Alibaba tiene una reputación merecida en modelos de lenguaje: Qwen 2.5 sorprendió a muchos por su rendimiento en múltiples idiomas y en código. Qwen 3 va más lejos: una familia completa de modelos con razonamiento nativo, arquitectura MoE eficiente, y resultados que por primera vez hacen que los modelos cerrados tengan que compararse con open source en los benchmarks más exigentes.

La familia Qwen 3

Modelos densos (todos los parámetros activos en cada token):

  • Qwen3-0.6B: para edge y dispositivos con recursos muy limitados
  • Qwen3-1.7B, 4B, 8B: el rango que más se usa en deployment local
  • Qwen3-14B, 32B: para deployment en GPU de consumidor
  • Qwen3-72B: el modelo denso de mayor capacidad

Modelos MoE (solo fracción de parámetros activa por token):

  • Qwen3-30B-A3B: 30B totales, 3B activos. Eficiencia muy alta.
  • Qwen3-235B-A22B: 235B totales, 22B activos. El modelo flagship de la familia.

La característica más importante: modo de razonamiento integrado

Todos los modelos Qwen 3 (excepto los más pequeños) tienen razonamiento nativo integrado que puedes activar o desactivar según la tarea. Esto es similar a Extended Thinking de Claude pero implementado de forma diferente: el modo de razonamiento se activa con un parámetro en la llamada o con un token especial en el prompt.

# Con la API de Qwen (DashScope)
import dashscope
from dashscope import Generation

# Modo estándar (rápido)
response = Generation.call(
    model="qwen3-32b",
    messages=[{"role": "user", "content": "¿Qué es el teorema de Bayes?"}],
    extra_body={"enable_thinking": False}
)

# Modo razonamiento (más lento, mejor para problemas complejos)
response = Generation.call(
    model="qwen3-32b",
    messages=[{"role": "user", "content": "Demuestra que √2 es irracional"}],
    extra_body={"enable_thinking": True}
)

Rendimiento multilingüe: la ventaja real

Qwen 3 es genuinamente mejor que la mayoría de modelos en idiomas que no son inglés, y especialmente fuerte en:

  • Chino (mandarin y variedades)
  • Árabe
  • Japonés y coreano
  • Español y otros idiomas romances

Para aplicaciones hispanohablantes, esto es relevante: Qwen 3 de tamaño moderado (32B) puede competir con modelos más grandes de otros proveedores en tareas en español.

Cómo deployarlo localmente

Para el modelo de 32B con cuantización:

# Con Ollama
ollama pull qwen3:32b-q4_k_m
ollama run qwen3:32b-q4_k_m

# Con transformers + bitsandbytes
pip install transformers bitsandbytes accelerate
from transformers import AutoModelForCausalLM, AutoTokenizer, BitsAndBytesConfig
import torch

quantization_config = BitsAndBytesConfig(load_in_4bit=True)

model = AutoModelForCausalLM.from_pretrained(
    "Qwen/Qwen3-32B",
    quantization_config=quantization_config,
    device_map="auto"
)
tokenizer = AutoTokenizer.from_pretrained("Qwen/Qwen3-32B")

32B con cuantización Q4 cabe en ~20GB de VRAM. Una RTX 4090 o dos GPUs de 12GB pueden correrlo.

El modelo 235B-A22B: características técnicas

El modelo flagship usa arquitectura MoE con 235B parámetros totales pero solo 22B activos por token. Esto significa:

  • Velocidad de inferencia comparable a un modelo de 22B
  • Capacidad de “conocimiento” comparable a un modelo de 235B
  • Requiere hardware para cargar todos los pesos (varios terabytes), pero la velocidad de inferencia es la de un modelo pequeño

Para uso en producción a escala, este modelo es muy interesante: la relación calidad/velocidad es excelente si tienes la infraestructura para cargarlo.

Licencia

Qwen 3 está disponible bajo Apache 2.0, que es open source en sentido estricto (a diferencia de la licencia de Llama). Uso comercial sin restricciones para la mayoría de casos.

Cuándo elegir Qwen 3

Muy recomendable si:

  • Tu aplicación procesa texto en idiomas distintos al inglés
  • Necesitas deployment local con presupuesto de hardware limitado (la familia 0.6B-8B es muy competitiva)
  • Quieres open source con licencia genuinamente abierta
  • Razonamiento nativo sin pagar por API de proveedor cerrado

Considera otros modelos si:

  • Tu caso requiere el mejor rendimiento absoluto en inglés (o3 o Claude Opus siguen siendo mejores en las tareas más difíciles)
  • Necesitas garantías de uptime y soporte de un proveedor establecido
  • Tu infraestructura no puede gestionar modelos open source

El impacto en el ecosistema

Qwen 3 es otra demostración de que el gap entre modelos abiertos y cerrados se está cerrando activamente. Para la comunidad que usa LLMs: más opciones competitivas siempre es bueno. Para los proveedores de modelos cerrados: la presión competitiva aumenta.

El modelo 235B-A22B en particular plantea una pregunta seria: si puedes obtener rendimiento comparable a GPT-4.1 con un modelo de código abierto que puedes ejecutar en tu propia infraestructura, ¿por qué pagar por la API?

La respuesta honesta: conveniencia, soporte, actualizaciones, y las tareas donde los modelos cerrados todavía tienen ventaja. Pero el argumento es cada vez más débil.

Análisis basado en benchmarks publicados y evaluaciones propias durante junio 2026.