Alibaba Group Holding Ltd. presentó Qwen3.8-Max, el modelo de lenguaje de gran escala (LLM) más avanzado desarrollado hasta ahora dentro de su familia Qwen. La nueva inteligencia artificial destaca por incorporar 2,4 billones de parámetros, una cifra que multiplica aproximadamente por siete la capacidad del Qwen3.5 presentado por la compañía en febrero.
El lanzamiento refuerza la competencia entre los principales desarrolladores de inteligencia artificial generativa, en un mercado en el que empresas como Alibaba, Anthropic, Meta y otros gigantes tecnológicos compiten por desarrollar modelos capaces de procesar cantidades cada vez mayores de información y ejecutar tareas complejas de forma autónoma.
Qwen3.8-Max alcanza los 2,4 billones de parámetros
Una de las principales novedades de Qwen3.8-Max es su enorme cantidad de parámetros. El modelo cuenta con 2,4 billones de parámetros, aunque no todos se activan al mismo tiempo.
De acuerdo con Alibaba, Qwen3.8-Max activa alrededor de 95.000 millones de parámetros al responder una consulta. Esta arquitectura permite mantener una enorme capacidad de representación y, al mismo tiempo, limitar la cantidad de recursos computacionales utilizados durante cada interacción.
La cifra supone un salto considerable respecto a Qwen3.5, el modelo presentado por Alibaba en febrero. Qwen3.8-Max cuenta con aproximadamente siete veces más parámetros que aquella generación.
Este enfoque resulta especialmente importante en los modelos de lenguaje modernos, ya que incrementar el número de parámetros puede mejorar la capacidad de una IA para comprender instrucciones, razonar, programar y trabajar con información compleja.
Puede procesar hasta un millón de tokens
Otra de las características más importantes de Qwen3.8-Max es su capacidad para trabajar con ventanas de contexto de hasta un millón de tokens.
La ventana de contexto determina la cantidad de información que un modelo puede recibir y analizar dentro de una misma solicitud. Una capacidad de un millón de tokens permite trabajar con documentos extremadamente extensos y grandes cantidades de información sin tener que dividirlas necesariamente en múltiples consultas.
Alibaba asegura que esta capacidad permite al modelo analizar más de 200 páginas de texto o aproximadamente 100 horas de vídeo por solicitud.
Además, las respuestas generadas por Qwen3.8-Max pueden alcanzar hasta 131.000 tokens, lo que abre posibilidades para tareas que requieren producir documentos extensos, análisis detallados o grandes cantidades de código.
Esta capacidad puede ser especialmente útil para empresas que necesitan analizar contratos, informes financieros, documentación técnica, bases de conocimiento o grandes proyectos de programación.
¿Cómo funciona la arquitectura de Qwen3.8-Max?
Alibaba todavía no ha publicado todos los detalles técnicos de la arquitectura de Qwen3.8-Max.
Sin embargo, los modelos anteriores de la familia, como Qwen3.5 y Qwen3.6, compartían determinadas características técnicas. Entre ellas se encontraba un mecanismo de atención conocido como Gated DeltaNet.
Por el momento, Alibaba no ha confirmado públicamente si Qwen3.8-Max utiliza exactamente la misma tecnología, aunque la posibilidad resulta relevante debido a su enorme ventana de contexto.
Los mecanismos de atención son uno de los componentes fundamentales de los modelos de lenguaje. Su función consiste en analizar la información que recibe el sistema y determinar qué partes del contenido son más importantes para generar una respuesta.
En términos sencillos, la atención permite que un modelo establezca relaciones entre diferentes partes de un texto y determine cuáles debe considerar con mayor prioridad.
Gated DeltaNet busca reducir el costo de procesar textos largos
Una de las limitaciones tradicionales de los mecanismos de atención es que su consumo de recursos aumenta rápidamente a medida que se incrementa el tamaño de una solicitud.
En una arquitectura de atención estándar, el escalamiento es cuadrático. Esto significa que si se duplica el tamaño de una solicitud, la cantidad de memoria y capacidad de procesamiento necesaria puede llegar a multiplicarse por cuatro.
Para modelos que trabajan con ventanas de contexto extremadamente grandes, este comportamiento puede representar un desafío considerable.
Los mecanismos de atención con escalamiento lineal buscan solucionar precisamente este problema. En lugar de aumentar los requerimientos de memoria y procesamiento al mismo ritmo que los mecanismos tradicionales, permiten que el consumo crezca de una manera más eficiente a medida que aumenta el tamaño del contexto.
Gated DeltaNet es una de estas alternativas.
La tecnología utiliza dos técnicas conocidas como gated update rule y delta rule. Según investigaciones de Nvidia, estos mecanismos pueden mejorar el rendimiento de los modelos con atención de escalamiento lineal, especialmente cuando deben procesar grandes cantidades de información.
Para Alibaba, una tecnología de este tipo podría ser especialmente relevante en Qwen3.8-Max debido a su capacidad para manejar hasta un millón de tokens.
Qwen3.8-Max demuestra capacidades avanzadas de programación
Alibaba también puso a prueba Qwen3.8-Max antes de su lanzamiento mediante diferentes evaluaciones destinadas a medir sus capacidades.
Uno de los resultados más llamativos fue una prueba de programación en la que el modelo consiguió completar un proyecto de 16 días de duración sin intervención humana.
El resultado apunta hacia una evolución importante de los agentes de inteligencia artificial. En lugar de limitarse a generar fragmentos individuales de código a partir de instrucciones de los usuarios, los modelos más avanzados buscan asumir proyectos completos y ejecutar múltiples tareas de forma autónoma.
En otra prueba, Qwen3.8-Max tuvo que realizar una tarea de optimización del diseño de un chip que involucraba más de 500 pasos.
Este tipo de pruebas resulta particularmente exigente porque requiere mantener el contexto durante numerosas etapas, analizar resultados intermedios y tomar decisiones sucesivas.
La capacidad para ejecutar tareas prolongadas podría convertirse en uno de los principales campos de competencia entre los modelos de IA de próxima generación.
Qwen3.8-Max se acerca a Claude Opus 5
El nuevo modelo de Alibaba también obtuvo resultados destacados en pruebas de programación y desarrollo de interfaces.
Qwen3.8-Max consiguió 1.668 puntos en Frontend Code Arena, un benchmark diseñado para medir las capacidades de los modelos de lenguaje en el desarrollo de interfaces.
Según los resultados publicados, la puntuación quedó apenas 37 puntos por debajo de la configuración más avanzada de Claude Opus 5, el modelo más reciente de Anthropic mencionado en las pruebas.
Además, Qwen3.8-Max superó a más de una docena de modelos considerados de frontera, incluyendo modelos avanzados de otras grandes compañías tecnológicas.
Estos resultados son especialmente relevantes porque muestran hasta qué punto los modelos desarrollados por empresas chinas están acercándose al rendimiento de algunos de los sistemas de IA más avanzados del mercado.
Alibaba prepara una versión más pequeña
Qwen3.8-Max estará disponible inicialmente a través de la plataforma de servicios en la nube de Alibaba.
La compañía también tiene previsto abrir el modelo al código abierto la próxima semana, lo que permitirá que desarrolladores e investigadores puedan acceder a sus capacidades y trabajar con la tecnología de forma más amplia.
Junto con Qwen3.8-Max, Alibaba planea lanzar una versión más pequeña y eficiente denominada Qwen3.8-27B.
El modelo de 27.000 millones de parámetros estará orientado a usuarios que necesitan una alternativa que requiera menos hardware y recursos para funcionar.
La existencia de diferentes versiones podría ayudar a Alibaba a cubrir tanto las necesidades de grandes empresas que utilizan infraestructura de nube como las de desarrolladores que buscan ejecutar modelos más eficientes.
¿Qué significa Qwen3.8-Max para el mercado de IA?
El lanzamiento de Qwen3.8-Max representa un nuevo paso en la carrera por desarrollar modelos de inteligencia artificial capaces de procesar cantidades masivas de información y realizar tareas complejas de manera autónoma.
Su combinación de 2,4 billones de parámetros, 95.000 millones de parámetros activos y una ventana de contexto de un millón de tokens coloca al modelo entre los sistemas de IA más ambiciosos de su generación.
Además, sus resultados en programación muestran que la competencia ya no se limita únicamente a quién puede generar mejores respuestas conversacionales.
Los principales modelos actuales están siendo evaluados por su capacidad para programar aplicaciones, completar proyectos prolongados, analizar grandes cantidades de datos, optimizar diseños técnicos y ejecutar secuencias de tareas con una intervención humana cada vez menor.
La apertura de Qwen3.8-Max también podría ser un factor importante. Si Alibaba cumple su plan de publicar el modelo como código abierto, investigadores y desarrolladores podrán estudiar su funcionamiento, adaptarlo y crear nuevas aplicaciones basadas en él.
La carrera por los modelos de IA continúa
Alibaba está apostando por una estrategia que combina modelos de gran escala, ventanas de contexto enormes y mayor autonomía para ejecutar tareas complejas.
El lanzamiento de Qwen3.8-Max demuestra además que la competencia internacional en inteligencia artificial continúa intensificándose. Empresas estadounidenses, chinas y de otras regiones están desarrollando modelos cada vez más grandes y especializados.
En este escenario, la cantidad de parámetros sigue siendo un indicador importante, pero no es el único factor que determina la utilidad de un modelo. La eficiencia, el costo de operación, la capacidad de razonamiento, el uso de herramientas, la programación y la posibilidad de ejecutar tareas durante largos periodos también están adquiriendo cada vez más importancia.
Con Qwen3.8-Max, Alibaba busca posicionar a su familia Qwen en la primera línea de esta competencia.
Si el rendimiento observado en las pruebas se mantiene en aplicaciones reales, y la versión de código abierto llega según lo previsto, Qwen3.8-Max podría convertirse en una alternativa importante frente a los principales modelos propietarios de IA y aumentar todavía más la presión competitiva sobre compañías como Anthropic, Meta y otros desarrolladores de modelos de frontera.