MarkTechPost repasa tres años y medio de Qwen: de 7B a los 2,4T de pesos abiertos reportados
Según un artículo cronológico de MarkTechPost del 4 de octubre de 2026, Qwen de Alibaba pasó de una prueba por invitación en abril de 2023 a un modelo de pesos abiertos reportado con 2,4 billones de parámetros; en el camino, la licencia evolucionó de "uso comercial gratuito por debajo de 100 millones de usuarios activos mensuales" hacia Apache 2.0 en múltiples tamaños, y aparecieron el enrutamiento disperso MoE, la atención lineal híbrida y líneas de producto abiertas y cerradas en paralelo.
Qué ha cambiado
Según el artículo "The Story of Qwen" publicado por MarkTechPost el 4 de octubre de 2026, el autor Asif Razzaq repasa cronológicamente la trayectoria de lanzamientos de la serie Qwen de Alibaba a lo largo de tres años y medio: el 7 de abril de 2023 Alibaba Cloud abrió "Tongyi Qianwen" como prueba por código de invitación para clientes empresariales; el 3 de agosto del mismo año se publicaron como código abierto Qwen-7B y Qwen-7B-Chat, cuya licencia permitía uso comercial gratuito por debajo de 100 millones de usuarios activos mensuales; en 2024 se lanzaron de forma intensiva tres generaciones, Qwen1.5, Qwen2 y Qwen2.5, y en Qwen2 la mayoría de los tamaños, salvo el 72B, pasaron a Apache 2.0; en 2025 Qwen3 introdujo el "pensamiento híbrido", el buque insignia Qwen3-235B-A22B adoptó Apache 2.0 en su totalidad y después Qwen3-Next-80B-A3B empleó una mezcla 3:1 de atención lineal Gated DeltaNet y atención con compuertas; en 2026 se reporta que Alibaba avanzó en medio año por varias generaciones como Qwen3.5, Qwen3.6 y Qwen3.7, y publicó el modelo de pesos abiertos reportado con 2,4 billones de parámetros. El artículo también registra cambios de personal en el equipo y una reorganización mediante la cual Alibaba integró su negocio de IA en un nuevo grupo. El texto original se corta en el párrafo de Qwen3.7, por lo que los detalles de algunos nodos posteriores no son visibles; este análisis se basa únicamente en el contenido visible.
Impacto para desarrolladores
El efecto directo para los desarrolladores aparece primero en los límites de licencia: el reporte muestra que los primeros 7B de Qwen usaban términos personalizados de "uso comercial gratuito por debajo de 100 millones de usuarios activos mensuales", mientras que desde Qwen2 varios tamaños pasaron a Apache 2.0. Pesos abiertos y licencia de código abierto son dos cosas distintas: que los pesos se puedan descargar no equivale a Apache 2.0 ni a poder usarlos comercialmente, redistribuirlos o emplearlos para entrenar modelos derivados sin condiciones, y la autorización concreta debe verificarse en el archivo de licencia del repositorio del modelo correspondiente; la descripción de este reporte no sustituye al texto de la licencia. En segundo lugar está la división de formas de despliegue: el reporte indica que desde Qwen3-Max-Preview algunos buques insignia se ofrecen solo mediante API y que Qwen3.6-Plus es un modelo alojado de código cerrado, por lo que en el lado de ingeniería surgen dos rutas: pesos abiertos autoalojables y buques insignia alojados accesibles únicamente por API. En tercer lugar están los cambios en supuestos de arquitectura y costo: el reporte señala que el costo de entrenamiento de Qwen3-Next-80B-A3B fue aproximadamente el 10% del de Qwen3-32B y que su rendimiento de inferencia mejora 10 veces por encima de 32K tokens; estas cifras provienen de tarjetas de modelo y declaraciones de fabricante, sin reproducción por terceros, por lo que solo sirven como hipótesis de selección, no como compromiso. En cuarto lugar está la falta de uniformidad en las cifras de contexto: el reporte menciona 32K para varios tamaños de Qwen1.5, 128K para algunos instruct de Qwen2, 262K nativos en la actualización 2507 de Qwen3-235B y 1 millón de tokens declarados para la versión alojada de Qwen3.5-Plus; mezclarlas produce diferencias reales de truncamiento y de facturación. Por último, los cambios de personal y de organización mencionados no constituyen por sí mismos un cambio técnico, pero sugieren que el ritmo de versiones y el responsable del mantenimiento pueden variar, por lo que los proyectos de largo plazo deberían presupuestar el costo de compatibilidad de saltar entre versiones dentro de una misma serie.
Integración y evaluación
El siguiente es un análisis recomendatorio, no hechos verificados. La primera decisión trata de licencias y formas de distribución: si lo reportado es cierto, distintos tamaños de una misma familia podrían estar bajo términos personalizados y Apache 2.0 respectivamente, así que antes de autoalojar conviene revisar el archivo de licencia de cada checkpoint objetivo, en lugar de juzgar por la serie completa. La condición que lo activa es que planees integrar el modelo en un producto externo, redistribuir pesos o usarlo para entrenar modelos derivados; si solo es experimentación interna, las restricciones por diferencias de licencia serán mucho menores. El criterio verificable es confirmar, para cada checkpoint candidato, el nombre de la licencia y las cláusulas de uso comercial y redistribución, y registrar la fecha de la comprobación. La segunda decisión trata de elegir entre densos y MoE: el reporte indica que Qwen3.5-397B-A17B activa 17 mil millones de parámetros sobre 397 mil millones totales, que Qwen3.5-35B-A3B activa una escala menor y que Qwen afirma que este último supera en algunos desempeños al anterior Qwen3-235B-A22B-2507. Lo que hay que hacer es seleccionar según memoria de GPU y rendimiento, no según el total de parámetros: medir en el hardware objetivo el uso real de memoria que determinan los parámetros activos, la latencia por solicitud y el rendimiento. La condición que lo activa es que la concurrencia sea alta o la memoria escasa, casos en los que los modelos dispersos pueden ser más rentables; si la tarea exige alta estabilidad en cadenas largas de razonamiento, la previsibilidad de un modelo denso puede importar más. El criterio verificable es comparar latencia p95 y costo por mil tokens sobre un mismo lote de solicitudes reales, no solo mirar puntuaciones de referencia. La tercera decisión trata del contexto largo: el reporte mezcla cifras de 32K, 128K, 262K y 1M, y antes de habilitar contexto largo hay que confirmar si es capacidad nativa del modelo o configuración de la versión alojada. La condición que lo activa es que vayas a procesar documentos largos o trayectorias de agente de múltiples turnos; el criterio verificable es probar la precisión de recuperación y el punto de truncamiento cerca del límite de longitud objetivo.
Límites y cuestiones pendientes
El texto original en que se basa este artículo se interrumpe en el párrafo de Qwen3.7, y los nombres, licencias y fechas de publicación del modelo de pesos abiertos de 2,4 billones de parámetros y de nodos posteriores no están completos en el texto visible, por lo que las afirmaciones anteriores sobre ese modelo son la versión reportada por MarkTechPost y no han sido verificadas de forma independiente. Las versiones mencionadas en este reporte no tienen una entrada con coincidencia exacta en el catálogo actual de KimiSeek; actualmente KimiSeek lista las entradas Qwen3.8 Max, Qwen3.8 Flash, Qwen3.8 27B, Qwen3.8 2.4T A95B, Qwen3.7 Max, Qwen3.7 Plus, Qwen3.6 Plus y dos modelos de imagen, que no son los mismos identificadores que los checkpoints concretos de Qwen3.5, Qwen3.6 y Qwen3.7 descritos en el reporte, y no debe tomarse una entrada del catálogo como evidencia de la disponibilidad de las versiones reportadas; la disponibilidad de API mencionada en el reporte se refiere a la oferta del lado del fabricante. Las cifras de rendimiento y costo del reporte, como la proporción de costo de entrenamiento, los múltiplos de rendimiento o las comparaciones de referencia, provienen del fabricante o de transcripciones de segunda mano y carecen de condiciones de evaluación reproducibles, por lo que no deben ser la única base para decisiones de compra o migración. Las descripciones de licencias provienen de la transcripción de la crónica y pueden diferir de los términos formales de cada repositorio de modelo; deben prevalecer los archivos de licencia originales. Los precios y la facturación cambian con el tiempo; consulta la página de precios de la plataforma correspondiente. Por ahora no es posible determinar a partir de esta fuente si los cambios de personal y de organización del modelo afectan el mantenimiento a largo plazo y el ritmo de versiones.