Alibaba publicó los pesos de Qwen3.8-27B, un modelo denso multimodal de 27.000 millones de parámetros, con una ventana de contexto nativa de 262.144 tokens y licencia Apache 2.0.
Alibaba publicó el 14 de agosto los pesos de Qwen3.8-27B, un modelo de inteligencia artificial diseñado para procesar texto, imágenes y video. La ficha oficial en Hugging Face lo describe como una arquitectura densa con 27.000 millones de parámetros y un codificador visual integrado.
El modelo incorpora un modo de razonamiento que está activado de forma predeterminada, pero puede deshabilitarse para obtener respuestas directas. Los desarrolladores también pueden ajustar la profundidad del razonamiento y conservar el contexto generado durante interacciones anteriores.
Contexto ampliable y ejecución propia
Qwen3.8-27B admite de forma nativa secuencias de hasta 262.144 tokens. La configuración publicada por sus desarrolladores permite ampliar esa capacidad hasta un millón de tokens mediante YaRN, aunque esta opción requiere ajustes en el motor de inferencia y puede afectar el desempeño con textos más breves.
Los pesos están disponibles bajo licencia Apache 2.0 y pueden utilizarse con herramientas como Transformers, vLLM, SGLang y TokenSpeed. Esto permite ejecutar el modelo en infraestructura propia, sujeto a la memoria y capacidad de cómputo disponibles. El repositorio principal en precisión BF16 ocupa aproximadamente 55,6 GB.
Resultados que deben leerse con cautela
Qwen informa mejoras frente a Qwen3.6-27B en pruebas seleccionadas de programación, uso de herramientas, tareas profesionales y análisis visual. En la tabla publicada por la empresa, Qwen3.8-27B también supera a Qwen3.7-Plus en varias evaluaciones, pero no en todas.
Estos resultados no permiten afirmar una superioridad general. Algunas pruebas fueron creadas internamente por Qwen, otras utilizaron configuraciones modificadas y los resultados aún deben ser reproducidos por evaluadores independientes.
Un modelo mayor con otra licencia
El equipo de Qwen también puso a disposición los pesos de Qwen3.8-2.4T-A95B, una arquitectura de mezcla de expertos con 2,4 billones de parámetros totales y 95.000 millones activados durante la inferencia. Su ventana de contexto nativa es de 262.144 tokens y puede ampliarse hasta algo más de un millón.
A diferencia de la versión de 27.000 millones de parámetros, el modelo mayor no se distribuye con Apache 2.0. Emplea una licencia propia de Qwen que establece condiciones adicionales para determinados servicios comerciales de gran escala.
Fuentes
Ilustración creada por IA.
📬 Newsletter gratuito
