Qwen 3.8

Artículo original ↗ Discusión en Hacker News ↗

El anuncio de Alibaba de Qwen 3.8, un modelo de lenguaje grande con 2,4 billones de parámetros que se promete como de pesos abiertos, se ve como parte de una carrera acelerada entre laboratorios chinos (Kimi, DeepSeek, GLM, etc.) para igualar o superar a los modelos de frontera de EE. UU. como Fable de Anthropic y la línea GPT de OpenAI. Los comentaristas debaten los motivos estratégicos detrás del impulso de China por modelos potentes de pesos abiertos —desde convertir la “inteligencia” en una mercancía y restar margen a los incumbentes de EE. UU. hasta ideales genuinos de código abierto— al tiempo que valoran compromisos prácticos como la censura, los guardrails, el coste, el rendimiento y la necesidad de modelos más pequeños que puedan ejecutarse localmente. Muchos ven la creciente disponibilidad de modelos fuertes de pesos abiertos como una amenaza competitiva para los laboratorios cerrados de EE. UU. y, al mismo tiempo, una gran victoria para desarrolladores y organizaciones pequeñas que buscan control sobre su infraestructura de IA.

Anuncio y acceso

  • Qwen 3.8-Max se anuncia como un modelo de ~2,4T parámetros, actualmente disponible a través del plan de nube/tokens y las apps de Alibaba; se promete que los pesos abiertos llegarán “pronto”.
  • Los comentaristas vinculan el momento con la World AI Conference en Shanghái, donde varios laboratorios chinos (Qwen, Kimi, otros) lanzaron modelos de frontera.
  • Algunos especulan que también es una respuesta competitiva a otros lanzamientos recientes de pesos abiertos chinos (p. ej., Kimi K3, GLM 5.2+), aunque otros señalan que modelos así tardan meses en entrenarse.

Escala, capacidad y comparaciones

  • El tamaño (2,4T) se percibe como enorme; los usuarios lo enmarcan como parte de un paso de modelos de “valor” a modelos chinos “enormes, lentos y muy inteligentes”.
  • Las afirmaciones de marketing de que es “segundo solo” frente a los principales modelos de frontera de EE. UU. se reciben con interés pero también con escepticismo, a la espera de pruebas prácticas.
  • Los modelos anteriores de Qwen reciben opiniones mixtas: algunos consideran que 3.6 27B/35B es excelente para programación local y agentes; otros informan que 3.7 Pro/Max es verboso, se desvía del tema o es débil para trabajo SWE.
  • DeepSeek V4, GLM 5.2, Kimi K3 y los modelos de frontera de EE. UU. son puntos de referencia frecuentes; la gente no coincide en cuál es “el mejor”, pero muchos dicen que los modelos chinos ya son “suficientemente buenos”, especialmente por dólar.

Pesos abiertos, estrategia y geopolítica

  • Muchos ven los lanzamientos chinos de pesos abiertos como una estrategia deliberada de “comoditizar el modelo”:
    • Recortar los márgenes y valoraciones de los laboratorios cerrados de EE. UU.
    • Impulsar el uso de nubes, hardware y ecosistemas chinos.
    • Construir poder blando global y reducir la dependencia de las APIs estadounidenses, especialmente dentro de China.
  • Otros destacan una intensa competencia interna (“involución”): las empresas subvencionan agresivamente y abren modelos para ganar usuarios, incluso con poco o nulo beneficio.
  • Se debate la influencia del gobierno: algunos citan comentarios pro–código abierto de Xi sobre IA y la inversión estatal; otros subrayan que las empresas siguen buscando beneficio y ven los modelos como infraestructura para vender cómputo y aplicaciones.

Abierto vs. cerrado, seguridad y “desaceleración”

  • Fuerte apoyo a los pesos abiertos:
    • Control local, sin “rug pull”, sin bloqueos de guardrails.
    • Ejemplo: un incidente de HuggingFace en el que las APIs cerradas bloquearon el análisis forense de seguridad, obligando a usar un modelo abierto autoalojado.
  • Una visión contraria: los modelos abiertos potentes podrían reducir el CAPEX de frontera y ralentizar el progreso (“desaceleración”), algo que algunos ven como bueno para la seguridad y otros como exagerado o centrado en EE. UU.
  • Existen preocupaciones de que los laboratorios de EE. UU. busquen regulación para frenar a los competidores de pesos abiertos.

Modelos locales y hardware

  • Muchos quieren variantes abiertas de tamaño medio (p. ej., 30–120B densos/MoE) optimizadas para ~24–128GB de VRAM, citando Qwen 3.6 27B, 35B MoE, Gemma 4 31B y Bonsai como puntos óptimos actuales.
  • Se discuten técnicas como cuantización, MoE, descarga a SSD y predicción de múltiples tokens como formas de ejecutar modelos más grandes localmente, aunque con compromisos de velocidad.
  • Algunos sostienen que los modelos pequeños pero capaces seguirán siendo importantes para privacidad, uso sin conexión y como agentes baratos, incluso si los modelos gigantes dominan los benchmarks.

Censura, sesgo y confianza

  • Varios comentarios dicen que Qwen alojado es uno de los modelos chinos más censurados en temas políticamente sensibles; los pesos abiertos junto con prompts de “jailbreak” pueden reducir rechazos, pero no eliminan omisiones o sesgos subyacentes del entrenamiento.
  • Un sector se preocupa por un sesgo ideológico sutil (p. ej., omisiones sobre Tiananmen, los uigures, Taiwán) que se propaga a través de modelos abiertos ampliamente adoptados.
  • Otros responden que:
    • La mayoría de los usuarios no usa LLMs para política.
    • Los modelos occidentales tienen sus propios puntos ciegos políticos.
    • Los pesos abiertos se pueden afinar para contrarrestar sesgos detectados, mientras que los modelos cerrados no pueden ser auditados ni corregidos por los usuarios.

Experiencia de desarrollador y casos de uso

  • Las experiencias divergen mucho:
    • Algunos encuentran Qwen excelente en entornos de evaluación de código y configuraciones de agentes, especialmente cuando se apoya en herramientas, memoria y prompts cuidadosos.
    • Otros dicen que Qwen 3.7 es inutilizable para SWE, y prefieren DeepSeek V4 Pro/Flash, GLM 5.2 o modelos de frontera de EE. UU.
  • Relación coste-rendimiento:
    • DeepSeek V4 (especialmente Flash) recibe elogios generalizados por su extrema baratura y velocidad, aunque los benchmarks sugieren tasas de alucinación más altas.
    • La verbosidad de los modelos chinos y sus largas trazas de “pensamiento” pueden erosionar su ventaja bruta en precio por token en flujos de trabajo agénticos.

Meta y tensión cultural

  • Varios señalan que las discusiones sobre modelos chinos en HN pasan rápidamente de los detalles técnicos a la geopolítica, los derechos humanos y la desconfianza hacia las empresas chinas.
  • Algunos participantes de China expresan frustración porque esto eclipsa la evaluación técnica y el “espíritu geek” detrás del trabajo.