抓娃娃机挑战：Qwen4-Max 磨了一个多小时，交付扎实但速度是硬伤

「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。

过程：一个多小时与 33 tokens/s

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。

成品：该有的物理反馈都有

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。

横向坐标：与 Kimi K3.1 相当

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。