Los modelos derivados de Qwen suman 151.448 versiones en Hugging Face, 2,6 veces la huella total de Meta, según cifras del propio repositorio recogidas por CNBC. El dato llega justo cuando las dos compañías han lanzado en una misma semana modelos abiertos pensados para correr en un portátil.
Puntos clave
- 151.448 derivados de modelos Qwen frente a la huella de Meta, 2,6 veces menor.
- Alibaba lanzó el lunes Qwen3.8-27B, diseñado para hardware de consumo, y liberó los pesos de Qwen3.8-Max, su modelo más potente.
- Meta anunció la semana anterior Muse Glimmer, su familia abierta también pensada para portátil.
- Alibaba afirma que Qwen3.8-27B iguala el rendimiento de un modelo diez veces mayor en código, trabajo profesional, investigación y tareas agénticas de horizonte largo.
El derivado como métrica
La cifra de 151.448 merece una explicación, porque es la métrica que de verdad decide quién manda en modelos abiertos. Un derivado es cada vez que alguien coge un modelo abierto y lo ajusta, lo cuantiza o lo empaqueta para construir algo encima.
No mide descargas ni popularidad en titulares. Mide cuánta gente ha construido producto sobre esa base, que es lo que crea dependencia real. Un desarrollador que ha ajustado un Qwen para su caso de uso no cambia de familia porque salga un benchmark mejor.
Nick Patience, responsable de IA en Futurum Group, lo sitúa en su contexto: el regreso de Meta a los pesos abiertos "fue en sí mismo una respuesta a dos años de laboratorios chinos llevándose una gran cuota" del mercado abierto. Meta abrió el camino con Llama y lo perdió por el camino.
Qwen3.8-Max: de la promesa a los pesos
Alibaba anunció a principios de agosto que abriría los pesos de Qwen3.8-Max, su modelo de 2,4 billones de parámetros. Esta semana los ha liberado de verdad, así que cualquiera puede descargarlo y ejecutarlo.
Con un matiz que conviene no pasar por alto: se abren los pesos, es decir los cálculos y reglas que determinan cómo se comporta el modelo. Los datos y los métodos de entrenamiento no se publican. Es "peso abierto", no código abierto en sentido estricto, y la distinción importa si tu criterio de adopción incluye auditar con qué se entrenó.
En el otro extremo del catálogo, Qwen3.8-27B ya venía marcando 61,7% en SWE-bench Pro y 73,0 en Terminal-Bench, números de modelo grande en un tamaño que cabe en una máquina de escritorio.
El siguiente frente: el dispositivo
Los dos analistas citados por CNBC coinciden en dónde se juega la siguiente partida. Neil Shah, cofundador de Counterpoint Research, dice que "el siguiente campo de batalla" es que los modelos funcionen en el dispositivo en lugar de en el centro de datos.
La ventaja de correr en local es doble: latencia menor y datos que no salen de la máquina. Para un sector regulado, lo segundo pesa más que cualquier benchmark.
Patience añade que Alibaba ha construido la ventaja en varios frentes a la vez, de los pesos abiertos a la IA en dispositivo, y que Qwen es "la familia de modelos no estadounidense más creíble sobre la que construir relaciones con fabricantes de hardware", tanto en China como en la comunidad global de desarrolladores.
Por qué importa
Para una empresa española esto abre una opción que hace un año no existía de forma seria: ejecutar un modelo capaz en tu propio hardware, sin API de por medio ni datos saliendo a un tercero.
El cálculo cambia según el caso. Para clasificar documentos internos, extraer datos de facturas o responder consultas sobre una base de conocimiento propia, un modelo de 27B en una máquina local puede ser suficiente, y el coste marginal por consulta pasa a ser prácticamente cero.
Para tareas complejas de razonamiento o de código, los modelos cerrados de frontera siguen por delante. La lectura útil no es elegir bando, es dejar de tratar la IA como un único proveedor: modelo local para lo repetitivo y sensible, API de frontera para lo difícil. Con los pesos de Qwen3.8-Max ya descargables, esa arquitectura mixta deja de ser un ejercicio teórico.
Relacionado
