El 19 de julio de 2026, Alibaba irrumpió en la Conferencia Mundial de IA de Shanghái con una declaración que debería haber sacudido los cimientos de la inteligencia artificial global: su nuevo modelo Qwen3.8-Max-Preview, con 2,4 billones de parámetros, es, según la compañía, uno de los modelos más potentes disponibles hoy en día, solo superado por Fable 5 de Anthropic. La cifra es deslumbrante, la ambición evidente, pero el anuncio llegó sin una sola tabla de benchmarks, sin arquitectura detallada, sin fecha de publicación de los pesos y sin especificar siquiera cuántos parámetros están activos durante la inferencia. En una industria donde la transparencia es la moneda de la credibilidad, Alibaba ha lanzado una moneda que, por ahora, solo tiene una cara.

El arte del anuncio sin pruebas

La estrategia de Alibaba es tan audaz como calculada. La compañía prometió que los pesos del modelo serán de código abierto “pronto”, pero sin concretar una fecha, según confirmaron tanto TechNode como la agencia estatal rusa TASS, que recogió la información del anuncio oficial. El modelo ya está accesible en versión preview a través de Token Plan, Qoder y QoderWork, lo que permite a desarrolladores seleccionados probarlo, pero el público general y la comunidad investigadora siguen a oscuras sobre su rendimiento real.

La ausencia de datos contrasta violentamente con el comportamiento de su competidor directo, Moonshot AI. Días antes, esta compañía había lanzado Kimi K3, un modelo de 2,8 billones de parámetros —superior en tamaño al de Alibaba— y, lo crucial, ya ha publicado resultados en la Arena de Chatbot y en pruebas especializadas. Como señala el análisis del portal ruso Habr, “Kimi ya tiene resultados en la Arena y pruebas especializadas, mientras que Qwen3.8 aún no tiene tabla pública de benchmarks”. La diferencia no es menor: Moonshot ha apostado por la validación externa; Alibaba, por la declaración unilateral.

El contexto de la WAIC amplifica el movimiento. La conferencia de Shanghái es el escaparate anual de la inteligencia artificial china, y Alibaba necesitaba un golpe de efecto para no quedar relegada tras el éxito mediático de Kimi K3, que ha sido tan arrollador que Moonshot AI ha tenido que suspender nuevas suscripciones por saturación de capacidad de cómputo, según reportaron fuentes del sector. En ese escenario, un anuncio sin datos pero con una cifra astronómica de parámetros y una comparación directa con Claude Fable 5 —el modelo de Anthropic que lidera múltiples rankings— funciona como cortina de humo y como reclamo de atención.

La carga del tamaño: los 2,4 billones de parámetros de Qwen3.8 en la práctica

Para entender el salto que propone Alibaba, conviene traducir esas cifras a realidades físicas. Como detalla el análisis de Habr, en precisión FP16 los pesos del modelo ocuparían aproximadamente 4,8 terabytes de memoria; en 8 bits, unos 2,4 terabytes; y en 4 bits, alrededor de 1,2 terabytes. Estas cifras no incluyen la memoria necesaria para la caché KV (key-value) ni para la inferencia en sí, lo que significa que el hardware requerido para ejecutar Qwen3.8 es colosal, incluso para los estándares de los centros de datos más avanzados.

La pregunta que ningún ejecutivo de Alibaba ha respondido es cuántos de esos 2,4 billones de parámetros están realmente activos durante la inferencia. En los modelos modernos, especialmente aquellos que emplean arquitecturas de mezcla de expertos (MoE), solo una fracción de los parámetros totales se activa en cada paso. Si Alibaba no revela esta métrica —conocida como “parámetros activos”—, la cifra de 2,4 billones es, en el mejor de los casos, incompleta, y en el peor, engañosa.

La compañía tampoco ha especificado la longitud de contexto que soporta el modelo, un factor crítico para aplicaciones empresariales como el análisis de documentos largos o la generación de código complejo. Kimi K3, por contraste, sí ha publicado estas especificaciones, lo que permite a los desarrolladores evaluar su idoneidad para casos de uso concretos.

La guerra de los gigantes chinos: entre la transparencia y el ruido

El duelo entre Alibaba y Moonshot AI no es un incidente aislado, sino el síntoma de una transformación más profunda en el ecosistema chino de inteligencia artificial. Durante años, los laboratorios chinos —Qwen (Alibaba), DeepSeek, Kimi (Moonshot), GLM (Zhipu), Hunyuan (Tencent) y Ernie (Baidu)— compitieron en una carrera relativamente ordenada, donde cada anuncio iba acompañado de papers, benchmarks y, a menudo, pesos abiertos.

Esa era parece estar terminando. La presión por captar la atención de inversores, desarrolladores y medios internacionales —especialmente cuando el mercado global de inteligencia artificial se mueve a velocidad de vértigo— está empujando a algunas compañías a priorizar el impacto mediático sobre la transparencia técnica. El anuncio de Alibaba es el ejemplo más claro hasta la fecha de esta deriva.

No es que Alibaba mienta necesariamente. La compañía tiene un historial sólido con la familia Qwen, y sus modelos anteriores han sido bien recibidos por la comunidad open source. Pero la decisión de lanzar un modelo de 2,4 billones de parámetros sin datos de rendimiento públicos, en un momento en que su competidor directo sí los ha proporcionado, sugiere que la estrategia prioriza el posicionamiento de marca sobre la validación científica.

Para la audiencia global —empresas que evalúan qué modelo integrar en sus flujos de trabajo, inversores que deciden dónde apostar, reguladores que diseñan marcos de gobernanza—, este comportamiento introduce un factor de incertidumbre difícil de gestionar. Si los anuncios chinos empiezan a ser sistemáticamente opacos, el ecosistema en su conjunto perderá credibilidad, y el discurso sobre la “transparencia china” en inteligencia artificial —que Pekín ha promovido activamente— quedará en entredicho.

Una reflexión de futuro: el precio de la opacidad

La pregunta que deja abierta el anuncio de Qwen3.8-Max-Preview no es si el modelo es realmente tan potente como Alibaba afirma, sino si la industria puede permitirse una dinámica donde los anuncios sin pruebas se conviertan en la norma. La inteligencia artificial avanza demasiado rápido y tiene consecuencias demasiado profundas —en la economía, la seguridad, la privacidad y el empleo— para que los actores principales jueguen al juego de las declaraciones sin respaldo.

Alibaba tiene la oportunidad de disipar las dudas cuando publique los pesos del modelo y, con ellos, los resultados de benchmarks independientes. Si lo hace, y si los datos confirman sus afirmaciones, habrá dado un paso legítimo en la frontera de la inteligencia artificial. Si no lo hace, o si los resultados son mediocres, habrá sembrado una desconfianza que costará años disipar.

Mientras tanto, la lección para nuestra audiencia es clara: en la guerra de los gigantes chinos, el tamaño de los parámetros ya no es suficiente para medir el poder real. La transparencia, la reproducibilidad y la validación externa siguen siendo, y serán cada vez más, las únicas monedas de cambio fiables en el mercado global de la inteligencia artificial. Y en esa moneda, Alibaba aún no ha hecho su primer pago.