China está liderando la distribución de modelos con pesos abiertos, ya que muchos de sus principales laboratorios de IA publican sus modelos en internet para que cualquiera pueda descargarlos y ejecutarlos, siempre que disponga del hardware necesario. El modelo más reciente en recibir este tratamiento es Qwen3.8-Max de Alibaba, y la empresa ha revelado que planea publicar los pesos en ModelScope y Hugging Face la próxima semana.

Las acciones de Alibaba subieron en respuesta, y sus títulos cotizados en Hong Kong cerraron con un alza del 7% el lunes, seguidos de un aumento del 4.2% en las operaciones previas a la apertura en Estados Unidos.

Un portavoz de la empresa destacó que esta es «la primera vez que abriremos los pesos de un modelo de la clase Qwen-Max». Este es el modelo más potente de la compañía; anteriormente había publicado los pesos de sus modelos económicos menos potentes, mientras restringía el acceso a su producto insignia.

Sin embargo, la tendencia entre los desarrolladores chinos se está orientando cada vez más hacia el acceso a pesos abiertos. Moonshot AI, con sede en Pekín, también publicó los pesos de su propio modelo de 2.8 billones de parámetros, Kimi K3, el 27 de julio.

Mientras los laboratorios estadounidenses de IA de frontera mantienen los pesos de sus modelos como propiedad estrictamente exclusiva, la tendencia en China consiste en ofrecer resultados comparables —aunque no tan potentes en muchos aspectos— en un paquete más barato y de descarga gratuita.

Qwen3.8-Max demuestra capacidades en tareas de horizonte temporal medio a largo

Qwen3.8-Max de Alibaba cuenta con 2.4 billones de parámetros y puede procesar hasta un millón de tokens por consulta. El modelo se promociona como una herramienta potente para trabajos con horizontes temporales más largos, en lugar de interacciones al estilo de un chatbot.

Para demostrar estas capacidades, el desarrollador le asignó tareas complejas de aprendizaje automático y programación. Entre ellas se incluyó un proyecto de desarrollo de software de varias semanas que produjo 265 commits, 127 pull requests y 151 issues después de aproximadamente 16 días sin ninguna intervención humana. En otra prueba se pidió al modelo que redujera el tamaño de un chip de circuito criptográfico; Qwen redujo con éxito el tamaño físico del componente en un 81% al simplificar el número de sus puertas lógicas de 8,298 a 678.

El modelo también tiene casos de uso en el comercio electrónico, como demostró una prueba final en la que recibió ¥100,000 y tuvo que ganar lo máximo posible durante una simulación de un año. El modelo logró cuadruplicar su capital en ese tiempo, terminando un 152% por encima de la iteración anterior del modelo insignia de Alibaba.

Estas pruebas se realizaron internamente en Alibaba según sus propias reglas y procedimientos, y no han sido auditadas de forma independiente.

Cómo se compara Qwen3.8-Max con la competencia

Las capacidades de Qwen quizá resulten menos impresionantes al enfrentarse a los modelos estadounidenses de frontera. La propia tabla comparativa de Alibaba revela que supera a otros modelos en algunos tipos de tareas, pero queda rezagado en otros. En Terminal Bench 2.1 —que evalúa la capacidad de los modelos para completar tareas complejas de varias partes—, el modelo obtuvo una puntuación de 86.6, por delante de los modelos insignia de Anthropic, pero todavía ligeramente por detrás de GPT-5.6 Sol de OpenAI, con 88.8.

Sin embargo, con una puntuación de 93.0, Qwen supera a todos sus competidores en la prueba PaperBench, que evalúa la capacidad de replicar artículos de investigación sobre aprendizaje automático. Otros resultados de referencia fueron menos favorables: el modelo de Alibaba obtuvo solo 67.7 en la prueba de programación SWE-bench Pro, muy por detrás de Claude Fable 5, con 80.0.

Sin embargo, al limitar la comparación a los competidores nacionales, la posición de Qwen3.8-Max mejora. Bloomberg informó que se sitúa por encima de el muy elogiado Kimi K3 —otro modelo de pesos abiertos de tamaño comparable— en varios índices de referencia clave, aunque el modelo de Moonshot obtiene un rendimiento general ligeramente superior.

Aun así, esto sitúa a Qwen3.8-Max entre los principales contendientes en el ámbito de los modelos de pesos abiertos, especialmente en lo que respecta a tareas con horizontes temporales más largos.