂商,整理版本、功能、分辨率、编辑能力、体验入口和价格,并附上来源。

这项任务需要连续完成搜索、读取资料、筛选、比较和文件交付,考验它能否在网上快速搜集信息,能把分散的信息整理成一份可供查阅的成果,并且要求完成度高,考验部分agent能力。

第一次提出需求后,Qwen4-Max就交付了PDF报告、网页和Markdown文件。报告选取了Seedream、千问图像、混元、Google和FLUX的相关版本,整理出横向对比表,并分析了各自适合的工作与价格比较条件。

图|Qwen4-Max做的AI图像模型横向对比表

比较有价值的是,它没有把所有数据都处理成同样确定的结论。表格区分了官方资料、媒体报道和未查到的信息,对暂时无法核实的价格保留了缺项,也说明了部分网站无法访问的情况。文件夹里还保留了网页缓存,方便回头查阅。

在价格分析中,它注意到了不同产品的计费口径:有的输入参考图也收费,有的只计算输出图片,还有的按分辨率分档。

图|给出了适用工作和价格分析

就本次要求的资料整理、对比分析和成果交付来看,任务完成度较高,这一项同样值得给满分25分。

最终结果

从结果来看,Qwen4-Max对这四个任务的完成度都比较高,所以我们给了很高的评分。不过,这个分数仅仅基于本次四项测试,反映的是它在这些具体任务中的表现。一天的使用时间还不够充分,更多场景下的能力和稳定性,还需要继续体验,也包含了我们不少主观判断。

这次测试给我最直接的感受是,国产Agent已经到了普通人用得起、也能拿来工作的阶段。

这轮测试累计用了约4700万Token,消耗了11.4%的月度额度。我们购买的套餐标价120元,首月只需39.5元,第二个月续费79元。按额度使用比例分摊,本次测试的模型用量成本约为4.50元;即使按79元的续费价格计算,同样的用量也只相当于约9元。对于有实际工作需求的人来说,这个尝试成本已经很低了。

图|四轮测试花了4700万token,花费4.5元额度

过去,国外已经出现了不少好用的AI Agent工具,但网络连接、订阅付费这些环节往往就要折腾很久,还没正式用起来,人已经精疲力竭了。像Qwen4-Max这样的国产高性能模型,让我们有了成本更低、使用也更方便的选择。

我判断,接下来会有越来越多的人,快速跨过只在对话框里向AI提问、再自己复制答案和执行操作的阶段,开始把完整的工作任务交给Agent。Agent大规模进入日常办公的时代,可能比我们想象中来得更快。

▲星海情报局 AI重构世界专栏