「用一句话生成一个能玩的抓娃娃机」是产品经理社区常用的模型试金石：它同时考验物理模拟、交互逻辑与界面完成度。人人都是产品经理在 11 月 12 日用这个题目实测 Qwen4-Max-Preview，结果呈现出一种鲜明的反差——过程慢得让人着急，成品却意外地扎实。
整个挑战耗时超过 1 小时，实测输出速度约 33 tokens/s。对于开启了最高思考档的模型，这个速度并不意外，但放在「等它写完一个小游戏」的体感里就是明显的等待。需要说明的是，33 tokens/s 是该次测试的个案记录，不排除入口、时段与排队因素影响；不过多家实测都给出相近数字（见本站阿里云开发者社区一文），慢，恐怕是这代预览版的共性。
慢工出细活的一面在成品里：抓爪的机械力反馈、吊绳的摆动、娃娃之间的碰撞、抓取计分系统一应俱全，最终交付被评价为「扎实」。这类需要多子系统协同的题目最容易翻车在半途——某个物理环节写错，后面全部连锁报错。能一次跑通，说明它在长程代码任务上的连贯性确实在线。
测试者给出的横向评价是「与 Kimi K3.1 相当」。这不是基准分，只是一位产品视角测试者的体感定位，但它提供了一个有用的锚点：Qwen4-Max-Preview 大致处于国产第一梯队旗舰的水平线上，而非碾压级别。
参考来源：本文为本站原创改写与整理，事实与数据核对自 人人都是产品经理（2026-11-12）
← 返回 Qwen4-Max 专题「用一句話生成一個能玩的抓娃娃機」是產品經理社區常用的模型試金石：它同時考驗物理模擬、交互邏輯與界面完成度。人人都是產品經理在 11 月 12 日用這個題目實測 Qwen4-Max-Preview，結果呈現出一種鮮明的反差——過程慢得讓人着急，成品卻意外地紮實。
整個挑戰耗時超過 1 小時，實測輸出速度約 33 tokens/s。對於開啓了最高思考檔的模型，這個速度並不意外，但放在「等它寫完一個小遊戲」的體感裏就是明顯的等待。需要說明的是，33 tokens/s 是該次測試的個案記錄，不排除入口、時段與排隊因素影響；不過多家實測都給出相近數字（見本站阿里雲開發者社區一文），慢，恐怕是這代預覽版的共性。
慢工出細活的一面在成品裏：抓爪的機械力反饋、吊繩的擺動、娃娃之間的碰撞、抓取計分系統一應俱全，最終交付被評價爲「紮實」。這類需要多子系統協同的題目最容易翻車在半途——某個物理環節寫錯，後面全部連鎖報錯。能一次跑通，說明它在長程代碼任務上的連貫性確實在線。
測試者給出的橫向評價是「與 Kimi K3.1 相當」。這不是基準分，只是一位產品視角測試者的體感定位，但它提供了一個有用的錨點：Qwen4-Max-Preview 大致處於國產第一梯隊旗艦的水平線上，而非碾壓級別。
參考來源：本文爲本站原創改寫與整理，事實與數據覈對自 人人都是產品經理（2026-11-12）
← 返回 Qwen4-Max 專題"Generate a playable claw machine from one prompt" is a favourite product-community stress test: it taxes physics simulation, interaction logic and UI polish at once. Woshipm （人人都是产品经理） ran it against Qwen4-Max-Preview on November 12, and the result was a study in contrasts — a painfully slow process that produced a surprisingly solid machine.
The build took over an hour, with output measured at roughly 33 tokens per second. For a model running its highest reasoning tier that is not shocking, but as a lived experience — watching a mini-game assemble — it is a long wait. The figure is a single-session anecdote and may reflect entry point and load; still, several independent tests land near the same number (see our Alibaba Cloud developer write-up), so slowness looks like a trait of this preview, not an accident.
The slow work paid off in the artifact: claw force feedback, rope sway, doll-on-doll collision and a scoring system are all present, and the delivery was judged solid. Multi-subsystem builds like this usually fail halfway — one wrong physics step cascades. Finishing in one pass is real evidence of long-horizon coherence.
The tester's lateral verdict was "on par with Kimi K3.1." That is a product reviewer's feel, not a benchmark, but it is a useful anchor: Qwen4-Max-Preview sits on the first-tier domestic flagship line, not above it.
Reference source: this article is an original rewrite produced by this site; facts and figures were checked against 人人都是产品经理（2026-11-12）
← Back to the Qwen4-Max topic page