Alibaba presenta Qwen3.8-Max, su modelo de inteligencia artificial de 2,4 billones de parámetros

El gigante tecnológico Alibaba anunció el lanzamiento de Qwen3.8-Max, el modelo más avanzado dentro de su línea de inteligencia artificial de código abierto e infraestructura en la nube. La plataforma destaca por una escala total de 2,4 billones de parámetros y una capacidad para procesar ventanas de contexto de hasta un millón de tokens. El modelo se ubica en el quinto lugar del ranking global Text Arena y en la segunda posición de Vision Arena, consolidándose como una alternativa multimodal diseñada para tareas complejas de desarrollo de software, análisis documental y procesamiento visual.

En el sector del desarrollo de software y la analítica de datos en Colombia, es común ver que las empresas busquen integrar modelos de lenguaje para automatizar el soporte técnico y la revisión de contratos. No es raro encontrar que los equipos de ingeniería locales enfrenten limitaciones de presupuesto al intentar implementar modelos propietarios de gran tamaño, por lo que la llegada de alternativas multimodales accesibles por API o de código abierto podría representar una opción interesante para crear agentes autónomos de bajo costo operativo.

Arquitectura de mezcla de expertos y reducción de latencia

Construido sobre la base previa de Qwen 3.5, el nuevo Qwen3.8-Max adopta una arquitectura de Mezcla de Expertos Dispersos (MoE, por sus siglas en inglés) combinada con un mecanismo de atención híbrido. Esta estructura permite que, a pesar de contar con 2,4 billones de parámetros en su sistema general, el modelo active únicamente 95.000 millones de parámetros durante cada proceso de inferencia.

Según la compañía, este enfoque técnico busca mantener un nivel de procesamiento elevado en tareas complejas sin disparar los costos computacionales ni la latencia de respuesta, un factor crítico para el despliegue de aplicaciones en tiempo real. El modelo ya se encuentra disponible para desarrolladores globales mediante las API de Alibaba Cloud Model Studio, se puede probar en la plataforma corporativa QwenWork y liberará sus pesos de código abierto en los próximos días.

Codificación autónoma y desarrollo de proyectos de larga duración

En el apartado de programación, Qwen3.8-Max ocupó la cuarta posición en la prueba Frontend Code Arena. Los datos compartidos por el fabricante señalan que el sistema puede operar de forma independiente durante períodos prolongados para ejecutar proyectos de ingeniería de software sin intervención humana constante.

Durante las pruebas internas de laboratorio, el modelo ejecutó de forma autónoma un proyecto de desarrollo continuo durante 16 días. En este periodo, la herramienta diseñó desde cero un marco de agentes con capacidad de autoevolución denominado «oh-my-cli», analizando comentarios de usuarios, ejecutando pruebas automáticas e iterando sobre el código hasta publicar el proyecto en GitHub. En pruebas de comprensión de intenciones como el WWW2025 Multimodal Dialogue Challenge, la plataforma superó las métricas de evaluadores humanos al interpretar transcripciones complejas de atención al cliente.

Capacidades de análisis multimodal e inteligencia visual

Como infraestructura de procesamiento visual, Qwen3.8-Max es capaz de transformar entradas estáticas o extensas en bases de conocimiento interactivas. La plataforma puede procesar de forma continua documentos de cientos de páginas, archivos de video de larga duración o transmisiones en directo de hasta 100 horas, permitiendo realizar búsquedas de información sobre el contenido generado.

El modelo incluye capacidades para editar fragmentos de video a partir de instrucciones de texto, convertir bocetos o capturas de pantalla de interfaces de usuario en código funcional para páginas web, y transformar planos arquitectónicos bidimensionales en representaciones tridimensionales de interiores. Para evaluar este rendimiento, el equipo de desarrollo diseñó la prueba RecreationBench, en la cual el modelo logró reconstruir aplicaciones de software completas operando en un entorno de caja negra, analizando únicamente la retroalimentación visual de la interfaz.