TL;DR:
- Alibaba publicó los pesos de Qwen3.8-27B en Hugging Face con licencia Apache 2.0, dos días después de abrir el modelo insignia de la familia.
- Ese modelo insignia, Qwen3.8-2.4T-A95B, no lleva Apache 2.0: lo cubre una licencia propia que obliga a negociar contrato aparte a empresas con más de 50 millones de dólares de ingresos en ciertos negocios de IA.
- En 4 bits el 27B pide entre 17 y 19 GB de memoria total; la versión más comprimida del modelo de 2.4T ocupa 397 GB en disco y necesita al menos 450 GB de RAM.
Alibaba publicó este viernes 14 de agosto de 2026 los pesos de Qwen3.8-27B, un modelo denso multimodal que el equipo de Qwen presenta como la pieza de su nueva generación pensada para correr en equipo propio. La ficha del repositorio en Hugging Face lo distribuye bajo licencia Apache 2.0. Dos días antes, el 12 de agosto, la compañía había abierto el modelo insignia de la familia, Qwen3.8-2.4T-A95B, y ese repositorio no lleva Apache 2.0: lo cubre una licencia propia identificada como qwen3.8-max. Según South China Morning Post, esos términos obligan a obtener una licencia comercial aparte a los usuarios, o sus filiales, que operen un negocio de modelo como servicio o de asistente de trabajo con IA y facturen más de 50 millones de dólares en cualquier periodo de doce meses consecutivos.
Solo uno de los dos repositorios lleva Apache 2.0
El anuncio presenta los dos modelos como un mismo paquete descargable. La diferencia está en la etiqueta de licencia de cada repositorio de Hugging Face, y separa dos productos con lógicas comerciales distintas.
El umbral deja fuera a la mayoría de las empresas medianas: el uso interno queda exento mientras el software, sus salidas o las capacidades del modelo no se pongan a disposición de terceros. Abrir los pesos del modelo insignia ya era un giro, según el SCMP, respecto de la estrategia reciente de la compañía, que mantenía propietarios sus modelos Max.
Ese mismo diario aporta el resto del cuadro: la mayoría de los desarrolladores puede usar, copiar, modificar y distribuir el modelo de 2.4T sin pagarle nada a Alibaba, siempre que asuma el costo de cómputo. La vía de pago sigue siendo la API, que en China cuesta 12 yuanes por millón de tokens de entrada y 36 por millón de salida, y fuera de China 2 y 6 dólares. Ese precio internacional equivale a cerca del 40% y del 24%, respectivamente, de lo que cobra Claude Opus 5 de Anthropic.
El 27B cabe en una 4090; el de 2.4T pide 450 GB de RAM
Unsloth, que recibió acceso al modelo desde el día cero según su propia documentación, publicó la tabla de requisitos que traduce la diferencia a números de compra. La versión de 4 bits del 27B necesita entre 17 y 19 GB de memoria total, sumando RAM y VRAM, lo que la coloca dentro del alcance de una RTX 5080, una 4090 o una Mac con 24 GB de memoria unificada. En BF16 sube a 56 GB.
Del otro lado está un modelo de 2.4 billones de parámetros, es decir 2.4 millones de millones, de los que activa 95,000 millones por token. Su cuantización de 1 bit más agresiva pesa 397 GB en disco y exige al menos 450 GB de RAM para funcionar. Sin comprimir, el archivo completo ocupa 4.9 TB.
Esta tabla compara las dos versiones que Alibaba abrió el mismo mes, con los requisitos que documenta Unsloth y las restricciones que declara cada ficha oficial:
| Qwen3.8-27B | Qwen3.8-2.4T-A95B | |
|---|---|---|
| Licencia | Apache 2.0 | qwen3.8-max, propia |
| Entradas | Texto, imagen y video | Solo texto |
| Razonamiento | Se puede apagar por petición | Siempre activo |
| Versión más comprimida | 11 a 13 GB (2 bits) | 397 GB y 450 GB de RAM (1 bit) |
| Sin comprimir (BF16) | 56 GB | 4.9 TB |
El 27B admite 262,144 tokens de contexto nativo, ampliables hasta un millón con la técnica YaRN que documenta la propia ficha. También hereda los controles de la generación: el modo de razonamiento viene encendido por defecto y se puede desactivar, la profundidad se ajusta con el parámetro reasoning_effort en tres niveles y el modelo conserva el rastro de razonamiento de los mensajes anteriores.
La ventaja sobre Qwen3.7-Plus está en los agentes, no en el conocimiento
En su anuncio, el equipo de Qwen sostiene que el 27B supera a Qwen3.7-Plus en conjunto, y sus propias tablas lo respaldan en la mitad agéntica. En SWE-bench Pro marca 61.7 contra 57.6; en DeepSWE 1.1, 42.2 contra 14.2; en la prueba interna QwenSWEBench, 79.0 contra 59.2. En uso de computadora, OSWorld-Verified salta de 73.3 a 84.3.
La otra mitad de la tabla dice algo distinto. Qwen3.7-Plus conserva la ventaja en GPQA Diamond (90.3 contra 89.2), en HLE (34.7 contra 30.8), en el análisis de documentos de OmniDocBench 1.5 (91.4 contra 91.1), en la percepción del mundo real de RealWorldQA (86.9 contra 85.9) y en la prueba de inteligencia encarnada ERQA (69.8 contra 65.5). El corte se repite fila tras fila: el modelo pequeño gana donde hay que ejecutar tareas largas y pierde donde hay que recordar y razonar sobre información.
Entre las columnas de comparación aparece Muse Glimmer-30B, el modelo que Meta abrió este mes para el mismo público que corre modelos en su propia máquina, y que queda por detrás del 27B en todas las filas donde la ficha le asigna una cifra.
Alejandro Castillo Leone
Las cifras son de Alibaba y todavía no hay evaluación independiente
Las notas al pie de la ficha explican cómo se midió cada resultado. Salvo el dato de SWE-bench Pro de Opus4.6 Max, que Alibaba tomó del reporte oficial de Anthropic, la compañía evaluó a todos los modelos de la tabla con el entorno de Claude Code y volvió a correr las líneas base sobre una versión corregida del benchmark. Es un procedimiento más homogéneo que el de la ficha del modelo de 2.4T, donde Qwen se midió con OpenCode y los rivales con sus propios entornos, pero sigue siendo una medición del vendedor.
El lanzamiento tampoco está completo del lado alojado. La ficha del 27B anuncia una versión alojada en Qwen Cloud con un millón de tokens de contexto por defecto y herramientas integradas, y aclara que ese servicio todavía no está disponible. Por ahora el modelo existe solo como archivo descargable, aunque la comunidad se movió rápido: horas después de la publicación, el repositorio ya listaba más de un centenar de cuantizaciones derivadas, incluidas las de Unsloth para llama.cpp y una variante NVFP4 que ese mismo equipo mide 1.5 veces más rápida que BF16 y que exige una GPU Blackwell de Nvidia.
Para un desarrollador hispanohablante queda una sola frase útil: por primera vez en esta generación hay un Qwen que cabe en una tarjeta de 24 GB y cuya licencia no impone un umbral de facturación. Lo que rinda de verdad sobre un repositorio grande depende de pruebas que nadie fuera de Alibaba ha publicado todavía.
