Alibaba libera Qwen3.8-27B: pesos abiertos, Apache 2.0 y por delante de Opus 4.6 en SWE-bench Pro

El 14 de agosto, el equipo Qwen de Alibaba hizo lo que casi nadie hace cuando le sale un modelo bueno de verdad: publicar los pesos para que cualquiera se los descargue.

Qwen3.8-27B llega con licencia Apache 2.0, la más permisiva del catálogo habitual: puedes ejecutarlo, modificarlo y usarlo en tu producto comercial sin pedir permiso ni pagar por token. Y en una de las pruebas de programación más exigentes adelanta a un modelo cerrado bastante más grande.

Qué ha publicado exactamente Alibaba

No es un modelo de texto con extras pegados encima. Es un modelo denso multimodal que entiende texto, imágenes y vídeo desde el primer día, con 64 capas y una arquitectura híbrida de atención pensada para abaratar el contexto largo.

• 27.000 millones de parámetros: suficientemente pequeño para correr en una sola tarjeta gráfica de gama alta.
• 262.144 tokens de contexto nativos, ampliables a un millón con la técnica YaRN.
• Descargable en Hugging Face y ModelScope, con cientos de variantes cuantizadas ya publicadas por la comunidad.
• Alibaba liberó a la vez el hermano mayor de la familia, el Qwen3.8-2.4T-A95B, también con pesos abiertos.

Con 27.000 millones de parámetros, el modelo supera a Qwen3.7-Plus en programación y en trabajo de oficina, según el anuncio del propio equipo de Alibaba.

Dónde gana y dónde no (esto casi nadie lo cuenta)

El titular es SWE-bench Pro, la prueba de resolver incidencias reales de repositorios de software: 61,7 frente a los 53,4 de Claude Opus 4.6 Max. En tareas de agente sobre un escritorio real (OSWorld-Verified) la diferencia es todavía mayor: 84,3 frente a 72,7.

Pero no gana en todo, y conviene decirlo. En Terminal Bench 2.1 se queda en 73,0 frente a 78,2, y en conocimiento científico (GPQA Diamond) pierde por dos puntos. Un modelo abierto ya juega en la misma liga; todavía no la domina.

Toque personal: qué cambia esto en tu negocio

Aquí está lo interesante, y no tiene que ver con los benchmarks. Cuando los pesos son tuyos, el coste por token desaparece: pagas el hardware una vez y luego la factura es la de la luz. Y hay algo que ninguna API te da: los datos de tus clientes no salen de tu red.

Si firmas acuerdos de confidencialidad, trabajas con datos de salud o manejas documentación laboral de terceros, esa frase vale más que diez puntos de benchmark.

Ahora la parte que nadie pone en el titular. En 4 bits los pesos ocupan unos 17 GB, pero al sumar la memoria que consume el contexto lo realista es contar con una tarjeta de 24 GB. Eso es una inversión de cuatro cifras más alguien que la mantenga. Si tu equipo hace doscientas consultas al mes, sale mucho más barato seguir pagando una API; si procesas miles de documentos al día, los números se dan la vuelta rápido.

La pregunta correcta no es «¿cuál es el mejor modelo?», sino «¿cuál es el más barato que resuelve mi tarea?». Si te ayuda a ordenarla, tienes la guía de qué IA usar según la tarea en SimplificaconIA. Y esto no es un caso aislado: hace menos de una semana Meta liberó Muse Glimmer con la misma licencia, y en julio Alibaba presentó su modelo de frontera Qwen3.8-Max.

Conclusión

La distancia entre lo abierto y lo cerrado se mide ya en meses, no en generaciones. Para una pyme eso significa que la independencia tecnológica ha dejado de ser una excentricidad para convertirse en una decisión de costes.

¿Te plantearías montar un modelo en tu propio servidor, o prefieres que el problema del hardware sea de otro? Te leo en los comentarios.

Ficha técnica y resultados completos en el model card oficial de Qwen3.8-27B; el análisis del lanzamiento, en la cobertura de The Decoder.