NoticiasAccionesAlibaba presenta Qwen4-Max y asegura que supera a modelos rivales en programación

Alibaba presenta Qwen4-Max y asegura que supera a modelos rivales en programación

Autor: CryptoBriefing·

Puntos clave

  • •Qwen4-Max se lanzó el 16 de noviembre de 2026 como el modelo principal de la serie Qwen4 de Alibaba, construido sobre una arquitectura dispersa de mezcla de expertos con una base de 2,4 billones de parámetros.
  • •Alibaba reporta una puntuación de 75,7 en el benchmark de programación DeepSWE v1.1, por encima de Claude Opus 5.5 y competitivo con Kimi K3.1 Pro, pero los rankings independientes ubican al modelo detrás de competidores como Kimi, aunque le reconocen un costo por tarea favorable.
  • •El modelo usa aproximadamente 50% menos tokens que su predecesor Qwen3.8-Max, y los costos promedio por tarea cayeron más de 60%, apoyados en precios de $1,50 por millón de tokens de entrada y $4,50 por millón de tokens de salida, con un costo por tarea de unos $3,27.
  • •Qwen4-Max es multimodal en texto, imágenes y video, admite ventanas de contexto de hasta 1 millón de tokens y es compatible con los protocolos de OpenAI y Anthropic para facilitar la migración de desarrolladores en plataformas rivales.
  • •Alibaba planea lanzar modelos más pequeños de pesos abiertos en la serie Qwen4 mientras mantiene cerrado el insignia, y posiciona el modelo para sectores con alta carga documental como salud, finanzas y derecho.
Alibaba presenta Qwen4-Max y asegura que supera a modelos rivales en programación

Alibaba ha lanzado un nuevo modelo de IA insignia, Qwen4-Max, respaldado por afirmaciones ambiciosas sobre su rendimiento en programación. La empresa dijo que el modelo supera a Claude Opus 5.5 de Anthropic y ofrece resultados competitivos frente a Kimi K3.1 Pro de Moonshot AI en benchmarks de programación, aunque los rankings independientes cuentan una historia más matizada.

Lo que Alibaba realmente lanzó

Qwen4-Max se lanzó el 16 de noviembre de 2026 como el modelo principal de la nueva serie Qwen4. Funciona sobre una arquitectura dispersa de mezcla de expertos (mixture-of-experts) construida alrededor de una base de 2,4 billones de parámetros.

La arquitectura merece una breve explicación. Imagina un hospital con cientos de especialistas, donde cada paciente solo ve a los pocos médicos relevantes para su caso. Un modelo de mezcla de expertos funciona de la misma manera: dirige cada solicitud a un subconjunto de sus «expertos» internos en lugar de activar los 2,4 billones de parámetros a la vez. El resultado es un modelo muy grande que no tiene que pagar la factura completa de cómputo en cada tarea.

El modelo es multimodal, lo que significa que procesa texto, imágenes y video. También admite una ventana de contexto de hasta 1 millón de tokens. La ventana de contexto funciona aproximadamente como la memoria a corto plazo del modelo, por lo que una más grande le permite trabajar con documentos largos o bases de código extensas en una sola sesión.

Los desarrolladores pueden acceder a Qwen4-Max a través de una API en QwenCloud. Alibaba también lo hizo compatible con los protocolos establecidos por OpenAI y Anthropic. Para los equipos que ya operan sobre esos ecosistemas, la migración se convierte menos en una reescritura y más en un cambio de configuración.

Los benchmarks y la letra chica

En el benchmark de programación DeepSWE v1.1, Qwen4-Max obtuvo 75,7 puntos. Según los hallazgos de investigación publicados en el lanzamiento, ese resultado lo colocó por delante de Claude Opus 5.5 y mostró resultados competitivos frente a Kimi K3.1 Pro.

Los rankings independientes son menos generosos. Ubican a Qwen4-Max detrás de competidores como Kimi, incluso mientras destacan su favorable costo por tarea. Esta divergencia es un rasgo recurrente de los lanzamientos de modelos de IA: los conjuntos de benchmarks de los proveedores y los tableros de terceros suelen basarse en evaluaciones diferentes, por lo que los compradores generalmente deben contrastar varios tableros en lugar de confiar en una sola cifra.

Donde Alibaba presenta su argumento más sólido es en la eficiencia. Qwen4-Max utiliza aproximadamente 50% menos tokens que su predecesor, Qwen3.8-Max, y los costos promedio por tarea cayeron más de 60% en comparación con ese modelo anterior. Los tokens son los fragmentos de texto que un modelo lee y escribe, y también son la forma en que la mayoría de los proveedores de IA factura a sus clientes: menos tokens por trabajo significa una factura más pequeña por el mismo trabajo.

Precios diseñados para competir por costo

Alibaba fijó el precio de Qwen4-Max en $1,50 por millón de tokens de entrada y $4,50 por millón de tokens de salida, lo que lo posiciona como una opción rentable dentro de la categoría insignia de modelos de IA. Los hallazgos de investigación sitúan su costo por tarea en aproximadamente $3,27, inferior al de los competidores.

El acceso no comenzó el día del lanzamiento. Una vista previa de Token Plan se abrió el 11 de noviembre de 2026 y estará disponible hasta el 25 de noviembre, lo que brinda a los equipos una ventana definida para probar el modelo con sus propias cargas de trabajo. Alibaba también planea lanzar modelos más pequeños de pesos abiertos en la serie Qwen4, mientras que el insignia Qwen4-Max permanecerá cerrado.

Contexto: una carrera concurrida

La propuesta de Alibaba se aleja de la pura carrera armamentista de capacidades. En cambio, la empresa enfatiza la eficiencia y el uso práctico, con foco en la productividad profesional y las tareas de programación. Apunta el modelo a sectores como salud, finanzas y derecho, donde los flujos de trabajo están cargados de documentos y la disciplina de costos es una restricción real.

Qué significa esto

Para las empresas que compran IA, el número más importante aquí puede no ser 75,7. Es la combinación de un menor uso de tokens y un precio más bajo por token. Ambos ahorros se acumulan, y por eso Alibaba puede señalar que los costos por tarea cayeron más de 60% frente a su propio modelo anterior.

La compatibilidad con los protocolos de OpenAI y Anthropic también reduce el costo de probar Qwen4-Max para los desarrolladores que ya invirtieron en plataformas rivales.

Aun así, la brecha entre las afirmaciones de benchmarks de Alibaba y los rankings independientes merece atención. Las empresas que evalúen el modelo deberían ponderar los resultados de terceros junto con las cifras del proveedor, especialmente en trabajos de programación donde el rendimiento varía según la tarea. El hecho de que los rankings independientes aún reconozcan su costo por tarea sugiere que la historia de eficiencia se sostiene mejor que la corona de rendimiento puro.

La estrategia de pesos abiertos es el otro punto a observar. Lanzar modelos Qwen4 más pequeños de forma abierta podría ampliar la base de desarrolladores de Alibaba, mientras que mantener cerrado el insignia protege su activo más valioso.