Durante meses, la conversación sobre modelos de frontera fue GPT contra Claude contra Gemini. Qwen3.8-Max no solo se mete en esa conversación — en varios benchmarks la gana, y lo hace prometiendo abrir los pesos del modelo en cuestión de días.
Alibaba mostró un preview de Qwen3.8-Max el 19 de julio de 2026 en la conferencia WAIC de Shanghái, y lo lanzó oficialmente el 3 de agosto de 2026 con acceso estándar por API y precios publicados. Es un modelo de mezcla de expertos (MoE) de 2.4 billones de parámetros totales, con 95,000 millones de parámetros activos por inferencia, ventana de contexto de 1 millón de tokens, entrada nativa de texto, imagen y video, y precios de $2.00 y $6.00 por millón de tokens según el tipo de uso.
En benchmarks de programación, agentes y capacidad general, Qwen3.8-Max supera a Claude Fable 5 y GPT-5.6 Sol en 7 evaluaciones distintas. El dato más citado: en OSWorld-Verified (el benchmark estándar para medir qué tan bien un modelo controla software real) obtiene 86.1, por delante de GPT-5.6 Sol Max (83.2), Claude Fable 5 (85.0) y Gemini 3.1 Pro (76.2).
No domina en todo — en Terminal-Bench 2.1 queda detrás de Sol (86.6 vs. 88.8) — pero en PaperBench lo supera (93.0 vs. 90.5), confirmando que la brecha entre los modelos líderes de China y los de Occidente, en tareas de agentes y programación, sigue cerrándose rápido.
El anuncio más significativo no es de rendimiento sino de distribución: Alibaba confirmó que los pesos del modelo se publican la semana siguiente al lanzamiento — la primera vez que un modelo de la clase Qwen-Max (el nivel más alto de la familia, hasta ahora reservado exclusivamente a API) se libera públicamente en vez de mantenerse cerrado.
Para equipos evaluando entre modelos cerrados de alto rendimiento y alternativas open-weight (el mismo dilema que cubrimos en nuestro comparativo de modelos open-weight vs. cerrados), Qwen3.8-Max cambia la ecuación de forma concreta: ya no hay que elegir entre "el modelo más fuerte" y "el modelo que puedo auto-hospedar" — por primera vez en esta categoría de rendimiento, ambas cualidades convergen en la misma opción, con implicaciones directas para equipos con restricciones de soberanía de datos o costo de inferencia a gran escala.
Carlos Montiel es arquitecto de soluciones IA empresarial. Implementa LLMs, Agentes, RAG y orquestadores en empresas de Guatemala y Latinoamérica. Contáctalo para una consultoría.
Contactar a Carlos Montiel