Qwen4-Max: Alibaba apuesta por una IA de gran escala con menor costo operativo

El nuevo modelo insignia de Alibaba Cloud combina una arquitectura MoE con optimizaciones que, según la compañía, reducen hasta un 60% el costo promedio por tarea frente a su generación anterior.

0
8
Simulación por IA

En el competitivo mercado de la inteligencia artificial, los modelos de gran escala evolucionan hacia arquitecturas capaces de abordar tareas complejas, ejecutar procesos prolongados y administrar de manera más eficiente los recursos computacionales. En este contexto, Alibaba Cloud presentó oficialmente Qwen4-Max, el nuevo modelo insignia de su familia Qwen, desarrollado sobre una arquitectura de mezcla dispersa de expertos (Mixture of Experts, MoE). La propuesta apunta a mejorar las capacidades de razonamiento, programación y ejecución de tareas profesionales mediante una combinación de mayor capacidad de procesamiento y activación selectiva de parámetros.

Qwen4-Max cuenta con 2,4 billones de parámetros totales, de los cuales 71.000 millones se activan por cada token procesado. Esta arquitectura permite que el sistema utilice una parte de su capacidad total durante cada operación, en lugar de movilizar simultáneamente todos sus parámetros. El modelo incorpora una ventana de contexto de hasta un millón de tokens y capacidades multimodales para procesar texto, imágenes y video, además de herramientas para la ejecución de funciones y la interacción con servicios externos. Estas características buscan facilitar el desarrollo de agentes capaces de mantener procesos de trabajo prolongados y gestionar diferentes etapas de una misma tarea.

En materia de eficiencia, Alibaba sostiene que Qwen4-Max supera a su antecesor, Qwen3.8-Max, en sus evaluaciones internas, al tiempo que necesita menos tokens para completar determinadas operaciones. Según los resultados publicados por la compañía, el consumo de tokens disminuyó aproximadamente un 35% en el nivel de razonamiento High dentro de su evaluación Work360, que contempla escenarios profesionales distribuidos en 721 campos especializados. La empresa también informó una reducción cercana al 60% en el costo promedio por tarea respecto de la generación anterior. Estos resultados corresponden a pruebas desarrolladas por Alibaba y no representan necesariamente los costos que obtendrán todos los usuarios en aplicaciones reales.

La comercialización del modelo incorpora tarifas de 1,50 dólares por millón de tokens de entrada y 4,50 dólares por millón de tokens de salida para el servicio internacional de Alibaba Cloud Model Studio en la región de Singapur. La compañía también establece una tarifa reducida de 0,075 dólares por millón de tokens de entrada cuando se aprovecha la caché implícita. Los precios pueden variar según la región de implementación y las condiciones del servicio. Qwen4-Max está disponible mediante la API y el sistema de suscripción Token Plan de QwenCloud, así como a través de otras plataformas del ecosistema de Alibaba, entre ellas QwenWork y QwenStudio.

Una de las diferencias comerciales respecto de generaciones anteriores de la familia Qwen es que Qwen4-Max no se distribuye actualmente con pesos abiertos. Su utilización depende de los servicios y las interfaces proporcionados por Alibaba, por lo que los desarrolladores no disponen de los archivos del modelo para descargarlo, modificarlo o desplegarlo libremente en infraestructura propia. No obstante, la compañía anunció que próximamente publicará versiones de menor tamaño de la familia Qwen4 bajo esquemas de pesos abiertos, aunque todavía no estableció una fecha concreta para su disponibilidad.

La seguridad constituye otro de los aspectos destacados del lanzamiento. Alibaba informó que su proceso de entrenamiento conservó información útil para identificar, detectar y corregir vulnerabilidades de software, mientras eliminó materiales orientados a desarrollar capacidades ofensivas de ciberataque. También incorporó conjuntos de datos específicos y ajustes posteriores al entrenamiento para reforzar las protecciones frente a riesgos químicos, biológicos, radiológicos y nucleares. Según la compañía, las evaluaciones internas no identificaron evidencias de que el modelo pudiera incrementar significativamente la capacidad de los usuarios para ejecutar actividades peligrosas. Estos resultados, sin embargo, no han sido verificados de manera independiente.

Fuente: AlibabaCloud | Editado por CDOL

Custom Text
Artículo anteriorDirectivo de la OpenAI Foundation advierte sobre la pérdida de control humano ante la IA antes de 2028
Artículo siguienteDigitel impulsa la transformación energética y productiva del país en la Expo Venezuela Energía 2026