Alibaba ha presentado Qwen3.8-Flash-Next, un nuevo modelo de inteligencia artificial que destaca por combinar un gran tamaño con unas necesidades de cálculo relativamente contenidas durante su funcionamiento. En una de las clasificaciones de Artificial Analysis obtiene 56 puntos, frente a los 57 de Claude Fable 5. Pero hay una diferencia especialmente relevante: Qwen puede descargarse y ejecutarse en equipos propios, sin necesidad de enviar cada consulta a los servidores de una empresa externa.

Las claves de Qwen3.8-Flash-Next en 30 segundos

• Alibaba presentó Qwen3.8-Flash-Next el 26/08/2026 como anticipo tecnológico de su futura generación Qwen4.
• Cuenta con 125.000 millones de parámetros principales, aunque utiliza alrededor de 6.000 millones para procesar cada token.
• Obtiene 56 puntos en el Agentic Index de Artificial Analysis, frente a los 57 de Claude Fable 5.
• Existen versiones adaptadas para ejecutarlo localmente en ordenadores con mucha memoria.
• Para empresas, abre nuevas posibilidades para utilizar IA manteniendo los datos dentro de su propia infraestructura.

La comparación con Claude debe interpretarse con cautela. Estar separados por un punto en una clasificación no significa que ambos modelos tengan exactamente la misma capacidad. El Agentic Index mide un conjunto concreto de pruebas relacionadas con el comportamiento de los modelos como agentes de IA, por lo que sus resultados no pueden trasladarse automáticamente a programación, escritura, razonamiento o cualquier otra tarea.

Aun así, Qwen3.8-Flash-Next refleja una tendencia que puede acabar teniendo consecuencias fuera del sector tecnológico: modelos de IA cada vez más capaces empiezan a poder utilizarse sin depender exclusivamente de grandes centros de datos externos.

Una IA enorme que no utiliza todo su cerebro al mismo tiempo

Qwen3.8-Flash-Next tiene 125.000 millones de parámetros en su modelo principal. A primera vista parece una cifra incompatible con un ordenador convencional.

La explicación está en su arquitectura.

Alibaba utiliza una técnica denominada Mixture-of-Experts (MoE). Simplificando, el modelo está dividido en diferentes grupos especializados y selecciona los necesarios para responder a cada petición.

De esta manera, aunque el modelo principal acumula 125.000 millones de parámetros, aproximadamente 6.000 millones permanecen activos durante el procesamiento de cada token.

No significa que el resto desaparezca ni que solo sean necesarios 6.000 millones de parámetros para almacenar el modelo. Todos sus pesos deben estar disponibles en algún lugar de la memoria o el almacenamiento. La ventaja está principalmente en reducir la cantidad de operaciones que necesita realizar para generar cada respuesta.

El diseño incluye además otros componentes. Qwen incorpora una tabla denominada N-gram Embedding con unos 51.000 millones de parámetros adicionales, por lo que el conjunto completo es todavía mayor de lo que indica la cifra principal.

La compañía también ha trabajado en reducir el coste de procesar conversaciones y documentos muy extensos.

Qwen3.8-Flash-Next admite hasta 262.144 tokens de contexto de forma nativa, una capacidad pensada para trabajar con grandes cantidades de información dentro de una misma sesión.

El modelo acepta además texto e imágenes y está especialmente orientado a tareas como programación, utilización de herramientas externas, automatización y agentes capaces de realizar procesos compuestos por varios pasos.

La inteligencia artificial empieza a caber en ordenadores de sobremesa

La parte que puede resultar más llamativa para usuarios y empresas está fuera de los benchmarks.

Los pesos del modelo se han publicado y ya están apareciendo versiones adaptadas para ejecutarlo localmente.

Eso permite utilizar la IA sin enviar necesariamente documentos, preguntas o información empresarial a una API externa.

No significa que pueda instalarse cómodamente en cualquier portátil.

Los pesos originales de Qwen3.8-Flash-Next ocupan cientos de gigabytes. Para reducir ese tamaño se utiliza una técnica denominada cuantización, que representa los parámetros con menos precisión y permite disminuir considerablemente la memoria necesaria, a cambio de introducir cierto compromiso entre tamaño, velocidad y calidad.

Ollama, una de las herramientas utilizadas para ejecutar modelos de IA en ordenadores personales, ofrece ya una versión MLX de Qwen3.8-Flash-Next de aproximadamente 103 GB.

Esto coloca al modelo al alcance de determinados ordenadores de gama alta.

Un Mac equipado con 128 GB de memoria unificada, por ejemplo, dispone de capacidad suficiente para plantearse algunas de estas versiones cuantizadas. Apple utiliza una arquitectura en la que CPU y GPU pueden acceder a una memoria común, algo que resulta especialmente útil para modelos de IA demasiado grandes para la memoria disponible en una tarjeta gráfica convencional.

Eso no convierte un Mac Studio en equivalente a un centro de datos.

La velocidad, el número de usuarios simultáneos y la capacidad para procesar grandes cargas siguen siendo muy diferentes. Los grandes sistemas de NVIDIA y otros fabricantes continúan siendo necesarios cuando una empresa necesita atender miles de peticiones o entrenar modelos de gran tamaño.

Lo que está cambiando es el punto a partir del cual resulta obligatorio recurrir a ellos.

Por qué ejecutar una IA en local puede interesar a una empresa

Hasta hace relativamente poco, utilizar uno de los modelos más capaces implicaba normalmente contratar una API proporcionada por su desarrollador o por una gran plataforma cloud.

El usuario enviaba una petición a través de Internet, el proveedor la procesaba en sus servidores y devolvía la respuesta.

Ese sistema continúa siendo el más sencillo para muchas organizaciones, pero no encaja igual de bien en todos los casos.

Una empresa puede manejar contratos, código fuente, información interna, documentos de clientes o datos que prefiere mantener dentro de su propia infraestructura. Poder instalar el modelo en servidores propios permite diseñar sistemas donde esa información no necesita salir al exterior para realizar la inferencia.

También cambia la estructura económica.

Las APIs suelen cobrar según la cantidad de información procesada y generada. Ejecutar un modelo propio sustituye parte de ese gasto por otros costes: compra o alquiler del hardware, electricidad, mantenimiento y personal encargado de administrarlo.

Ninguna opción resulta automáticamente más barata.

Para una empresa que utiliza IA ocasionalmente, contratar una API puede seguir siendo mucho más económico que comprar una máquina con 128 GB de memoria. Para organizaciones que realizan millones de consultas o tienen requisitos específicos de privacidad y control, el cálculo puede ser diferente.

Qwen asegura además que entrenar Qwen3.8-Flash-Next necesitó aproximadamente una novena parte del coste computacional utilizado para Qwen3.7-Plus, su generación anterior. Es una cifra proporcionada por el propio desarrollador y no una medición independiente.

Alibaba presenta este modelo como un anticipo de tecnologías destinadas a su futura familia Qwen4, por lo que tampoco debe interpretarse como el final de esa evolución.

Su interés está precisamente en mostrar hacia dónde se dirige el mercado.

Los grandes centros de datos continuarán siendo necesarios para entrenar modelos y proporcionar servicios de IA a millones de personas. Pero ejecutar modelos avanzados empieza a ser una cuestión diferente.

La distancia entre un modelo alojado exclusivamente en enormes infraestructuras y otro capaz de funcionar dentro de una empresa se está reduciendo.

Para el usuario corriente puede seguir siendo una cuestión técnica. Para una organización que no quiere depender permanentemente de una API externa, significa que tener una inteligencia artificial funcionando en sus propios equipos empieza a ser una alternativa real en determinados escenarios, aunque todavía requiera ordenadores de gama alta y conocimientos para administrarlos.

Preguntas frecuentes

¿Qué es Qwen3.8-Flash-Next?

Es un modelo de inteligencia artificial presentado por el equipo Qwen de Alibaba el 26/08/2026. Puede trabajar con texto e imágenes y la compañía lo presenta como un anticipo tecnológico de la futura generación Qwen4.

¿Se puede instalar Qwen3.8-Flash-Next en un ordenador?

Sí, existen versiones cuantizadas preparadas para ejecución local. Sin embargo, el modelo continúa necesitando una cantidad elevada de memoria, por lo que está pensado principalmente para estaciones de trabajo y servidores potentes.

¿Es Qwen3.8-Flash-Next mejor que Claude Fable 5?

No puede afirmarse únicamente con un benchmark. Qwen obtiene 56 puntos frente a los 57 de Claude Fable 5 en el Agentic Index mostrado por Artificial Analysis, pero esa clasificación evalúa capacidades concretas y no todas las posibles tareas.

¿Qué ventaja tiene ejecutar una IA sin utilizar la nube?

Permite mantener un mayor control sobre el modelo y diseñar sistemas donde los datos procesados permanezcan dentro de la infraestructura de la organización. A cambio, la empresa debe asumir el hardware, consumo eléctrico y mantenimiento necesarios.