# Qwen3.8-Max: el modelo insignia de Alibaba, qué mide y cuánto cuesta

> Qwen3.8-Max de Alibaba: 2.4T de parámetros, 1M de contexto, precios y benchmarks que publicó su laboratorio, y cuándo elegirlo, a 15 de noviembre de 2026.

*Tags: ia, modelos, alibaba, qwen, pesos-abiertos*

---


> [!info] Definición Rápida
> **Qwen3.8-Max** es el modelo insignia de Alibaba, presentado el 3 de agosto de 2026: una mezcla de expertos (MoE) con 2.4 billones de parámetros totales y 95 mil millones activos, con 1M de tokens de contexto y pensado para código y tareas largas de agentes. Es la versión oficial basada en los pesos Qwen3.8-2.4T-A95B.


Todos los datos de esta página son a 15 de noviembre de 2026 y salen de páginas de Alibaba. Los precios y las licencias cambian.

## ¿Qué es Qwen3.8-Max y cuándo salió?

Alibaba lo anunció el 3 de agosto de 2026 como su modelo más grande y capaz hasta la fecha. Se apoya en la serie Qwen3.5 y usa una arquitectura MoE: de los 2.4T de parámetros, solo 95B trabajan en cada token. Aprende más sobre este tipo de modelos en [[modelos-pequenos-vs-grandes|modelos pequeños vs. grandes]].

| Dato | Valor |
|---|---|
| ID de API | `qwen3.8-max` |
| Pesos abiertos | `Qwen/Qwen3.8-2.4T-A95B` (Hugging Face) |
| Fecha | 3 de agosto de 2026 |
| Contexto | 1M de tokens por defecto; en los pesos, 262,144 de forma nativa y hasta 1,010,000 con extensión |
| Precio de API | 2 USD entrada / 6 USD salida por millón de tokens (Singapur y EE. UU.) |
| Abierto o cerrado | Pesos publicados con licencia propia (ver más abajo) |

En la misma documentación de Alibaba Cloud aparecen también `qwen3.8-flash`, descrito como rápido y económico, y `qwen4-max-preview`, listado dentro de un plan llamado Token Plan. Esta página trata solo de Qwen3.8-Max.

## ¿Para qué sirve?

Alibaba lo presenta para código, trabajo real, investigación y tareas de largo aliento. Su anuncio cuenta que el modelo corrió un proyecto de ingeniería de software durante 16 días y produjo un framework de agentes que Alibaba publicó en GitHub. Es una afirmación del laboratorio, no una prueba independiente.

Casos que el anuncio menciona y que te tocan de cerca:

- Reconstruir un proyecto de frontend a partir de capturas de pantalla (con la versión alojada, que acepta visión).
- Convertir documentos largos en una base de conocimiento consultable.
- Crear juegos y animaciones a partir de lenguaje natural.

Es un [[modelos-de-razonamiento|modelo de razonamiento]]: en los pesos abiertos el razonamiento siempre está activo, así que cada respuesta consume tokens extra pensando. Esto sube el costo y la latencia en tareas simples.

## ¿Qué benchmarks publicó y cómo se leen?

Estos puntajes los midió Alibaba con sus propios arneses, según la ficha en Hugging Face. No sirven para armar un ranking contra modelos de otros laboratorios. Para entender el porqué, lee [[benchmarks-de-ia|cómo leer benchmarks de IA]].

| Benchmark | Puntaje | Quién lo midió y cómo |
|---|---|---|
| Terminal Bench 2.1 | 86.6 | Alibaba, con Claude Code (promedio de 10 corridas, 5 horas de límite) |
| SWE-bench Pro | 67.7 | Alibaba, con el arnés de Claude Code, sobre una versión depurada del benchmark (tareas problemáticas corregidas) |
| DeepSWE 1.1 | 56.6 | Alibaba (reporta el mejor resultado entre dos arneses) |
| WideSearch | 81.9 | Alibaba, con Qwen-Agent (F1 promedio de 4 corridas) |
| GPQA Diamond | 92.6 | Alibaba |
| IFBench | 82.8 | Alibaba |
| HLE | 43.6 | Alibaba |
| HLE con herramientas | 56.2 | Alibaba |

Dos lecciones para un junior:

- **El nombre engaña.** Alibaba reporta Terminal Bench 2.1; Mistral y Moonshot reportan Terminal-Bench 4.0. Son versiones distintas: no compares sus números.
- **El arnés importa.** La ficha aclara que el modelo rinde mejor con Claude Code en DeepSWE 1.1. Un mismo modelo cambia de puntaje según el programa que lo rodea.

La ficha también incluye pruebas internas de Alibaba (por ejemplo QwenReactBench y QwenSVGBench). Como las diseñó y las corre el propio laboratorio, tómalas como señal de dónde puso su esfuerzo, no como un estándar.

## ¿Cuánto cuesta y qué contexto tiene?

Según la documentación de precios de Alibaba Cloud Model Studio (a 15 de noviembre de 2026), en dólares por millón de tokens, igual en modo con y sin razonamiento:

| Región | Entrada | Salida |
|---|---|---|
| Singapur (internacional) y EE. UU. (despliegue US) | 2 | 6 |
| Hong Kong, Alemania, Japón y EE. UU. (global) | 1.65 | 4.951 |

Hay un solo tramo: hasta 1M de tokens por solicitud, todo al mismo precio. Los precios de entrada no incluyen el caché. El README de GitHub de Alibaba indica 1M de contexto, con entrada máxima de 991.80K y salida máxima de 131.07K. Si no dominas estas unidades, lee [[tokens|tokens]] y [[costo-por-token|costo por token]]; para el contexto, [[ventana-de-contexto|ventana de contexto]].

## ¿Cuándo elegirlo y cuándo no?

Elígelo cuando:

- Necesites un modelo fuerte en código por API y quieras comparar costo contra otros.
- Te importe poder descargar los pesos, por ejemplo para auditoría o despliegue propio (revisa la licencia primero; ver [[modelos-abiertos-vs-cerrados|modelos abiertos vs. cerrados]]).

Evítalo cuando:

- Necesites que lea imágenes y quieras usar los pesos abiertos: son solo de texto.
- Tu tarea sea simple y de alto volumen: un modelo de razonamiento de este tamaño gasta de más.
- Tu empresa ofrezca un servicio de modelos a terceros y supere los 50 millones de dólares de ingresos en 12 meses: la licencia exige un acuerdo aparte.

## Ejemplo

Ejemplo ilustrativo: una diseñadora de producto tiene un sistema de diseño en JSON de tokens y quiere generar el componente de un botón en React con sus variantes. Toma tres tareas que ya resolvió con otro modelo, las manda a `qwen3.8-max` por API con los tokens como contexto y anota, para cada una, el costo en tokens y si el código compila a la primera.

Qué probar mañana: corre esas tres tareas con `reasoning_effort` en `medium` y en `xhigh`, y compara costo y calidad. Decide con tus propias tareas, no con la tabla del laboratorio.

## Errores comunes

- Comparar el 86.6 de Terminal Bench 2.1 con el 65.7 de Terminal-Bench 4.0 de otro modelo: son versiones distintas.
- Asumir que como hay pesos en Hugging Face la licencia es libre. Es una licencia propia con condiciones.
- Esperar visión en los pesos abiertos.
- Usar un precio de otra región: varía entre 2 y 1.65 por millón de entrada.
- Tomar las pruebas internas del laboratorio como un estándar independiente.

## Fuentes

- [Hugging Face: ficha de Qwen3.8-2.4T-A95B](https://huggingface.co/Qwen/Qwen3.8-2.4T-A95B)
- [Hugging Face: licencia de Qwen3.8-2.4T-A95B](https://huggingface.co/Qwen/Qwen3.8-2.4T-A95B/blob/main/LICENSE)
- [Alibaba Cloud: anuncio de Qwen3.8-Max](https://www.alibabacloud.com/blog/alibaba-unveils-qwen3-8-max-its-largest-and-most-capable-flagship-model-to-date_603420)
- [Alibaba Cloud Model Studio: precios de modelos](https://www.alibabacloud.com/help/en/model-studio/model-pricing)
- [Alibaba Cloud Model Studio: lista de modelos](https://www.alibabacloud.com/help/en/model-studio/models)
- [GitHub de Alibaba Cloud: Qwen3.8-max](https://github.com/AlibabaCloud-Official/Qwen3.8-max)


---

Source: https://www.fernandoux.com/es/wiki/ia/qwen3-8-max/
