El equipo de IA de Alibaba, Qwen, ha publicado de forma abierta los pesos del modelo Qwen3.8. El lanzamiento es otra señal de la velocidad a la que avanza la competencia en el terreno de los pesos abiertos.

El modelo central: 27.000 millones de parámetros

En el centro de la familia está Qwen3.8-27B, un modelo denso y multimodal de 27.000 millones de parámetros. Según Qwen, supera al mayor Qwen3.7-Plus en programación y tareas de oficina.

El equipo también asegura haber mejorado las capacidades de agente: dice que el modelo planifica de forma más independiente y completa las tareas con mayor fiabilidad. Esas afirmaciones se apoyan en mediciones propias de la empresa; todavía no hay verificación independiente.

Contexto y modos

En el plano técnico, el modelo ofrece:

  • Una ventana de contexto nativa de 262.000 tokens
  • Escalado hasta un millón de tokens mediante el método YaRN
  • Procesamiento de imagen y vídeo además de texto: diagramas, documentos y vídeos de varias horas
  • Un modo de razonamiento flexible, activado por defecto y conmutable en cada consulta

Poder activar y desactivar el razonamiento por consulta es un detalle práctico: razonar de más en tareas sencillas cuesta latencia y dinero.

Licencia y acceso

Los pesos se distribuyen bajo la licencia Apache 2.0, permisiva para uso comercial y relativamente poco restrictiva, más abierta que las licencias propias que algunos rivales asocian a sus lanzamientos de pesos abiertos.

Qwen también ha publicado los pesos del mucho mayor Qwen3.8-2.4T-A95B, diseñado para operar al nivel Max. Ambos modelos están disponibles en Hugging Face y ModelScope.

Una versión alojada con un millón de tokens de contexto estará disponible próximamente a través de Qwen Cloud, el servicio de IA de Alibaba.

Por qué importa

Los modelos de pesos abiertos son la única opción realista para los equipos que no pueden depender de API cerradas o que deben mantener los datos en su propia infraestructura. Que un modelo de 27.000 millones de parámetros supere a otro mayor en tareas concretas recuerda de nuevo que el tamaño no lo decide todo, y para quien ejecuta modelos en su propio hardware eso se traduce directamente en coste.