Alibaba ha presentado Qwen 3.8 en preview: 2.4 billones de parámetros, multimodal (imágenes, vídeo, documentos), primeros accesos a través de Token Plan, Qoder y QoderWork al 10% del precio estándar. Los pesos abiertos llegarán «pronto». El equipo Qwen declara que el modelo es «segundo solo a Fable 5» y supera a Qwen 3.7-Max en codificación, desarrollo full-stack, análisis de datos y automatización de oficina. Sin benchmarks publicados.

Como contábamos el 17 de julio con Kimi K3 de Moonshot AI, los modelos open-weight chinos están comprimiendo la distancia respecto al tier frontier a una velocidad que cambia las decisiones de quien lee esto. Si a principios de año la brecha entre el mejor modelo abierto y el mejor modelo propietario se medía en aproximadamente un año, hoy ha bajado a seis meses o menos.

Por qué te importa. Si no tienes restricciones estrictas de privacidad o soberanía de datos, la pregunta «¿modelo frontier o modelo abierto?» se está convirtiendo en una cuestión de coste, no de calidad. El salto cualitativo de Qwen 3.8 y Kimi K3 significa que para muchas tareas cotidianas, desde codificación hasta análisis de documentos, un modelo open-weight a una fracción del precio produce resultados utilizables. El movimiento de Alibaba apunta explícitamente a frenar el impulso de Kimi K3: Moonshot alcanzó 300 millones de dólares de ARR en junio y aspira a una OPV en seis meses, y Qwen quiere interceptar esa demanda antes de que se consolide.

Antes de fiarte del «segundo solo a Fable 5», haz lo que sugerimos en la guía Compara dos modelos en quince minutos: misma tarea, mismos casos de prueba, tabla de resultados. Sin benchmarks publicados, tu verificación cuenta más que el comunicado.

En detalle

El contexto de este movimiento se entiende observando la dinámica de las últimas semanas. El 17 de julio Moonshot AI lanzó Kimi K3: 2.8 billones de parámetros totales, 50 mil millones activos, el modelo open-weight más grande jamás publicado hasta ese momento. El rendimiento estaba cerca de GPT-5.6 Sol y Claude Fable 5, con precios de API competitivos. La señal era doble: China cerraba la brecha cualitativa, pero subía los precios respecto a la era de los modelos chinos casi gratuitos.

Qwen 3.8 responde a K3 en dos frentes. En lo técnico, lleva los parámetros a 2.4T (K3 está en 2.8T pero con arquitectura MoE, así que los parámetros activos son distintos) y añade multimodalidad: imágenes, vídeo, documentos. El desarrollador Shuai Bai lo describe como el primer modelo multimodal Qwen por encima de 1 billón de parámetros. En lo comercial, Alibaba ofrece el preview al 10% del precio estándar, un movimiento claramente pensado para interceptar a usuarios que evalúan Kimi K3 o lo usan a través de aplicaciones chat e API.

Qué significa «open-weight» aquí. Los pesos del modelo (los números que lo hacen funcionar) se publicarán y podrán descargarse, así que puedes ejecutarlo en tus servidores o en un cloud de tu elección, en lugar de llamar a la API de Alibaba. La licencia exacta aún no se ha anunciado. «Open-weight» no equivale a «open-source» en sentido clásico: el código de entrenamiento y los datos no se publican, pero los pesos sí, y eso es suficiente para quien quiere auto-hospedaje o inferencia a coste marginal.

Los límites de lo que sabemos. Alibaba no ha publicado benchmarks. La declaración «segundo solo a Fable 5» es marketing mientras no haya números verificables. El modelo está en preview, no en lanzamiento general: los pesos abiertos llegarán «pronto» sin fecha. La competencia con Kimi K3 es real, pero ambos modelos son de empresas chinas con obligaciones de cumplimiento de regulaciones locales, lo que para algunos sectores (sanidad, finanzas en algunos países) sigue siendo un factor de exclusión independientemente de la calidad.

La implicación concreta. Si eres un profesional que usa IA para tareas recurrentes y no tienes restricciones de privacidad que te obliguen a modelos locales o residencia de datos específica, el panorama open-weight te da ahora una alternativa creíble a los frontier a una fracción del coste. No significa que los frontier sean superfluos: donde la máxima calidad importa (investigación, razonamiento matemático, tareas de alto riesgo), la brecha de seis meses puede pesar. Significa que la decisión ha dejado de ser obvia y debe tomarse sobre tus casos, no sobre las clasificaciones.