Alibaba anticipa Qwen 3.8-Flash-Next de 125B con 6B parámetros por token mediante MoE

Alibaba adelanta Qwen 3.8-Flash-Next: una previsualización de 125 mil millones de parámetros que activa solo 6 mil millones por token, señalando hacia Qwen 4 Alibaba presentará Qwen 3.8-Flash-Next este miércoles, presentado por la empresa como una previsualización temprana de la arquitectura de próxima generación Qwen 4, en lugar de un modelo insignia finalizado. Según el equipo de Alibaba y un tweet circulante, el modelo contiene 125 mil millones de parámetros, pero supuestamente activa solo alrededor de 6 mil millones de parámetros por token (el tweet también mencionó un componente de “+51B N-gram”). Estas cifras y el rendimiento real del modelo permanecen sin verificar; Alibaba y Hugging Face describen el lanzamiento como una previsualización de arquitectura y no han publicado puntuaciones de benchmark lado a lado. Por qué importan estos números: - Los parámetros son los controles que un modelo utiliza para aprender y adaptarse. Más parámetros generalmente significan mayor capacidad, pero también mayores costos computacionales. - El truco aquí es la arquitectura mixture-of-experts (MoE): en lugar de ejecutar cada parte de una red enorme en cada entrada, el modelo redirige cada solicitud a un pequeño subconjunto de submodelos especializados llamados “expertos”. Esto puede hacer que un modelo de 125 mil millones de parámetros se comporte, en costos computacionales, como un modelo mucho más pequeño, activando solo los expertos relevantes para cada token. En resumen: capacidad casi de vanguardia potencialmente a costos computacionales comunes — si el comportamiento MoE afirmado se sostiene. Lo que dice Alibaba y lo que aún no está claro: - Alibaba presenta Qwen 3.8-Flash-Next como multimodal y construido sobre el diseño próximo de Qwen 4, lanzado anticipadamente para que los desarrolladores puedan prepararse para toda la familia. - Hugging Face, donde se espera que aparezcan los pesos, también lo llama una previsualización de la arquitectura Qwen 4. - Aún no se han publicado benchmarks independientes ni comparaciones directas con la línea Qwen 3 o rivales occidentales, por lo que el rendimiento y los intercambios de recursos siguen siendo especulativos. Contexto: El impulso chino por modelos de peso abierto La escena de modelos de peso abierto en China ha estado muy activa. Recientes lanzamientos anónimos e institucionales (un misterioso modelo Ox Alpha que superó a Fable de Anthropic en algunas pruebas de codificación, y pesos abiertos de Alibaba, DeepSeek y Moonshot) hacen que modelos potentes sean descargables, ajustables y ejecutables localmente. Los pesos abiertos reducen la dependencia de APIs cerradas, disminuyen los costos de alojamiento y permiten a los desarrolladores evitar enviar datos sensibles a servicios de terceros — factores importantes tanto para la IA general como para proyectos cripto. Por qué las audiencias cripto deben preocuparse: - Herramientas y bots en cadena: modelos grandes más baratos y ejecutables localmente podrían impulsar agentes en cadena más inteligentes, herramientas de auditoría, estrategias de trading y MEV sin tarifas constantes por API. - Privacidad y custodia: alojar modelos localmente reduce el riesgo de filtración de datos para claves privadas, gráficos de transacciones o señales comerciales propietarias. - Infraestructura descentralizada de IA: los pesos abiertos pueden acelerar el desarrollo de capas de inferencia descentralizadas y oráculos minimizados en confianza que eviten el bloqueo por proveedor único. - Advertencia: hasta que aparezcan benchmarks y cifras reales de costos, es prematuro asumir que el modelo ofrece calidad de vanguardia a bajo costo. Conclusión Qwen 3.8-Flash-Next se posiciona como una anticipación de la filosofía de diseño de Qwen 4 — prometiendo eficiencia mediante mixture-of-experts y capacidad multimodal. El lanzamiento es notable porque, si las afirmaciones se cumplen, los pesos abiertos de un modelo MoE de 125 mil millones de parámetros que activa solo ~6 mil millones por token podrían democratizar la IA potente para desarrolladores y proyectos cripto. Pero necesitaremos benchmarks verificados y pruebas prácticas para confirmar el entusiasmo. Manténganse atentos al lanzamiento oficial, los pesos en Hugging Face y las evaluaciones independientes.