Qwen4-Max 今天上架,官方模型目录里明写着适用于编程开发和前端设计,上下文一百万 token,单次最大输出 393,216 token。我用百炼命令行递了一句话进去,94.8 秒拿到 438 行、11,712 字符的单文件 HTML。
顺利的部分到这儿就讲完了,真正花时间的是后面:这东西到底能不能玩。我搭了三层验证才敢回答,其中一层因判据写错被整层废掉。这篇的重心不在模型多强,而在三个接入坑:命令行管不到档位、预算撞硬校验、图换不来玩法密度。
环境准备:一个 CLI、一个 Key、一次目录核对
百炼官方 CLI 的安装入口在命令行安装页,API Key 在控制台控制台密钥页签发,两件事做完就能直接调。调用前核对参数面,不靠记忆写模型 ID:
bl model list --model qwen4-max
bl text chat --messages-file ./game-request.json --model qwen4-max --output json --max-tokens 32768
第一条读目录规格,第二条把提示词递进去。提示词我一个字没多加:
做一个网页小游戏:屏幕上方随机掉落水果,玩家用鼠标左右移动底部的篮子接住,接住加 1 分,漏掉扣 1 条命,3 条命用完显示结束画面并能一键重开。全部写在一个 HTML 文件里,不要外部依赖,不要占位注释。
输入侧只有 89 个 token。提前交代:--max-tokens 32768 管的是输出上限,和第一件事那条硬校验直接相关。
第一件事:命令行面上没有指定思考档位的参数
我第一反应是在 bl text chat 上找档位参数,没找到。命令行这个面上没有设思考档位的入口,档位只有走 HTTP 接口才能设,用 reasoning_effort 传 none 或 high。所以这轮三档对照里,默认档走的命令行,另两次调档位走的接口。
命令行面上能设的是思考预算,而它受服务端硬校验。我把预算写得比最大输出还大,0.3 秒就拒回来一条 400,一个 token 都没开始生成。预算是上限值,不能大过输出上限,两个数得配套:建议在配置层先本地确认这一点,别让线上流量去撞那条 400。
同一句话的三档对照:档位买的是体量,不是完整度
| 设置 | 通道 | 耗时 | 输出 token | 其中思考 | 代码行数 |
|---|---|---|---|---|---|
| 关掉思考 | 接口 reasoning_effort=none |
33.9 秒 | 2,472 | 0,该字段不返回 | 268 |
| 服务端默认 | bl text chat |
94.8 秒 | 5,986 | 1,269 | 438 |
| 指定高档 | 接口 reasoning_effort=high |
66.8 秒 | 4,756 | 425 | 383 |
三版结构层都是 14 项全过。档位买到的是代码写多少、写多细,不是"有没有写完":想快就关思考,33.9 秒给你一份 268 行、循环照样能动的东西;要它把粒子、音效、平滑移动都做进去,就多给一点思考时间。关思考那一版的思考 token 字段不返回,表里只能记 0。
第二件事:带图输入的 token,换不来玩法密度
Qwen4-Max 原生支持图片输入。我用画图脚本画了张 960×540 的界面示意图:顶栏左边分数右边三条命,中间三个不同颜色的掉落物,底部一个梯形篮子。图和同一句话一起递进去,54.1 秒,264 行。
输入 token 从 89 涨到 587,这张图占了大约五百个 token,产物行数却比纯文字版少了 174 行。示意图里的元素确实搬进了代码:顶栏分数、三条命的圆点、底部篮子都在。所以我的判读是,图给的是布局,不是玩法密度:想固定"长这样",给图很省事;想把逻辑写全,还得靠文字把规则一条条说清楚。别按"图更贵信息更多"来估,那五百个 token 买到的是排布不是规则。
顺带一条精度边界:64×64 纯红图实际色值 #D6403A,它答"约为 #D93A3A",值只能算近似,写进交付物按实际值。
第三件事:产物能不能跑,得自己搭验证台

(这个台子本身不是确定性的:掉落位置用的是随机数。同一份代码复测五轮,绘制调用能差 25%,所以表里给的是区间而不是单次读数。)
平台稿通常要求效果展示,我如实交代:没有可用的浏览器自动化,这篇不放运行截图,给的是验证台流水账。搭台子本身就是第三件事,模型交回来的东西默认状态是"看起来写完了",不是"跑得起来"。
第 1 层,静态检查。 14 项结构断言覆盖 DOCTYPE、绘制载体、动画循环、随机生成、鼠标事件、碰撞判定、计分、命数、失败条件、结束画面、一键重开、无外部依赖、无占位注释,再把 script 段交给 node --check 过语法。五个版本全部 14/14 通过,这层几乎判不出差异。只做到这一层的人写"AI 一次生成就通过了检查",信息量接近于零。
第 2 层,我拿正则判行为,判错了,整层废弃。 想看数据流有没有接上,我加了 10 条跨行正则,第一轮默认档版 6/10、带图版 8/10,其中"水果真的下落"五版全挂。去读代码,第 230 行就写着 f.y += f.vy * dt;,下落是有的,挂掉只因为我的正则要求变量名以 fruit、drop、item、obj 开头,而它取名叫 f。判据错比没判据更坏:它把对的代码报成错的,而看到报错的人往往不回头读代码,直接去改提示词。这一层没进任何结论。
第 3 层,在 Node 里用假画布把游戏跑 600 帧。 不查文本,查画面。假 document、假 canvas(Proxy 把每次 fillRect、arc、drawImage、fillText 录下来,带帧号和坐标)、假 requestAnimationFrame(手工推 600 帧,虚拟时钟每帧 +16.7 毫秒),第 40、200 帧派发 mousemove,第 300 帧派发按键。代码真的在跑,只是画在一块不存在的画布上。
| 版本 | 600 帧里的绘制调用 | 文本写入种类 | 循环存活帧 | 运行时报错 |
|---|---|---|---|---|
| 默认档 | 6,600 | 2 | 600/600 | 无 |
| 关思考 | 7,567–9,427 | 14–18 | 600/600 | 无 |
| 高档 | 7,212 | 2 | 600/600 | 无 |
| 带图 | 5,105–5,464 | 2–3 | 600/600 | 无 |
| 三文件 | 2,106–2,698 | 10–13 | 281–344/600 | 无 |
这一层判实三条:循环真的活着,600 帧里每帧都在重新登记回调,没有一版跑飞或自停;每帧真的在画,平均每帧 4 到 16 次绘制调用;一次异常都没抛,包括派发按键和鼠标事件之后。这三条是能拿去交差的硬结论。
另外两条判不了,只能如实说。
"鼠标移动后画面有没有横移",五版全不过。移动前后小物件最右端中位数,默认档 371 变 383,高档 396 变 420,关思考版 39 纹丝不动,差距 12 到 24 像素,低于我设的 30 像素阈值。问题在桩上:合成事件里只有 clientX,真实代码常读 offsetX 或 layerX,桩里是 undefined,坐标换算也是常数。所以这条只能写"我判不了",不能写"模型没接上"。
"分数变化"和"结束画面"在 600 帧里从未被触发。默认档和高档整轮只写出 2 种文本,说明一次碰撞都没发生:篮子停在中间不动,水果随机落下,六百帧一次都没接住,接不住命数就不减,失败分支走不到。这是"本轮未触发",不是"没实现",我在留痕里单独开了字段记它。真要判这条,得让桩追水果横坐标模拟玩家,那是另一套工程量。
拆成三个文件也能出,但自动化验证麻烦一个台阶
同一句话我改了要求:这次给 index.html、style.css、game.js 三个文件,各自一个代码块。51.0 秒出全,三个块都在。但丢进同一套帧驱动台,循环存活只剩 281–344/600 帧,绘制调用从 6,600 掉到 2,106–2,698。原因不在代码坏,而在我的桩只喂了 script 段:CSS 与 DOM 结构拆出去之后,桩里拿不到完整的初始化时序。代码一拆文件,自动化验证就麻烦一个台阶。单人做原型建议就写单文件;真要工程化,先想清楚后面怎么验。
什么时候该换做法
目标就是"一个能跑的网页小游戏原型",今天这条链路一句话就够,别加流程。
要的是成体系的互动内容,有剧情分支、人物立绘、背景、配音,就不该让模型一次梭出来。社区里那篇讲互动小说游戏工作流的文章写得很清楚:那条路是把整套流程封装成工作流,文本、立绘背景、动画过场、旁白配音分别在开发期离线生成,运行时零外部调用。它解决的是多环节整合,不是一次生成更多代码。
反例也值得记住:文件多到几十上百个、要长期迭代的项目,别指望一句话梭到底,把整个项目代码喂进去让它改(一百万上下文就是为这个准备的)比重新生成更稳。
接入小结
同一句话最快 33.9 秒出 268 行、循环能动的东西,默认档 94.8 秒出 438 行,模型 ID 是 qwen4-max。三件事里最影响架构的是第一条:命令行管不到档位,要分档就得把接口层接进来。
但"能不能玩"这一步我没有替你验掉。结构全过、循环活着、每帧在画、零报错,只证明它不是花架子;接住水果会不会加分、掉三个会不会结束、结束后能不能一键重开,需要一个人真的玩三十秒。文件我留在包里,你打开玩一下,比我写一百字都有用。
生成不是终点,验证才是。AI 把写代码这段压到一分半钟,人做的那段没消失,只是从"写"变成了"判"。多数翻车卡在"不知道该判什么"。