Alibaba publica como código abierto Qwen3-Next, un modelo de IA más rápido, menos costoso y capaz de funcionar en equipos de consumo

Un modelo más rápido y económico dirigido a desarrolladores y empresas

Alibaba Cloud ha publicado una familia de modelos de lenguaje de gran tamaño de código abierto basada en una nueva arquitectura llamada Qwen3-Next. El modelo principal, Qwen3-Next-80B-A3B, tiene 80.000 millones de parámetros, pero incorpora decisiones de diseño que permiten que el sistema funcione mucho más rápido y a un costo muy inferior al de modelos Qwen anteriores. Alibaba afirma que el entrenamiento del nuevo modelo base requirió menos de una décima parte de la capacidad de cómputo utilizada para Qwen3-32B, un modelo denso predecesor publicado en abril, mientras que la nueva serie iguala la calidad del modelo más grande de la empresa, Qwen3-235B, en muchas tareas.

Alibaba ha puesto los modelos a disposición de los desarrolladores como código abierto, con acceso para descargarlos y mediante API a través de los principales repositorios de modelos y de su propia nube. La empresa presenta Qwen como un ecosistema de desarrolladores en rápido crecimiento. Esta estrategia coincide con una tendencia más amplia de los grupos chinos de IA a publicar modelos de alta calidad que otras personas pueden examinar y utilizar como base, una vía que puede ampliar su adopción sin depender de una infraestructura centralizada de gran escala.

Además de las afirmaciones sobre eficiencia de entrenamiento, Qwen3-Next apunta a ofrecer velocidad y un buen rendimiento con contextos extensos durante la inferencia. En pruebas compartidas por Alibaba, la arquitectura ofrece una capacidad de procesamiento más de 10 veces mayor para instrucciones de más de 32.000 tokens, en comparación con versiones anteriores de Qwen. La ventana de contexto alcanza los 256.000 tokens y, en algunas configuraciones, puede ampliarse a 1 millón de tokens. Esto permite trabajar con mayor facilidad con documentos del tamaño de un libro, grandes repositorios de código y otras cargas de trabajo que requieren procesar mucha información.

Qué cambia Qwen3-Next internamente

Esta generación incorpora varios componentes que se están convirtiendo en herramientas estándar para la IA avanzada. El núcleo es una arquitectura dispersa de mezcla de expertos (MoE, por sus siglas en inglés), en la que se entrenan muchas redes pequeñas especializadas y solo se utilizan unas pocas para cada token. Qwen3-Next combina este enfoque con un mecanismo de atención híbrido para procesar secuencias largas, la predicción de varios tokens para acelerar la generación y ajustes de entrenamiento que reducen la inestabilidad en el aprendizaje por refuerzo (RL, por sus siglas en inglés). En el modelo Qwen3-Next-80B-A3B-Base, solo se activan unos 3.000 millones de parámetros en cada paso, aunque el modelo tiene 80.000 millones en total.

Alibaba afirma que el modelo base alcanza una calidad similar a la de Qwen3-32B, un modelo denso, y en ocasiones la supera, pese a utilizar menos del 10 % de sus horas de GPU para el entrenamiento. Durante la inferencia, la arquitectura mantiene bajo el uso de cómputo sin reducir su capacidad, lo que explica las aceleraciones que el equipo reporta con contextos extensos y un perfil de costos más favorable tanto en la nube como en equipos de consumo.

La mezcla de expertos, en términos sencillos

En una arquitectura de mezcla de expertos, la red aprende muchos submodelos especializados, llamados expertos. Un módulo de selección sencillo decide a cuáles recurrir para cada token. Qwen3-Next emplea un alto nivel de dispersión, lo que significa que solo se activa una pequeña parte de los expertos a la vez. Según algunos informes, ciertas capas cuentan con 512 expertos, de los cuales 10 se activan por token. Esto hace que el costo de cómputo y memoria de cada pasada hacia adelante sea comparable al de una red densa mucho más pequeña, mientras que el conjunto completo de expertos proporciona al modelo una gran capacidad total.

La contrapartida es una mayor complejidad durante el entrenamiento y la necesidad de planificar la carga para garantizar que los expertos estén equilibrados. Alibaba afirma que resolvió problemas de estabilidad que suelen aparecer al combinar una arquitectura MoE dispersa con el ajuste fino basado en RL. Para los desarrolladores, lo importante es que el costo de ejecución depende del número de parámetros activos, no del total de parámetros.

Atención híbrida y contexto extenso

Las capas de atención son las partes de un transformador que permiten al modelo examinar los tokens de entrada y determinar cuáles son importantes. La atención estándar se vuelve costosa a medida que aumentan las entradas, porque el costo crece en proporción al cuadrado de la longitud de la secuencia. Qwen3-Next combina la atención estándar con métodos que aproximan el contexto de forma más eficiente, descritos por el equipo como Gated DeltaNet combinado con atención clásica. El resultado es una mayor capacidad de procesamiento de entradas extensas y menos ralentización a medida que crecen las instrucciones. Alibaba informa de una capacidad de procesamiento más de 10 veces mayor para longitudes de contexto superiores a 32.000 tokens, una ventana predeterminada de 256.000 tokens y una opción para ampliarla a 1 millón de tokens en casos especiales. El equipo también reporta mejoras de escalado casi lineales en algunos escenarios, como una carga inicial de datos hasta unas 7 veces más rápida y una generación de tokens hasta unas 4 veces más rápida en contextos más cortos.

Predicción de varios tokens y decodificación

La predicción de varios tokens intenta anticipar varios tokens siguientes a la vez y luego corrige el resultado si la predicción es incorrecta. Combinada con la decodificación especulativa, reduce el número de pasadas hacia adelante costosas necesarias para generar una respuesta. Qwen3-Next es compatible con este enfoque y se integra con plataformas de inferencia populares, como SGLang y vLLM, lo que ayuda a reducir la latencia en servicios de producción. El equipo también menciona Zero Centered RMSNorm y otras decisiones de optimización que estabilizan el entrenamiento. En conjunto, al combinarse con una arquitectura MoE dispersa, estas medidas permiten generar respuestas más rápido sin una pérdida importante de calidad.

Dos variantes de modelo para seguir instrucciones y razonar

Al publicar el modelo, Alibaba presentó dos versiones con entrenamiento posterior basadas en la red original. Qwen3-Next-80B-A3B-Instruct está orientado a seguir instrucciones cotidianas, conversar y utilizar herramientas. En las pruebas de la empresa, su rendimiento se acerca al del modelo insignia de 235.000 millones de parámetros en muchas tareas generales y destaca cuando las instrucciones incluyen contextos muy extensos, de hasta 256.000 tokens.

Qwen3-Next-80B-A3B-Thinking está ajustado para razonamientos complejos. Alibaba destaca resultados superiores a los de sus propios modelos Qwen3 de gama media y al modelo cerrado Gemini 2.5 Flash Thinking en varios parámetros de evaluación seleccionados. La empresa cita un resultado del 60,8 % en SuperGPQA, una difícil prueba de nivel de posgrado. Los parámetros de evaluación ofrecen señales útiles, pero quienes vayan a adquirir el modelo deberían realizar sus propias pruebas con cargas de trabajo específicas de su sector, como programación, generación aumentada por recuperación, matemáticas y planificación en varios pasos.

Velocidad, costo y requisitos de hardware

Las principales mejoras se refieren tanto al costo como al tiempo. Alibaba afirma que el entrenamiento del modelo base se completó con menos del 10 % de la capacidad de cómputo utilizada para Qwen3-32B. Durante la inferencia, solo se activan unos 3.000 millones de parámetros por token, por lo que el modelo puede responder con menor presión sobre la memoria de la GPU y menor consumo de energía. Esto permite utilizar menos hardware para ofrecer un determinado nivel de servicio o procesar más solicitudes con la misma configuración.

La arquitectura destaca con instrucciones extensas. Alibaba reporta aumentos de un orden de magnitud en la capacidad de procesamiento de entradas de más de 32.000 tokens y mejoras considerables también con secuencias más cortas, como una carga inicial de datos unas 7 veces más rápida y una generación de tokens unas 4 veces más rápida en algunas pruebas. Con una ventana de 256.000 tokens, los analistas pueden introducir contratos completos, transcripciones o archivos de código extensos en una sola solicitud y luego pedir al modelo que los resuma, compare o modifique. La empresa subraya que la nueva serie está optimizada para funcionar bien en equipos de consumo, por lo que ya no se necesitan grandes clústeres para crear prototipos avanzados.

Disponibilidad y acceso

Los modelos Qwen3-Next están publicados para ofrecer un acceso amplio. Se encuentran en repositorios de modelos conocidos, como Hugging Face y ModelScope, y también están disponibles a través de Alibaba Cloud Model Studio para su implementación como servicio gestionado. Los usuarios pueden recurrir a servicios alojados o descargar los pesos para ejecutar el modelo localmente. La serie también está disponible a través del catálogo de API de NVIDIA, y algunas variantes se encuentran en Kaggle para facilitar la experimentación.

El lanzamiento coincide con herramientas como Qwen3-ASR-Flash, un componente de transcripción de voz que, según el equipo, admite 11 idiomas principales. Alibaba recomienda a los desarrolladores revisar las condiciones de licencia de cada modelo, sobre todo para usos comerciales o con un volumen elevado de tráfico, y probarlos con sus propios conjuntos de datos y cargas de trabajo. La compatibilidad con plataformas de inferencia como SGLang y vLLM, junto con patrones de activación adaptados al hardware, debería acortar el paso de una demostración a un servicio confiable.

Cómo cambia la competencia en IA

La iniciativa refleja una competencia más amplia entre laboratorios de todo el mundo para que los modelos potentes puedan utilizarse ampliamente y a menor costo. Las empresas chinas impulsan con fuerza la IA de código abierto como forma de extender su adopción y alcanzar a sus competidores occidentales en capacidad. Alibaba afirma que el ecosistema Qwen se ha convertido en una de las mayores comunidades de código abierto para desarrolladores. El grupo también presentó una vista previa de Qwen3-Max, un modelo con más de 1 billón de parámetros que recientemente ocupó el sexto puesto en la clasificación de chatbots LMArena, elaborada por investigadores. Junto con Alibaba, empresas como DeepSeek y Meituan están publicando modelos y servicios competitivos.

Los modelos base más baratos y rápidos son importantes porque la capacidad de cómputo es escasa y costosa. Las restricciones a la exportación de chips avanzados aumentan la presión en China, y muchos equipos también enfrentan escasez de GPU en Estados Unidos y Europa. Las arquitecturas que mantienen inactivos a la mayoría de los parámetros durante la inferencia permiten a laboratorios pequeños, empresas emergentes y universidades ejecutar modelos de alta calidad en servidores modestos. Los inversores siguen de cerca la evolución: las acciones de Alibaba han mejorado este año, mientras la empresa vuelve a centrarse en la nube y la IA. Los efectos sobre la competencia se extenderán a medida que más organizaciones incorporen la IA de código abierto a sus tareas cotidianas.

Parámetros de evaluación, transparencia y análisis cuidadoso

Las clasificaciones de modelos son útiles, pero pueden ocultar ciertas contrapartidas. Las cifras de velocidad varían según el tamaño del lote, la plataforma, la cuantización y el hardware. La precisión depende del sector, el estilo de las instrucciones y la presencia de herramientas como intérpretes de código o sistemas de recuperación de información. Los proveedores también eligen sus propios conjuntos de pruebas. Las evaluaciones independientes de comunidades y clientes suelen ofrecer una visión más completa de las fortalezas y las carencias.

Los equipos que evalúen Qwen3-Next deberían examinar algo más que el resultado en una sola prueba. Conviene medir la precisión con contextos extensos, el uso de herramientas, la confiabilidad en matemáticas y programación, y el comportamiento del modelo bajo restricciones de seguridad. También deberían registrar el uso de memoria y la capacidad de procesamiento con las longitudes de contexto que les interesen. Si una aplicación requiere respuestas fundamentadas, conviene combinar el modelo con sistemas de recuperación y revisar las fuentes de evidencia. Si se necesita un razonamiento paso a paso coherente, se puede comparar la variante Thinking con la plataforma actual.

Casos de uso y sectores que podrían beneficiarse

Qwen3-Next parece diseñado para aplicaciones que requieren contextos extensos, respuestas rápidas y un control estricto de los costos. Los equipos jurídicos y financieros pueden analizar grandes conjuntos de documentos y crear resúmenes adaptados que conserven las citas. Los responsables de atención al cliente pueden reunir bases de conocimiento y largas guías de resolución de problemas en un único asistente que razone a partir de miles de páginas. Los equipos de desarrollo de software pueden proporcionar repositorios y registros para facilitar la revisión y reorganización del código y la generación de pruebas.

Los investigadores pueden cargar artículos extensos y conjuntos de datos para comparar métodos y resultados. Los proveedores de medios y educación pueden transcribir y traducir audio con Qwen3-ASR-Flash y luego usar el modelo de lenguaje para crear guías de estudio o esquemas de contenido. Los gobiernos y los sectores regulados que requieren una implementación en sus propias instalaciones se benefician de la posibilidad de ejecutar un modelo capaz en servidores de consumo, con una supervisión cuidadosa, registros de auditoría y filtros de contenido.

En resumen

• Alibaba publicó Qwen3-Next y difundió como código abierto la familia Qwen3-Next-80B-A3B.
• El entrenamiento utilizó menos del 10 % de la capacidad de cómputo de Qwen3-32B, y el nuevo modelo igualó o superó sus resultados en las pruebas.
• Gracias a la arquitectura dispersa de mezcla de expertos, solo se activan unos 3.000 millones de los 80.000 millones de parámetros por token.
• La capacidad de procesamiento aumenta más de 10 veces con instrucciones de más de 32.000 tokens, y la ventana de contexto alcanza los 256.000 tokens.
• En algunas configuraciones, el contexto puede ampliarse a 1 millón de tokens; también se reportan mejoras en la velocidad de carga inicial de datos y generación de tokens con contextos más cortos.
• Dos variantes con entrenamiento posterior permiten seguir instrucciones y abordar razonamientos complejos; según las pruebas de la empresa, superan a algunos modelos cerrados comparables.
• Los modelos están disponibles en Hugging Face, ModelScope, Alibaba Cloud Model Studio y el catálogo de API de NVIDIA.
• El acceso de código abierto y los menores requisitos de hardware amplían las posibilidades de adopción para empresas emergentes, compañías y grupos de investigación.