Alibaba anunció oficialmente el lanzamiento de Qwen3.8-Max, el modelo más potente de su serie Qwen hasta la fecha. Con 2,4 billones de parámetros y una ventana de contexto de hasta 1 millón de tokens, Qwen3.8-Max ocupa el quinto lugar en Text Arena y el segundo en Vision Arena, al tiempo que demuestra capacidades avanzadas en programación, trabajo en la vida real, investigación y tareas a largo plazo. Al funcionar como una base multimodal, Qwen3.8-Max también es compatible con la inteligencia visual.
El modelo ya está disponible a través de las API en Alibaba Cloud Model Studio para desarrolladores de todo el mundo, y está previsto que los pesos del modelo se publiquen la próxima semana. También se puede probar en QwenWork, la más reciente plataforma integral de Alibaba para agentes de IA en el lugar de trabajo.
Arquitectura innovadora: el equilibrio entre la escala masiva y la alta eficiencia
Desarrollado sobre la sólida base de Qwen 3.5, Qwen3.8-Max cuenta con una arquitectura de vanguardia de «mezcla de expertos dispersa» (MoE) combinada con un mecanismo de atención híbrido. Este diseño logra un equilibrio fundamental entre la escala masiva y la eficiencia en la inferencia. A pesar de su tamaño total de 2,4 billones de parámetros, Qwen3.8-Max activa solo 95 mil millones de parámetros. Este marco innovador permite que el modelo ofrezca inteligencia de vanguardia para tareas complejas, al tiempo que reduce significativamente los costos computacionales y la latencia en comparación con los modelos densos tradicionales de escala similar.
Capacidades de vanguardia en codificación autónoma, aplicaciones en el mundo real y tareas a largo plazo
Clasificado en cuarto lugar en Frontend Code Arena, Qwen3.8-Max demuestra una competencia excepcional en la programación autónoma y la ejecución a largo plazo, operando de manera independiente durante períodos prolongados sin intervención humana. En pruebas internas, el modelo ejecutó de manera autónoma un proyecto real de ingeniería de software durante un período de 16 días. Con la tarea de crear desde cero un marco de agentes que evolucione por sí mismo, Qwen3.8-Max estableció un ciclo de ingeniería que sintetizó la retroalimentación de los usuarios, las mejores prácticas de la comunidad y los datos de autopruebas. Al iterar continuamente a través de la generación de código, las pruebas, las vistas previas y el análisis de registros, produjo “oh-my-cli” un marco de agentes que evoluciona por sí mismo y que se ha publicado completamente como código abierto en GitHub.
Más allá de la automatización de la programación, Qwen3.8-Max impulsa una innovación genuina en campos altamente especializados. Por ejemplo, el modelo no solo reprodujo experimentos de investigación publicados, sino que también diseñó metodologías novedosas que superaron los resultados de los artículos originales. Demostrando su competencia a nivel humano, Qwen3.8-Max superó a los participantes humanos en el Desafío de Reconocimiento de Intención en Diálogo Multimodal WWW2025, mostrando una capacidad inigualable para analizar transcripciones de servicio al cliente e interpretar con precisión las demandas complejas de los usuarios.
Además, Qwen3.8-Max está diseñado para gestionar cargas de trabajo complejas y del mundo real, que abarcan desde el diseño de aplicaciones, la revisión de documentos legales, el análisis deportivo, la investigación financiera, el desarrollo de conceptos culinarios, la visualización del progreso en la rehabilitación y el modelado arquitectónico en 3D. Al escalar de manera conjunta los entornos de aprendizaje por refuerzo y la capacidad de cómputo, el modelo mejora significativamente la competencia operativa general en los marcos de agentes más comunes. Al abordar desafíos altamente complejos, con múltiples restricciones y de largo plazo, Qwen3.8-Max también demuestra una planificación autónoma de primer nivel a nivel de sistema y capacidades de aprendizaje adaptativo de extremo a extremo en bucle cerrado.
Inteligencia visual y capacidades de los agentes multimodales
Al funcionar como una base multimodal, Qwen3.8-Max potencia la inteligencia visual, transformando entradas estáticas en estructuras de conocimiento dinámicas e interactivas. El modelo puede procesar sin problemas documentos de cientos de páginas, series de televisión completas o transmisiones en vivo de 100 horas, convirtiéndolos en bases de conocimiento interactivas en las que se pueden realizar búsquedas.
Qwen3.8-Max destaca por su capacidad para ejecutar y crear de manera continua a partir de retroalimentación visual en tiempo real. Sus versátiles capacidades incluyen la edición de material de video personal sin editar para convertirlo en vlogs profesionales, la generación de animaciones educativas inmersivas a partir de indicaciones de texto, la reconstrucción de proyectos web completos de interfaz de usuario a partir de una sola captura de pantalla de la interfaz, la transformación de planos de planta en 2D en visualizaciones detalladas de interiores en 3D y la creación de juegos interactivos directamente a partir de solicitudes en lenguaje natural.
Para demostrarlo, el equipo presentó RecreationBench, una prueba de rendimiento de recreación de aplicaciones a largo plazo. Operando completamente en un entorno de caja negra, sin acceso a Internet ni visibilidad del código fuente, Qwen3.8-Max reconstruyó de manera autónoma las aplicaciones desde cero al evaluar aplicaciones en tiempo real únicamente a través de la interacción y la retroalimentación. Esto demuestra que, al basarse exclusivamente en la evaluación interactiva y la retroalimentación visual, el modelo mostró capacidades de vanguardia como agente híbrido, impulsando la programación visual mediante el desarrollo iterativo.
