כרטיס כותרת שנוצר ביחס 16:9 ועליו הכיתוב 'Qwen4-Max בונה משחקים שאפשר לשחק בהם', עם כתובית 'Unity, Unreal Engine ו-Godot - שלוש הדגמות והתשתית שמאחוריהן', ובארבעה צ'יפים מעוגלים כתוב '3 מנועי משחק', 'הקשר של 1,000,000 טוקנים', '$1.50 קלט / $4.50 פלט לכל 1M' ו'מסירה חיה, Apache-2.0'. לוגו OrcaRouter בפינה הימנית התחתונה.
Guides & Insights

Qwen4-Max בונה משחקים שאפשר לשחק בהם ב-Unreal, Unity ו-Godot: שלוש הדגמות והתשתית שמאחוריהן

מחבר

jinhao.song

תאריך פרסום

מודלים אחרונים · 20צפו בכל המודלים →
בנצ'מרקים: Artificial Analysis · מתעדכן יומית
חזרה לכל הפוסטים

השורה המעניינת ביותר בפוסט ההשקה של Alibaba ל-Qwen4-Max אינה ציון בנצ'מרק. היא רשימה של מנועי משחקים. Qwen4-Max, שיצא ב-16 בנובמבר 2026, מתועד על ידי הצוות שלו ככזה שעובד "באופן שוטף" עם Unity, Unreal Engine ו-Godot, והפוסט מלווה בשלושה סרטונים של משחקים שלטענתו המודל בנה מקצה לקצה: משחק הגנה מפני גלים של חתול-קוסם ב-Unreal Engine, הרפתקת טיסה על חרב ב-Unreal Engine, ומרוץ West Lake ב-Unity 6, שסופק כגרסת Android הניתנת להתקנה.

זו סוג שונה של טענה לעומת "משיג 48.5% ב-Terminal-Bench 4.0". מספר מבנצ'מרק הוא מדידה שמישהו יכול להריץ מחדש. הדגמת משחק היא תוצר למסירה, והתוצר למסירה הוא הראיה: אם ה-build מותקן ומשחק, המודל עשה משהו אמיתי, ואם לא, שום כמות של מילים לא מתקנת את זה. החלק המביך הוא ששלושת ה-builds לא נמצאים לפניך. מה שכן נמצא לפניך הוא בערך שתי דקות של וידאו ערוך, כך שהעבודה הכנה כאן היא להפריד בין מה שהספק הראה לבין מה שקורא יכול לאמת, ואז להסתכל על המנגנון — כי החלק הזה מתועד, והוא החלק שיכריע אם זה מכליל מעבר לשלוש רמות הדגמה.

A generated single-column scoreboard titled 'Qwen4-Max - the scoreboard' with six rows reading AA Intelligence Index 42.89, Terminal-Bench 4.0 48.5%, FrontierCode-AA 2.0 26.5%, Terminal-Bench-Science 23.3%, price per 1M tokens $1.50 in and $4.50 out, and cost per AA task $3.27, with a footer reading 'All figures per Artificial Analysis v5.0.1 at maximum reasoning effort.' OrcaRouter logo bottom-right.

שלושה דמואים, שלושה מנועים, לולאה משותפת אחת

שלושת הדמואים מוזכרים בשמם ומתוזמנים בהודעה, יותר ממה שרוב פוסטי ההשקה מציעים. "Meow of Magic" אורך 52 שניות: הרפתקת חתול-קוסם ב-Unreal Engine עם הטלת לחשים, בחירות שדרוג וגלים של אויבים ובוסים. "Yun Guan Xing" אורך 39 שניות: רצף תעופה פנטסטי על חרב דרך עננים וטבעות, שמסתיים בבוס. "Flying Racer" אורך 20 שניות: מירוץ מובייל ב-Unity 6 סביב West Lake, עם דריפטינג, האצות ניטרו וכנפיים ניתנות לפריסה, שמופץ כמשחק Android ניתן להתקנה ולא כאב-טיפוס בווידאו בלבד.

אלה שלושה ממשקי API שונים של מנועים ושלושה יעדי build שונים, ותיאור התהליך מצד הספק זהה בכל השלושה. מתוך תדריך אחד בשפה טבעית, Qwen4-Max מטפל בבניית סצנות, בלוגיקת גיימפליי, בשילוב נכסים חיצוניים, בהגדרת חומרים, בעיצוב HUD ובאפקטים חזותיים, ואז מריץ את המשחק ומשתמש במשוב חזותי ובאינטראקציה כדי לעדכן מעקב מצלמה, אנימציית דמויות, משוב פגיעה, תאורה וקצב. קראו את הרשימה הזו שוב, כי הסדר הוא הטענה: המודל לא מתבקש לכתוב משחק ולקוות. הוא מתבקש להפיק build, לשחק בו ולתקן את מה שהוא רואה.

אף אחד מחוץ לאליבאבא עדיין לא שחזר דבר מזה, ואין מאגר ציבורי של שלושת הפרויקטים לבדיקה. מה שאפשר לומר בלי הסתייגות הוא צר יותר, ועדיין שווה משהו: המודל מתועד כפועל בתוך שלושה מנועים אמיתיים ולא ככזה שמפיק תיאור סצנה בלתי־תלוי־מנוע, ואחד משלושת היעדים הוא חבילת Android הניתנת להתקנה, וזהו שלב בנייה שנכשל בקול רם ולעיתים קרובות.

A screenshot of Alibaba's Qwen4-Max announcement showing the section headed 'GameDev: Create Games with Real Engines', its paragraph naming Unity, Unreal Engine and Godot and describing scene construction, gameplay logic, asset integration, material setup, HUD design and visual effects from a single natural-language brief, and below it a dark still from the demo video captioned 'Meow of Magic - Qwen4-Max built a cat-mage adventure in Unreal Engine.'

החלק שבאמת חדש הוא לולאת המשוב, לא הקוד

מודל חזית שכותב סקריפט ל-Unity אינו חדשות. מודלים כותבים קוד למנועים כבר שנתיים, ומצב הכשל נותר יציב כל הזמן הזה: הקוד מתקמפל, הסצנה נטענת, והתוצאה אינה ניתנת למשחק באופן שרק אדם מבחין בו — מצלמה שחודרת דרך קירות, פגיעה שלא מפיקה תגובה נראית לעין, קשת קפיצה שמרגישה כמו מעלית. השאלה המעניינת לגבי הטענה של Qwen4-Max בנוגע לפיתוח משחקים היא אפוא לא "האם הוא יכול לכתוב C# או GDScript" אלא "האם הוא יכול לסגור את הלולאה הזו בעצמו".

ההכרזה אומרת שכן, והמנגנון שהיא מתארת הוא רתמת הרצה ולא יכולת של המודל: הסוכן מריץ את הבנייה, קורא בחזרה משוב חזותי ומשוב מאינטראקציה, ומבצע איטרציות על מצלמה, אנימציה, משוב פגיעה, תאורה וקצב. אם הלולאה הזו אמיתית, המגבלה על מה שהוא יכול לבנות עוברת מיכולת הקידוד של המודל לאיכות אות המשוב שניתן לו — פריים מרונדר ויומן קלט הם תיאור דק בהרבה של "זה מרגיש לא נכון" מאשר בודק משחק אנושי, וההדגמות כולן סצנות קצרות ועצמאיות שלולאת משוב יכולה באופן סביר להתכנס אליהן במסגרת סשן אחד.

זו אותה טענה שהספק מעלה במקום אחר בפוסט תחת כותרת אחרת, ויש לקרוא את שתי הטענות יחד. בפרק העוסק בסוכן לטווח ארוך, Alibaba מתארת גישה שהיא מכנה Live Delivery: הסוכן מפיק בשלב מוקדם גרסה ראשונה שמישה, ואז מרחיב אותה عبر מהדורות עוקבות, תוך עדכון התוכנית שלו מתוצאות הביצוע ומדרישות המשתמש, כך שאדם יכול להתערב בכל נקודה כדי לתקן כיוון או לבטל טעות לפני שהריצה כולה מסתיימת. במקרה של משחק, משמעות הדבר היא שקצב המסירות הוא בילדים ניתנים למשחק ולא ארכיון סופי אחד. לכל דבר אחר עם מסלול ארוך של שימוש בכלים, זה אומר את אותו הדבר.

Blender, והפייפליין שמתחיל מעבר ל-viewport

מדור המודלינג התלת-ממדי הוא החצי השקט יותר של אותו סיפור. Qwen4-Max מתועד בשימוש ב-Blender למודלינג גיאומטריה, הרכבת סצנות, הגדרת חומרים, תאורה ורינדור, בתחומי אדריכלות, חללי פנים, נופי טבע וסצנות מדע בדיוני — עבודה שמפעילה פריסה מרחבית ומבנה אובייקטים ולא אסתטיקה של תמונה. המסגור של הספק הוא שהנכסים האלה "בשימוש מעשי במשחקים" ומומרים לאובייקטים פיזיים באמצעות הדפסת תלת-ממד, וזו טענה לגבי תאימות בהמשך השרשרת: נכס שניתן להדפיס הוא בעל גיאומטריה עקבית, רשתות אטומות למים וקנה מידה אמיתי, ונכס שנכנס למנוע משחק הוא בעל צירי סיבוב סבירים והקצאות חומרים.

יש להתייחס לכך כהצהרת כוונה ולא כאל צינור עבודה מאומת. אין חבילת נכסים שפורסמה, אין תקציב ספירת פוליגונים, אין דוח טופולוגיה, ואין הצהרה על מה קורה כאשר רשת שנוצרה צריכה לשרוד מעבר ריטופולוגיה או פריסת UV בידי אמן אנושי. מה שהסעיף כן קובע הוא שזרימת העבודה היא ברמת הקבצים וברמת הכלים: המודל מפעיל יישום DCC אמיתי ומייצר משהו שמנוע משחק מייבא, ולא מייצר תמונה של אובייקט תלת-ממדי. ההבחנה הזו היא זו שחשובה לכל מי שמקווה להכניס את זה לפייפליין אמנותי לייצור, והיא גם זו שהכי קשה לזייף בסרטון.

ל-Live Delivery יש מאגר, מה שהופך אותו לחלק הניתן לבדיקה

יומיים לפני הזמינות הכללית של המודל, אליבאבא פרסמה בקוד פתוח את תשתית ההרצה שבנתה לשם כך. התוסף Qwen Live Delivery נמצא ב-GitHub תחת רישיון Apache-2.0, נוצר ב-14 בנובמבר 2026, והדחיפה האחרונה שלו בוצעה יום לפני ההשקה. הוא חושף ארבעה כלים של MCP — ld_begin, ld_publish, ld_status ו-ld_done — וכן hooks למחזור חיים, ומותקן בסביבת עבודה באמצעות סקריפט shell. בהשקה הוא תומך רק ב-Codex CLI, פועל על Linux ו-macOS, ודורש Node.js 22 או גרסה חדשה יותר. קיים משתנה סביבה מסוג opt-in המעניק ל-sandbox גישה מלאה למערכת הקבצים, וכן workbench בדפדפן לסקירת מהדורות.

הפריט השימושי ביותר בכל המהדורה עבור כל מי שמעריך את הטענה בדבר פיתוח משחקים, מפני שזה החלק שאפשר ממש להריץ. מסגרת שמפרסמת מהדורות עוקבות של משימה ארוכת טווח היא בדיוק הצורה שסוכן לפיתוח משחקים זקוק לה: כל בנייה ניתנת למשחק היא נקודת ביקורת שאדם יכול לבדוק, ופנייה שגויה בעיצוב שלבים עולה מהדורה אחת ולא ריצה אחת. משמעות הדבר גם היא שההשוואה המעניינת אינה "איזה מודל כותב קוד Unreal טוב יותר" אלא "רתמת ההרצה של איזה מודל מאפשרת לך לפקח על העבודה", שהיא שאלה מעשית הרבה יותר ושאלה שתוכרע באמצעות שימוש בה, לא באמצעות קריאת לוח תוצאות.

מה שהמספרים הבלתי־תלויים יכולים ולא יכולים לספר לך

Artificial Analysis מציינת את Qwen4-Max עם מדד Intelligence Index של 42.89 ב-v5.0.1 במאמץ חשיבה מקסימלי, לעומת 33.65 עבור Qwen3.8-Max באותו דור — עלייה של כתשע נקודות, שהיא צעד דורי אמיתי ולא הבדל של עיגול. ציוני המשנה מעורבים יותר מאשר נתון הכותרת: Terminal-Bench 4.0 עם 48.5% לעומת 38.9%, FrontierCode-AA 2.0 עם 26.5% לעומת 23.4%, Terminal-Bench-Science עם 23.3% לעומת 11.9%, ו-HLE-Diamond עם 44.9%. בעבודה סוכנית התבנית נשמרת — APEX-Agents 59.1%, AutomationBench 72.6% חלקי, EnterpriseOps-Gym 48.5%, AnalystAgent 46.3%.

שום דבר מזה לא מודד פיתוח משחקים. אף לוח דירוג ציבורי לא מריץ בילד של Unreal, בודק אם סצנת Unity נטענת, או מדרג פרויקט Godot לפי האם הקפיצה מרגישה נכון. הבחנים העקיפים הקרובים ביותר הם מדדי הסוכנים והטרמינל, שמודדים אם מודל מצליח להחזיק מסלול רב-שלבי של שימוש בכלים בלי לאבד את החוט — ואלו הציונים שבהם Qwen4-Max מרוויח הכי הרבה. לכן הקריאה הנכונה של הנתונים הבלתי-תלויים היא עקיפה: היא הופכת את סיפור ה-harness לסביר בלי לאשר אפילו פריים אחד מהדמואים. Artificial Analysis גם לא מתעדת משקלים פתוחים עבור המודל, מה שתואם לתיעוד הספק שמסמן כוונון עדין ופריסת מודל כלא נתמכים.

A screenshot of the Artificial Analysis page for Qwen4-Max, showing the summary line that Qwen4 Max is above average in intelligence and reasonably priced, an Intelligence Index of 43, pricing of $1.50 per 1M input tokens and $4.50 per 1M output tokens, a cost of $3.27 per task, a context window of 984k and a comparison class of 243 models.

דף המפרט, כפי שפורסם

התיעוד של Alibaba עצמה ופוסט ההשקה, בשביל המספרים שקונה צריך לפני שהוא מתחייב לפרויקט:

• Backbone — 2.4 טריליון פרמטרים עם 71 מיליארד מופעלים לכל טוקן, בתוספת 328 מיליארד פרמטרי הטמעת N-gram, בתכנון דליל של תערובת מומחים עם קשב היברידי מסוג Gated DeltaNet ושכבת הטמעת N-gram

• הקשר — 1,000,000 טוקנים לפי הפרסום; התיעוד מגביל את הקלט המרבי ל-991,808 טוקנים במצב ללא חשיבה ול-983,616 במצב חשיבה

• פלט — מקסימום 131,072 טוקנים במצב לא-חשיבה; במצב חשיבה עקבות הנימוק והתשובה חולקים יחד 262,144

• מודאליות — קלט טקסט, תמונה ווידאו; פלט טקסט; ללא יצירת תמונות או וידאו

• מחיר — 1.50$ עבור קלט ו-4.50$ עבור פלט למיליון טוקנים בסינגפור, 1.413$ ו-4.24$ בשאר האזורים, לעומת Qwen3.8-Max ב-2.00$ ו-6.00$

• מטמון — $0.075 לכל מיליון טוקנים בקריאת מטמון בסינגפור, הנחה של 95%, עם מטמון מפורש ומשתמע ב-TTL של חמש דקות ושעה

• מגבלות — הסקה באצוות, כוונון עדין ופריסת מודלים רשומים כולם כלא נתמכים, כך שאין מסלול אסינכרוני זול ואין גישה למשקולות

• מגבלות קצב — 30,000 בקשות ו-5,000,000 טוקנים בדקה באופן גלובלי, עם תקרות טוקנים אזוריות בדקה שבין 5 ל-20 מיליון

תקרת הפלט היא השורה שכדאי לקרוא פעמיים. בילד שאפשר לשחק בו אינו תגובה אחת; מדובר בעשרות קריאות לכלים, שכל אחת מהן מחזירה תוכן קבצים ולוגי בנייה, וכל אחד מהסבבים האלה מוגבל באותו הקשר. עבודה לטווח ארוך עם חלון של מיליון טוקנים היא בדיוק סוג העומס שבו תקציב פלט קטן יותר הופך ליותר סבבי הלוך ושוב.

כמה באמת עולה לופ בנייה ארוך

נתוני העלויות של הספק עצמו מוצגים לפי משימה ולא לפי טוקן, וזו היחידה הנכונה לעבודה מסוג זה. ב-Work360, מבחן פנימי של Alibaba למשימות מקצועיות ב-26 תחומי רמה ראשונה, Qwen4-Max מקבל 52.69 לעומת 47.74 עבור Qwen3.8-Max, והעלות הממוצעת למשימה יורדת מ-$4.43 ל-$1.67 — ירידה של 62%, שהושגה חלקית באמצעות הורדות מחירים וחלקית באמצעות שימוש בפחות טוקנים: בערך 24% ו-35% פחות ב-Work360 במאמץ חשיבה גבוה במיוחד וגבוה, ו-48% ו-49% פחות ב-Terminal-Bench 4.0. אלה נתונים שדווחו על ידי הספק ולא שוחזרו.

ההערכה העצמאית פחות מחמיאה ויותר שימושית כקלט לתקצוב. Artificial Analysis מציבה את העלות של הרצת ה-Intelligence Index שלה על $3.27 למשימה עבור Qwen4-Max, ירידה מ-$10.02 עבור Qwen3.8-Max על אותה תשתית בדיקה — קיצוץ של 67% שעקבי בכיוונו עם הטענה של Alibaba אך מגיע למספר מוחלט שונה, משום ששתי המדידות מריצות משימות שונות ברמת מאמץ חשיבה שונה. אם אתם מתכננים לופ לפיתוח משחקים, $3.27 לכל משימה מוערכת הוא המספר שיש להכפיל בו, ולא $1.67, והמכפיל הוא מספר התורות במחזור הבנייה והמשחק שלכם ולא מספר הפרומפטים שאתם מקלידים.

יש עוד הערת עלות אחת שחשובה יותר ממחירון התעריפים עבור עומס עבודה זה. קלט במטמון הוא $0.075 למיליון טוקנים, ולולאת בנייה היא עומס המטמון האידיאלי: אותו תיעוד מנוע, אותם קבצי פרויקט, אותו יומן שגיאות, נקראים שוב ושוב. לולאה שקוראת מחדש הקשר פרויקט בנפח 200,000 טוקנים עשרים פעמים משלמת $0.30 בקלט במטמון במקום $6.00 בתעריף ללא מטמון, וזה ההבדל בין ניסוי שמשאירים אותו פועל לבין כזה שעוצרים אחרי שלושה ניסיונות.

לנסות את זה בלי להמר על פייפליין שלם בגללו

Qwen4-Max זמין דרך ה-API של אליבאבא עצמה בשישה אזורים ודרך מספר פלטפורמות צד שלישי; הוא אינו נמצא בקטלוג של OrcaRouter היום, ש-215 המודלים שלו כוללים את Qwen3.8-Max, Qwen3.7-Max ו-Qwen3-Max אך לא את דור Qwen4. באופן מעשי, זה אומר שהחודש הראשון של ההערכה מתרחש בנקודת הקצה של הספק עצמו, על מפתח עם תקרת הוצאה, ושמערך הבדיקות שתבנו מול נקודת קצה אחת תואמת OpenAI יעבור ללא שינויי קוד אם המודל אכן יופיע.

שני דברים הופכים את הניסוי הזה לזול יותר. הראשון הוא מעבר לגיבוי: מודל כה חדש, שעושה עבודה כה ארוכת-טווח, ייתקל במגבלות קצב ובפסקי זמן, ומעבר אוטומטי לנקודת קצה שנייה הופך לולאת בנייה מתה לאיטית יותר. השני הוא העברה ישירה בכללי המחיר — OrcaRouter מחייב לפי מחיר המחירון של הספק ללא תוספת, כך שכאשר ספק מוריד תעריף, ההורדה פעילה אצלנו באותו יום ולא בחידוש החוזה הבא. אף אחת מהטענות האלה אינה תלויה באירוח המודל המדובר, ואף אחת מהן אינה מצדיקה להעמיד פנים אחרת.

צורה מעשית להערכה: תנו למודל דבר אחד קטן וגמור — סצנה אחת ניתנת למשחק עם מכניקה אחת, מצלמה ותנאי ניצחון — ותצפו במה שהוא עושה לאורך שלוש מהדורות עוקבות בנות-משחק ולא לאורך אחת. הטענה שנבחנת אינה אם הוא מסוגל להפיק משחק. היא אם המהדורה השנייה והשלישית טובות מן הראשונה, משום שזהו החלק היחיד בלופ שבנצ'מרק אינו יכול למדוד וסרטון הדגמה אינו יכול להראות.

השאלה הפתוחה

האופן שבו עליבאבא מציגה את Qwen4-Max הוא כמודל שימשיך לעבוד בזמן שאתם לא מסתכלים, והדמואים לפיתוח משחקים הם ההוכחה הברורה ביותר לרעיון הזה שהיא יכלה לבחור: משחקים הם ויזואליים, הם אינטראקטיביים, והם נכשלים בדרכים שכל אחד יכול לראות. שלוש סצנות קצרות בשלושה מנועים הן טיעון פתיחה חזק והדגמה חלשה של עמידות — השלבים קטנים, הריצות נמשכות דקות, וקריטריוני הקבלה נקבעו על ידי הצוות שיצר אותם.

מה שיכריע את זה אינו זוהר. פרויקט עם בסיס קוד קיים, כיוון אמנותי שהוא לא בחר, באג פיזיקה שמופיע רק במכשיר חלש, ומבקר אנושי שדוחה את הבנייה פעמיים. אם הלולאה שורדת את זה, רשימת המנועים מפסיקה להיות שורת שיווק והופכת לזרימת עבודה. עד אז, העמדה הכנה היא ש-Qwen4-Max סיפקה את ההדגמה האמינה הראשונה לכך שמודל חזיתי יכול להניע מנוע משחק ולהציג בחזרה את העבודה של עצמו — ושהתוסף Live Delivery, ששוחרר יומיים מוקדם תחת Apache-2.0, הוא החלק בסיפור שאתם יכולים לבדוק בעצמכם היום.