El equipo Qwen de Alibaba ha presentado Qwen3.8-Flash-Next, un modelo multimodal de mezcla de expertos que se presenta como una vista previa de la arquitectura del futuro Qwen4. El objetivo se declara sin rodeos: igualar el rendimiento de modelos mucho mayores con una fracción del coste de entrenamiento.
La idea central de la arquitectura
El modelo tiene 125.000 millones de parámetros totales pero activa solo 6.000 millones por token. Es un enfoque habitual en arquitecturas de mezcla de expertos, aunque la proporción resulta aquí notablemente agresiva.
La verdadera novedad está en otro sitio. De esos parámetros, 51.000 millones residen en una nueva capa de incrustación de n-gramas, una de las innovaciones previstas para Qwen4. Esa capa almacena grupos de palabras frecuentes como entradas independientes, en una especie de "diccionario de frases". El detalle decisivo: puede residir en memoria de sistema corriente en lugar de en la tarjeta gráfica, con un coste adicional que la compañía califica de relativamente bajo.
Es un intento de sustituir el recurso caro —la memoria de la GPU— por el barato. Si funciona, cambia directamente la ecuación de costes.
Las cifras
- Contexto: 262.144 tokens de forma nativa; puede escalar a un millón mediante un método de extensión.
- Precio: la versión de producción cuesta 0,16 dólares por millón de tokens de entrada y 0,47 por millón de salida.
- Coste de entrenamiento: según el equipo Qwen, ofrece mejores resultados que el modelo anterior, mayor, con cerca de una novena parte de su coste de entrenamiento.
El modelo anterior usado como referencia tiene 397.000 millones de parámetros totales y activaba 17.000 millones por token, casi el triple que el nuevo.
Dónde destaca
Las pruebas publicadas por Alibaba enfrentan el modelo tanto a un rival chino como a un modelo occidental de frontera. Según la compañía, encabeza la mayoría de las tareas evaluadas pese a que ambos referentes son mucho mayores o más caros.
El modelo parece optimizado en particular para pruebas de programación con agentes, que exigen a la inteligencia artificial encontrar y corregir errores por su cuenta en proyectos de software reales. La distancia en tareas de oficina y productividad es aún mayor: en una prueba de flujos de trabajo casi duplica la puntuación del modelo anterior.
En razonamiento científico y programación competitiva los modelos quedan parejos. Esa distinción importa: el nuevo modelo se separa no en inteligencia general sino en tareas laborales concretas.
Por qué importa
Este lanzamiento es el ejemplo más reciente de la estrategia que siguen los modelos chinos de pesos abiertos. La carrera ya no consiste en sacar el modelo más grande sino en hacer el mismo trabajo por menos.
Los precios lo concretan. A 0,16 dólares por millón de tokens de entrada, la cifra queda por debajo de la décima parte de lo que cobran algunos modelos cerrados de frontera. Para una organización la aritmética se simplifica: si la tarea no exige capacidad de frontera —y la mayoría no la exige—, la diferencia va directa al resultado.
Que los pesos estén publicados también forma parte de la ecuación. El modelo puede funcionar por token en la nube o gratis en servidores propios. Los modelos cerrados no pueden ofrecer ambas opciones a la vez.