Alibaba lanzó Qwen 3.8 Max, un modelo de inteligencia artificial de código abierto con 2,4 billones de parámetros que compite directamente con los sistemas más avanzados de OpenAI y Anthropic, a un costo significativamente menor y disponible de forma gratuita.
¿Cómo se compara Qwen 3.8 Max con los modelos líderes?
El nuevo modelo chino demuestra un rendimiento de frontera en múltiples benchmarks técnicos. En Terminal Bench, una evaluación clave de codificación agéntica, Qwen 3.8 Max alcanza 86,6 puntos, superando a Fable con 84,6 puntos y quedando apenas por debajo de GPT 5.6 Soul. En documentos y aplicaciones de oficina, el modelo de Alibaba domina claramente frente a todos sus competidores, mientras que en percepción visual también se posiciona como una opción sólida para aplicaciones empresariales.
Una capacidad particularmente relevante es la reproducción autónoma de investigaciones científicas: Qwen 3.8 Max puede leer papers académicos, escribir el código correspondiente, ejecutarlo y obtener resultados equivalentes. Esto representa un avance hacia la automatización de procesos investigativos y la auto-evolución recursiva de modelos de IA.
Ventaja económica: tokens baratos pero eficiencia real
En plataformas como OpenRouter, Qwen 3.8 Max cuesta US$ 2 por millón de tokens de entrada y US$ 6 por millón de salida. Para comparar: GPT 5.6 Soul tiene un precio de US$ 5 y US$ 30 respectivamente, mientras que Fable alcanza US$ 10 y US$ 50. Sin embargo, el precio unitario por token no refleja el costo real de una tarea completa.
Lo que importa es cuántos tokens requiere cada modelo para completar un trabajo específico. Según Artificial Analysis, el modelo anterior Qwen 3.7 Max costaba US$ 128 por tarea completada, mientras que GPT 5.6 Soul costaba US$ 123. Esta métrica de costo por tarea es la que realmente impacta en los presupuestos operativos de las empresas y genera presión competitiva sobre los laboratorios estadounidenses.
La brecha de poder computacional entre China y EE.UU.
Actualmente, los mejores modelos chinos de código abierto como Qwen y Kimi rondan los 2 billones de parámetros. En contraste, se estima que Fable de Anthropic alcanza los 7 billones, y el próximo modelo de OpenAI, denominado Código Astra, podría superar esa cifra. Esto sugiere que los laboratorios estadounidenses disponen del doble de capacidad de cómputo.
China enfrenta restricciones en el acceso a GPUs de última generación, aunque logra contrabandear algunos chips de Nvidia. Sin embargo, la eficiencia de arquitectura y entrenamiento de los modelos chinos compensa parcialmente esta desventaja. La optimización permite a Qwen 3.8 Max alcanzar resultados de frontera con menos parámetros, lo que indica un refinamiento técnico notable.
Riesgos geopolíticos: dependencia tecnológica y seguridad
El lanzamiento de Qwen 3.8 Max plantea interrogantes sobre la dependencia tecnológica de Estados Unidos respecto de soluciones chinas. Aunque estos modelos pueden descargarse y ejecutarse localmente, la mayoría de las empresas utiliza servicios de inferencia en la nube, lo que potencialmente podría enviar datos sensibles a infraestructuras chinas.
Usar proveedores estadounidenses para ejecutar los modelos mitiga el riesgo inmediato, pero a largo plazo existe la posibilidad de que la optimización del modelo esté diseñada en conjunto con hardware chino, haciendo que los chips estadounidenses sean menos eficientes. Si eso ocurre, las empresas norteamericanas podrían enfrentar presión para importar tecnología o pagar tarifas extra por inferencia en territorio chino, aumentando la vulnerabilidad estratégica.
Impacto para empresas y administradores de negocios argentinos
Para las pymes y empresas medianas argentinas, la irrupción de modelos abiertos como Qwen 3.8 Max representa una oportunidad de acceso a tecnología de frontera sin inversiones masivas en licencias propietarias. El costo por tarea significativamente menor permite automatizar procesos de investigación, análisis de documentos y generación de código con presupuestos ajustados.
Sin embargo, los administradores de negocios deben evaluar cuidadosamente dónde se ejecutan estos modelos. Usar infraestructura local o proveedores de confianza reduce riesgos de exposición de datos. Además, la competencia entre modelos abiertos y cerrados obligará a OpenAI y Anthropic a revisar sus estrategias de precios, lo que beneficiará a las empresas argentinas en el mediano plazo. La clave está en monitorear la evolución tecnológica y adoptar soluciones que equilibren costo, rendimiento y seguridad de información.
