
Qwen4-Max crea giochi giocabili in Unreal, Unity e Godot: tre demo e l'infrastruttura che ne è alla base
- GoogleNUOVOGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1M di token · 90 tok/s
- AnthropicNUOVOAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1M di token · 97 tok/s
- orcaNUOVOOrca: OrcaC2 1.02026-11-0717 tok/s
- OrcaNUOVOOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1M di token · 87 tok/s
- OrcaNUOVOOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1M di token · 133 tok/s
- OrcaNUOVOOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 per 1M di token · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1M di token · 130 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1M di token · 65 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M di token · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M di token · 43 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligenza
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 per 1M di token · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligenza
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1M di token · 150 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligenza
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligenza
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 per 1M di token · 119 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Intelligenza
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Intelligenza
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 per 1M di token · 219 tok/s
La riga più interessante nel post di lancio di Alibaba per Qwen4-Max non è un punteggio di benchmark. È un elenco di motori di gioco. Qwen4-Max, rilasciato il 16 novembre 2026, è documentato dal suo stesso team come funzionante "in modo fluido" con Unity, Unreal Engine e Godot, e il post include tre video di giochi che secondo quanto affermato il modello ha realizzato end to end: una difesa a ondate con una maga gatta in Unreal Engine, un'avventura di volo con la spada in Unreal Engine e un gioco di corse sul Lago Occidentale in Unity 6, distribuito come build Android installabile.
È un tipo diverso di affermazione rispetto a «ottiene il 48,5% su Terminal-Bench 4.0». Un numero di benchmark è una misurazione che qualcuno può rieseguire. Una demo di gioco è un prodotto consegnabile, e il prodotto consegnabile è la prova: se la build si installa e si gioca, il modello ha fatto qualcosa di reale; se non succede, nessuna quantità di prosa può rimediare. La parte scomoda è che le tre build non sono davanti a te. Quello che hai davanti sono circa due minuti di video montato, quindi il lavoro onesto qui è separare ciò che il fornitore ha mostrato da ciò che un lettore può verificare, e poi guardare il meccanismo — perché quella parte è documentata, ed è la parte che deciderà se questo si generalizza oltre tre livelli dimostrativi.

Tre demo, tre motori, un unico loop condiviso
Le tre demo sono nominate e cronometrate nell'annuncio, il che è più di quanto offrano la maggior parte dei post di lancio. "Meow of Magic" dura 52 secondi: un'avventura con una maga gatta in Unreal Engine, con lancio di incantesimi, scelte di potenziamento e ondate di nemici e boss. "Yun Guan Xing" dura 39 secondi: una sequenza di volo fantasy su una spada tra nuvole e anelli, che termina con un boss. "Flying Racer" dura 20 secondi: un racer mobile in Unity 6 intorno al West Lake, con drifting, boost di nitro e ali dispiegabili, distribuito come gioco Android installabile anziché come prototipo solo video.
Quelle sono tre API di motore diverse e tre target di build diversi, e la descrizione del flusso di lavoro del fornitore è identica in tutti e tre. Da un unico brief in linguaggio naturale, Qwen4-Max gestisce la costruzione della scena, la logica di gameplay, l'integrazione di asset esterni, la configurazione dei materiali, il design dell'HUD e gli effetti visivi, poi avvia il gioco e usa il feedback visivo e di interazione per rivedere il tracciamento della camera, l'animazione dei personaggi, il feedback dei colpi, l'illuminazione e il ritmo. Rileggi quell'elenco, perché l'ordine è la tesi: al modello non viene chiesto di scrivere un gioco e sperare che funzioni. Gli viene chiesto di produrre una build, giocarla e correggere ciò che vede.
Nessuno al di fuori di Alibaba ha ancora riprodotto nulla di tutto ciò, e non esiste un repository pubblico dei tre progetti da ispezionare. Ciò che si può dire senza cautele è più limitato e comunque di un certo valore: il modello è documentato come operante all’interno di tre motori reali anziché emettere una descrizione della scena indipendente dal motore, e uno dei tre target è un pacchetto Android installabile, un passaggio di build che fallisce in modo evidente e spesso.

La parte davvero nuova è il ciclo di feedback, non il codice.
Un modello di frontiera che scrive uno script Unity non è una notizia. I modelli scrivono codice per engine da due anni, e la modalità di errore è rimasta stabile per tutto il tempo: il codice compila, la scena si carica e il risultato è ingiocabile in un modo che solo un essere umano nota — una telecamera che attraversa i muri, un colpo che non produce alcuna risposta visibile, un arco di salto che sembra quello di un ascensore. La domanda interessante riguardo all'affermazione di Qwen4-Max sullo sviluppo di giochi non è quindi "può scrivere C# o GDScript", ma "può chiudere quel ciclo da solo".
L'annuncio dice che è così, e il meccanismo descritto è un harness più che una capacità del modello: l'agente esegue la build, rilegge il feedback visivo e di interazione e itera su camera, animazione, feedback dei colpi, illuminazione e ritmo. Se quel ciclo è reale, il vincolo su ciò che può costruire si sposta dalle capacità di programmazione del modello alla qualità del segnale di feedback che riceve — un frame renderizzato e un log di input sono una descrizione molto più povera di "questo non va" rispetto a un playtester umano, e tutte le demo sono scene brevi e autonome su cui un ciclo di feedback può plausibilmente convergere nell'arco di una sessione.
Questa è la stessa argomentazione che il fornitore presenta altrove nel post sotto un'altra intestazione, e le due affermazioni vanno lette insieme. Nella sezione sugli agenti a lungo orizzonte, Alibaba descrive un approccio che chiama Live Delivery: l'agente produce presto una prima versione utilizzabile, poi la amplia attraverso rilasci successivi, aggiornando il proprio piano in base ai risultati dell'esecuzione e ai requisiti dell'utente, così che una persona possa intervenire in qualsiasi momento per correggere la direzione o annullare un errore prima che l'intera esecuzione sia completata. Per un gioco, ciò significa che la cadenza dei deliverable è costituita da build giocabili anziché da un unico archivio finale. Per qualsiasi altra cosa con una lunga traiettoria di utilizzo di strumenti, significa la stessa cosa.
Blender, e la pipeline che inizia oltre il viewport
La sezione di modellazione 3D è la metà più tranquilla della stessa storia. Qwen4-Max è documentato nell'uso di Blender per la modellazione geometrica, l'assemblaggio delle scene, la configurazione dei materiali, l'illuminazione e il rendering, in architettura, interni, paesaggi naturali e scene di fantascienza — un lavoro che mette alla prova la disposizione spaziale e la struttura degli oggetti più che l'estetica delle immagini. L'impostazione del fornitore è che questi asset siano "utilizzati in pratica nei giochi" e trasformati in oggetti fisici tramite stampa 3D, il che è un'affermazione sulla compatibilità a valle: un asset che può essere stampato ha una geometria coerente, mesh a tenuta stagna e una scala reale, e un asset che si inserisce in un motore di gioco ha pivot sensati e assegnazioni dei materiali corrette.
Considerala una dichiarazione d'intenti più che una pipeline verificata. Non esiste alcun asset pack pubblicato, alcun budget di poligoni, alcun report sulla topologia e alcuna indicazione su cosa succede quando una mesh generata deve superare un passaggio di retopologia o uno UV unwrap eseguito da un artista umano. Ciò che la sezione stabilisce è che il flusso di lavoro è a livello di file e di strumenti: il modello sta pilotando un'applicazione DCC reale e producendo qualcosa che un motore di gioco importa, non sta generando l'immagine di un oggetto 3D. È questa la distinzione che conta per chiunque speri di inserirlo in una pipeline artistica di produzione, ed è anche quella più difficile da falsificare in un video.
Live Delivery dispone di un repository, il che lo rende la parte verificabile.
Due giorni prima della disponibilità generale del modello, Alibaba ha reso open source l'harness che ha sviluppato per questo. Il plugin Qwen Live Delivery è su GitHub con licenza Apache-2.0, è stato creato il 14 novembre 2026 e ha ricevuto l'ultimo push il giorno prima del lancio. Espone quattro strumenti MCP — ld_begin, ld_publish, ld_status e ld_done — oltre agli hook del ciclo di vita, e si installa in un workspace tramite uno script shell. Al lancio è disponibile solo per Codex CLI, funziona su Linux e macOS e richiede Node.js 22 o versioni successive. È prevista una variabile d'ambiente opt-in per concedere alla sandbox l'accesso completo al filesystem, e un workbench nel browser per rivedere le release.
Questo è l'artefatto più utile dell'intera release per chiunque valuti l'affermazione sullo sviluppo di videogiochi, perché è la parte che si può effettivamente eseguire. Un framework che pubblica release successive di un lavoro di lunga durata ha esattamente la forma di cui ha bisogno un agente di sviluppo di videogiochi: ogni build giocabile è un checkpoint che una persona può ispezionare, e una svolta sbagliata nel level design costa una release anziché una singola esecuzione. Significa anche che il confronto interessante non è "quale modello scrive codice Unreal migliore", ma "l'harness di quale modello ti consente di supervisionare il lavoro", che è una domanda molto più pratica e che verrà risolta usandolo, non leggendo un tabellone dei punteggi.
Cosa possono e non possono dirti i numeri indipendenti
Artificial Analysis elenca Qwen4-Max con un Intelligence Index di 42,89 su v5.0.1 con il massimo sforzo di ragionamento, contro 33,65 per Qwen3.8-Max sulla stessa versione — un guadagno di circa nove punti, che rappresenta un vero salto generazionale e non una differenza di arrotondamento. I punteggi parziali sono più eterogenei del dato principale: Terminal-Bench 4.0 al 48,5% contro 38,9%, FrontierCode-AA 2.0 al 26,5% contro 23,4%, Terminal-Bench-Science al 23,3% contro 11,9%, e HLE-Diamond al 44,9%. Sul lavoro agentico lo schema si conferma — APEX-Agents 59,1%, AutomationBench 72,6% parziale, EnterpriseOps-Gym 48,5%, AnalystAgent 46,3%.
Niente di tutto ciò misura lo sviluppo di videogiochi. Nessuna classifica pubblica esegue una build di Unreal, verifica se una scena Unity si carica o assegna un punteggio a un progetto Godot in base al fatto che il salto restituisca la sensazione giusta. I proxy più vicini sono i benchmark agentici e da terminale, che misurano se un modello riesce a mantenere insieme una traiettoria multi-fase con uso di strumenti senza perdere il filo — e sono i punteggi in cui Qwen4-Max guadagna di più. Quindi la lettura corretta dei dati indipendenti è indiretta: rende plausibile la storia dell'harness senza confermare un singolo fotogramma delle demo. Artificial Analysis inoltre non registra pesi aperti per il modello, il che coincide con la documentazione del fornitore che indica il fine-tuning e il deployment del modello come non supportati.

La scheda tecnica, come pubblicata
La documentazione ufficiale di Alibaba e il post di lancio, per avere i numeri che un acquirente deve conoscere prima di impegnarsi in un progetto:
• Backbone — 2,4 trilioni di parametri con 71 miliardi attivati per token, più 328 miliardi di parametri di embedding N-gram, in un'architettura sparse mixture-of-experts con attenzione ibrida Gated DeltaNet e un livello di embedding N-gram
• Contesto — 1.000.000 di token dichiarati; la documentazione limita l'input massimo a 991.808 token in modalità non-thinking e a 983.616 in modalità thinking
• Output — massimo 131.072 token in modalità non-thinking; in modalità thinking la traccia di ragionamento e la risposta condividono un totale combinato di 262.144
• Modalità — input di testo, immagini e video, output di testo; nessuna generazione di immagini o video
• Prezzo — 1,50 $ in input e 4,50 $ in output per milione di token a Singapore, 1,413 $ e 4,24 $ nelle altre regioni, contro i 2,00 $ e 6,00 $ di Qwen3.8-Max
• Cache — $0,075 per milione di token per una lettura della cache a Singapore, uno sconto del 95%, con caching esplicito e implicito con TTL di cinque minuti e un'ora
• Limiti — inferenza batch, fine-tuning e deployment del modello sono tutti indicati come non supportati, quindi non esiste un percorso asincrono economico e nessun accesso ai pesi
• Limiti di frequenza — 30.000 richieste e 5.000.000 di token al minuto a livello globale, con tetti regionali di token al minuto compresi tra 5 e 20 milioni
Il tetto dell'output è la riga da leggere due volte. Una build giocabile non è una sola risposta; sono dozzine di chiamate agli strumenti, ognuna delle quali restituisce contenuti di file e log di build, e ognuno di quei turni è limitato dallo stesso contesto. Il lavoro a lungo orizzonte con una finestra di un milione di token è esattamente il carico di lavoro in cui un budget di output più piccolo si traduce in più round trip.
Quanto costa davvero un lungo ciclo di build
Le cifre di costo fornite dal fornitore stesso sono indicate per attività anziché per token, che è l'unità corretta per questo tipo di lavoro. Su Work360, il benchmark interno di Alibaba relativo a attività professionali in 26 domini di primo livello, Qwen4-Max ottiene 52,69 contro 47,74 di Qwen3.8-Max, e il costo medio per attività scende da 4,43 $ a 1,67 $, una riduzione del 62% ottenuta in parte tramite riduzioni di prezzo e in parte utilizzando meno token: circa il 24% e il 35% in meno su Work360 con sforzo di ragionamento extra-alto e alto, e il 48% e il 49% in meno su Terminal-Bench 4.0. Si tratta di dati dichiarati dal fornitore e non riprodotti.
La stima indipendente è meno lusinghiera e più utile come dato per il budget. Artificial Analysis colloca il costo di esecuzione del proprio Intelligence Index a 3,27 $ per attività per Qwen4-Max, in calo rispetto a 10,02 $ per Qwen3.8-Max sullo stesso harness — una riduzione del 67% che è coerente in termini di direzione con l'affermazione di Alibaba pur arrivando a un numero assoluto diverso, perché le due misurazioni eseguono attività diverse con uno sforzo di ragionamento diverso. Se stai pianificando un ciclo di sviluppo di giochi, 3,27 $ per attività valutata è il numero da moltiplicare, non 1,67 $, e il moltiplicatore è il numero di turni nel tuo ciclo di build-and-play anziché il numero di prompt che digiti.
C’è un’altra nota sui costi che conta più del tariffario per questo carico di lavoro. L’input in cache costa $0,075 per milione di token, e un ciclo di build è il carico di lavoro ideale per la cache: la stessa documentazione del motore, gli stessi file di progetto, lo stesso log degli errori, letti più e più volte. Un ciclo che rilegge venti volte un contesto di progetto da 200.000 token paga $0,30 in input in cache anziché $6,00 alla tariffa non in cache, ed è la differenza tra un esperimento che lasci in esecuzione e uno che interrompi dopo tre tentativi.
Provarlo senza scommettere una pipeline su di esso
Qwen4-Max è disponibile tramite l'API di Alibaba in sei regioni e attraverso diverse piattaforme di terze parti; oggi non è nel catalogo di OrcaRouter, i cui 215 modelli includono Qwen3.8-Max, Qwen3.7-Max e Qwen3-Max ma non la generazione Qwen4. In pratica, questo significa che il primo mese di valutazione avviene sull'endpoint del fornitore stesso, con una chiave dotata di limite di spesa, e che un harness sviluppato per un endpoint compatibile con OpenAI si sposterà senza modifiche al codice se il modello dovesse comparire.
Due cose rendono quella prova meno costosa. La prima è il failover: un modello così nuovo, che svolge un lavoro così lungo, incontrerà limiti di frequenza e timeout, e il failover automatico verso un secondo endpoint trasforma un ciclo di build morto in uno più lento. La seconda è la regola di prezzo pass-through — OrcaRouter fattura al prezzo di listino del provider senza ricarichi, quindi quando un fornitore riduce una tariffa, la riduzione è attiva dalla nostra parte lo stesso giorno anziché al successivo rinnovo contrattuale. Nessuna di queste affermazioni dipende dall'ospitare il modello in questione, e nessuna delle due merita di far finta del contrario.
Una forma pratica per la valutazione: dare al modello una cosa piccola e finita — una singola scena giocabile con una meccanica, una telecamera e una condizione di vittoria — e osservare ciò che fa attraverso tre release giocabili consecutive invece di una sola. L'affermazione sotto esame non è se può produrre un gioco. È se la seconda e la terza release sono migliori della prima, perché questa è l'unica parte del ciclo che un benchmark non può misurare e che un video dimostrativo non può mostrare.
La questione aperta
La presentazione di Qwen4-Max da parte di Alibaba è quella di un modello che continuerà a funzionare mentre voi non guardate, e le demo di sviluppo di videogiochi sono la prova più leggibile di quell'idea che potesse scegliere: i giochi sono visivi, sono interattivi e falliscono in modi che chiunque può vedere. Tre brevi scene in tre engine sono un forte argomento di apertura e una debole dimostrazione di robustezza: i livelli sono piccoli, le sessioni durano pochi minuti e i criteri di accettazione sono stati stabiliti dal team che li ha realizzati.
Quello che chiarirebbe la questione è poco affascinante. Un progetto con un codebase esistente, una direzione artistica che non ha scelto, un bug della fisica che si manifesta solo su un dispositivo di fascia bassa e un revisore umano che respinge la build due volte. Se il ciclo sopravvive a questo, l’elenco dei motori smette di essere una frase di marketing e diventa un flusso di lavoro. Fino ad allora, la posizione onesta è che Qwen4-Max ha rilasciato la prima dimostrazione credibile che un modello di frontiera può guidare un motore di gioco e riprodurre il proprio lavoro — e che il plugin Live Delivery, pubblicato con due giorni di anticipo sotto Apache-2.0, è la parte della storia che puoi verificare di persona oggi.
