Saltar al contenido
Volver

Alibaba lanza Qwen3.8-Max: 2.4 billones de parámetros y la apuesta más agresiva de China en IA

Alibaba sacó Qwen3.8-Max con 2.4 billones de parámetros MoE, contexto de 1M y pesos abiertos la próxima semana. Más grande, más barato y más multimodal que nunca.

Nauta Lab
5 min

Alibaba Qwen3.8-Max 2.4 billones de parámetros

Alibaba no se anda con chiquitas. Mientras DeepSeek le pegaba al costo con V4 Flash, la gente de Qwen salió con todo: Qwen3.8-Max, un modelo Mixture-of-Experts de 2.4 billones (trillones en inglés) de parámetros, con contexto de 1 millón de tokens y capacidades multimodales (texto, imagen y video como input).

Lo técnico

Qwen3.8-Max es un MoE (Mixture of Experts), lo que significa que no activa todos sus parámetros en cada inferencia — pero aún así es un bicho masivo. Los detalles clave:

  • Contexto: 1M de tokens (991K input, 131K output)
  • Pricing: $2.00 por 1M tokens de entrada, $6.00 por 1M de salida
  • Cache implícita: $0.25 por 1M tokens (8x más barato que input fresco)
  • Rate limits: 2M tokens/min, 15K requests/min
  • Tools nativas: code_interpreter, web_search, web_extractor, t2i_search, i2i_search
  • Compatible con API de OpenAI y DashScope

También lanzaron Qwen3.8-27B, un checkpoint más chico que es el realistic para on-premise (el de 2.4T pide datacenter multi-nodo).

¿Y en benchmarks?

El modelo es fuerte, pero con matices:

  • Terminal-Bench 2.1: 86.6 (le pega a Claude Opus 4.8 y Fable 5 que tienen 84.6, pero GPT-5.6 Sol sigue arriba con 88.8)
  • GPQA Diamond: 92.6
  • PaperBench: 93.0 (lidera)
  • FrontierSWE: 73.5 (detrás de Fable 5 con 88.8)
  • OSWorld-Verified: 86.1 (multimodal top)

El salto generacional vs Qwen3.7 es grande: DeepSWE 1.1 saltó de 21.6 a 56.6, FrontierSWE de 40.7 a 73.5. Pero ojo: algunos benchmarks comparan contra Qwen3.7-Plus (no Max), lo que infla la diferencia.

Contexto: la ofensiva china

Esto viene en la misma semana que DeepSeek V4 Flash dejó el mercado temblando con precios 100x más baratos que Anthropic. El mensaje de China es claro:

  • Alibaba va por capacidad: el modelo más grande y multimodal posible
  • DeepSeek va por costo: mismo rendimiento al 1% del precio
  • Moonshot (Kimi K3) ya había marcado precedent con 1M de contexto

Las empresas chinas están compitiendo sin seguir el mismo playbook económico de OpenAI/Anthropic/Google. Y mientras EE.UU. discute si regular los pesos abiertos, Alibaba anuncia que los de Qwen3.8-Max salen la próxima semana.

Lo importante para DevOps/Plataforma

Si usas modelos vía API, Qwen3.8-Max es drop-in compatible con OpenAI. Cambias la base URL y el model ID y listo. Si quieres on-premise, el modelo de 27B es el que cabe en hardware razonable. El de 2.4T es para quienes tienen datacenter de verdad.

Fuentes: MarkTechPost, TechNode, CNBC, CryptoBriefing


Update: 4 de agosto, 2026 — Qwen3.8-Max programó solo durante 16 días seguidos y el audit trail es público

El equipo de Qwen publicó tres case studies demostrando capacidades de codificación autónoma de larga duración con Qwen3.8-Max, y a diferencia de los típicos demos de vendor, el repositorio está público en GitHub (qwen-code-dev-bot/oh-my-cli).

Caso 1 — CLI autónomo (16 días): El modelo tomó requests de usuarios, los convirtió en GitHub issues, se los auto-asignó, escribió código, corrió tests y mejoró iterativamente. Resultado: 265 commits, 127 pull requests y 151 issues al 30 de julio, cero intervención humana.

Caso 2 — Reproducción de paper científico (~5 días, 125 hrs de compute): Le entregaron el paper “Unified Data Selection for LLM Reasoning” sin código base. El modelo escribió 7,600 líneas de código, corrió 33 jobs de entrenamiento en GPU, reprodujo los 6 resultados principales del paper y luego mejoró el método original superándolo por 2.7 puntos en el benchmark AIME24 de matemáticas. Probó 18 ideas propias en 4 rondas.

Caso 3 — Diseño de chips: Le pidieron diseñar un bloque criptográfico. Empezó con un diseño funcional pero inflado de 8,298 puertas lógicas y lo redujo a 678 puertas en ~500 iteraciones. Tras el pase de layout con OpenROAD, el área del chip bajó de 106×106 a 46×46 micrómetros — una reducción del 81%.

Caso 4 — Competiciona contra humanos: En el challenge WWW2025 Multimodal Dialogue Intent Recognition (526 equipos humanos), el modelo fine-tuneó varios modelos chinos + Qwen2.5-VL-7B, armó un sistema de voting, y en 24 horas y 45 submissions logró 0.853 de accuracy — superando a 458 de los 526 equipos humanos.

Lo notable: el modelo sigue haciendo cambios estructurales profundos incluso después de cientos de iteraciones, en vez de conformarse con tweaks superficiales. Esto sugiere que los LLMs ya entraron en la fase de agentic coding real — no son solo copilotos que autocompletan, sino agentes que pueden sostener un proyecto complejo durante días.

Fuentes adicionales: The New Stack, The Decoder, Apidog, Developer Tech

Update: 2 de septiembre — Qwen3.8-Max-0902: upgrade silencioso, mismo precio, mucho mejor código

Alibaba le metió mano al flagship sin hacer ruido. El 1 de septiembre el equipo de Qwen lanzó Qwen3.8-Max-0902, un in-place upgrade del mismo modelo de 2.4T de parámetros: misma arquitectura, mismo contexto de 1M, mismo precio ($2 / $6 por millón de tokens). La diferencia está en los benchmarks de código, que pegan un salto enorme.

Los números del salto (checkpoint viejo → 0902):

  • Terminal-Bench 3.0: 11.3% → 29.0%
  • DeepSWE 1.1: 56.6% → 69.3%
  • NL2Repo-Bench: 55.9% → 64.9%
  • QwenSWEBench V2: mejora en su propio set interno, el más difícil

El dato clave: los 8 benchmarks de programación mejoraron, y en tres (MLS-Bench-Lite, SWE-Atlas QnA y QwenSWEbench V2) le gana a Claude Opus 5. Ojo, que en el resto todavía va por detrás — la prensa lo resume bien: “mejor que su versión anterior, pero aún detrás de Opus 5”.

Para los que ya usan Qwen3.8-Max vía API, esto es drop-in: mismo endpoint, mismo model ID, cero migración. Alibaba sigue la jugada que ya vimos con Google y Anthropic: en vez de anunciar un modelo nuevo a los cuatro vientos, va puliendo el mismo checkpoint y lo relanza con mejoras de coding/agentic. La guerra por el trono del código (Gemini 3.8 Flash, Opus 5, Qwen3.8-Max-0902) se está peleando con upgrades silenciosos y benchmarks cada vez más específicos.

Fuentes del update: AI Release Tracker, OpenRouter, CellCog, Lookonchain


Compartir artículo:

Sigue leyendo

Noticias relacionadas

Más en IA →

Buscar en Ping Diario