El 16 de febrero de 2026 —coincidiendo con el momento de alta visibilidad de la víspera del Año Nuevo chino— Alibaba anunció el lanzamiento de Qwen 3.5, la siguiente gran iteración de su familia insignia de modelos grandes de lenguaje y multimodales.
Las variantes de Qwen están cerrando la brecha con los principales modelos de código cerrado, mientras que otros lanzamientos chinos como GLM-5 y MiniMax M2.5 también empujan la frontera. En techos de benchmarks puros, algunas configuraciones propietarias (variantes especializadas de GPT/Gemini/Claude) siguen liderando en nichos estrechos, pero la combinación de pesos abiertos, funciones de agente multimodal y costos de operación mucho más bajos de Qwen-3.5 lo convierte en la llegada más disruptiva de principios de 2026.
¿Qué es exactamente Qwen3.5?
Qwen3.5 es la última generación de la familia de modelos fundacionales multimodales de pesos abiertos de Alibaba (pesos abiertos para algunas variantes más un nivel cerrado/“plus” para una oferta de mayor rendimiento) diseñada para flujos de trabajo “agénticos”; es decir, modelos que pueden percibir (visión + texto), razonar en múltiples pasos y activar herramientas o acciones. El anuncio de Alibaba presenta Qwen3.5 como un salto de rendimiento + coste sobre Qwen3 y variantes anteriores, con capacidades nativas de visión-lenguaje/agénticas y soporte para ventanas de contexto grandes.
Versiones lanzadas
Alibaba publicó al menos dos variantes:
| Versión del modelo | Parámetros totales | Parámetros activos | Características clave |
|---|---|---|---|
| Qwen3.5-397B-A17B | ~397 mil millones | 17 mil millones | Buque insignia de pesos abiertos; inferencia eficiente; multimodal |
| Qwen3.5-Plus | ~3970 mil millones equivalentes | ~170 mil millones | Variante alojada en la nube de capacidad completa para uso vía API |
¿Cuáles son las características clave de Qwen3.5?
A continuación, se ofrece una visión detallada de las principales innovaciones detrás de Qwen3.5 y cómo se compara con los principales modelos de código cerrado:
1. Arquitectura híbrida y eficiencia de inferencia
Qwen3.5 combina:
- Capas MoE dispersas — para escalado eficiente
- Gated Delta Networks con atención lineal — para un procesamiento de tokens más rápido
- Ventana de contexto masiva — hasta 1M tokens (extensible), que permite secuencias de tareas extendidas como videos largos o bases de código sin compromisos de marcador de posición
| Característica | Qwen3.5 | GPT-5.2 | Claude Opus 4.5 | Gemini 3 Pro |
|---|---|---|---|---|
| Arquitectura | MoE + Gated Delta | Transformer denso | Transformer denso | Transformer denso |
| Longitud de contexto | Hasta 1M tokens | ~100–200K tokens | ~100–200K tokens | ~100–200K tokens |
| Multimodal (nativo) | Sí | Sí | Sí | Sí |
| Idiomas admitidos | 201+ | ~100+ | ~100+ | ~100+ |
| Eficiencia de inferencia | Muy alta | Moderada | Moderada | Moderada |
Evaluación: La arquitectura híbrida de Qwen3.5 está particularmente orientada a la inferencia eficiente con grandes volúmenes de tokens, una ventaja competitiva en despliegues reales donde el rendimiento y el coste importan.
2. Capacidades agénticas
La “IA agéntica” se refiere a modelos que operacionalizan tareas de forma autónoma: toman decisiones, actúan sobre objetivos de GUI o realizan lógica multi-paso sin instrucciones humanas.
Los anuncios oficiales de Alibaba afirman que Qwen3.5:
- Ejecuta tareas de múltiples pasos de forma autónoma en aplicaciones móviles y de escritorio
- Admite trabajo de agentes visuales, como manipulación de GUI y comprensión de video
- Incluye razonamiento extendido y planificación de tareas
Esto posiciona a Qwen3.5 no solo como un LLM conversacional, sino como una base para flujos de trabajo de IA autónoma, actualmente una frontera emergente en investigación y despliegue de IA.
3. Multimodalidad y cobertura lingüística
Una de las características más destacadas de Qwen3.5 es su capacidad multimodal nativa: maneja entrada de texto, imagen y video de forma fluida, un sello de los sistemas de IA de próxima generación. Además, el soporte de idiomas se ha ampliado drásticamente, cubriendo ahora 201 idiomas y dialectos (frente a 119 en Qwen3), ampliando enormemente la aplicabilidad global.
4. Inteligencia multimodal
A diferencia de la mayoría de modelos de lenguaje tradicionales que sobresalen solo en texto, la integración visión-lenguaje de Qwen 3.5 habilita funciones como:
- Comprensión de video largo — con soporte reportado de hasta 2 horas de entrada de video continua.
- Razonamiento e interpretación visual — en tareas como reconocimiento de imágenes, subtitulado e interpretación de comandos visuales.
- Síntesis de GUI y código — por ejemplo, convertir maquetas de UI visuales en código funcional.
Estas funciones lo posicionan no solo como un LLM, sino como una base multimodal para agentes autónomos.
¿Cómo se desempeña Qwen-3.5 en benchmarks?
Evaluaciones de razonamiento central y conocimiento
La siguiente tabla resume cifras publicadas de benchmarks comparando Qwen3.5 con importantes contrapartes propietarias:
| Benchmark | Qwen3.5 | GPT-5.2 | Claude 4.5 | Gemini 3 Pro |
|---|---|---|---|---|
| MMLU-Pro (conocimiento) | 87.8 | ~85+ | n/a | ~86+ |
| GPQA (razonamiento nivel PhD) | 88.4 | ~87 | ~87 | ~88 |
| IFBench (seguimiento de instrucciones) | 76.5 | ~74–75 | ~75 | ~74 |
| BFCL-V4 (agente general) | >Gemini 3 Pro | Base | Por debajo de Qwen3.5 | Ver notas |
- TAU2-Bench (ejecución de herramientas + razonamiento): Qwen3.5 (variante abierta 397B) — ~87.1; las configuraciones de GPT-5.2 a menudo oscilan en altos 80s–90s en las suites TAU según tablas de proveedores.
- BFCL-V4 (llamadas a funciones/herramientas): Qwen3.5 — ~72.9; los modelos cerrados top en los tableros de proveedores muestran valores más altos (variantes GPT-5.2 / Claude Opus rondan ~77–78 para algunas configuraciones). BFCL mide la selección precisa de funciones, el ensamblaje de argumentos y la orquestación de herramientas.
- VITA-Bench (interacciones agénticas multimodales): Qwen3.5 — ~49.7; los modelos cerrados competidores muestran una dispersión: algunos tienen mayor razonamiento visual de una sola modalidad, pero los números de agente multimodal integrado de Qwen son competitivos.
- DeepPlanning (planificación de largo horizonte): Qwen3.5 — ~34.3; DeepPlanning es una prueba más nueva y exigente enfocada en planificación de varios días y pasos de largo horizonte (paper: arXiv). Las puntuaciones en todos los modelos de frontera muestran margen de mejora; el valor de Qwen es que está mejorando la capacidad agéntica de largo horizonte respecto a iteraciones anteriores de Qwen.
- MMLU / MMMLU / tareas de conocimiento: Qwen3.5 — MMLU/variantes reportadas ~88–89 (números del proveedor), ubicándolo en el nivel alto para conocimiento general/razonamiento en comparación con versiones anteriores de Qwen.
Qué implican estos números: Qwen3.5 destaca especialmente en tablas de líderes de agentes multimodales y multi-herramienta (BFCL, variantes de TAU2, VITA), lo que se alinea con los objetivos declarados del producto de Alibaba (agentes que actúan en aplicaciones). En porciones estándar de razonamiento o codificación, el modelo es competitivo pero no un dominador absoluto sobre los sistemas cerrados más fuertes; más bien se sitúa en la gama alta y cierra brechas en muchas áreas prácticas. Qwen3.5 al menos iguala o supera por poco a los modelos cerrados líderes en tareas seleccionadas — especialmente razonamiento de conocimiento, comprensión multimodal y flujos de trabajo de agentes.
¿Qwen3.5 supera a los modelos de código cerrado de primer nivel en 2026?
Esta es la pregunta central — y la respuesta requiere matices cuidadosos. La mayoría de analistas neutrales de IA caracterizarían a Qwen3.5 como competitivo con el nivel más alto de modelos de código cerrado en 2026, y — en términos de coste-valor del mundo real — a menudo superior para muchos casos prácticos, especialmente donde la multimodalidad y la longitud del contexto son críticas.
Sí — en benchmarks específicos y métricas de coste
Eficiencia y precios: En coste por token, velocidad de inferencia y asequibilidad de despliegue, Qwen3.5 está significativamente por delante.
Desempeño en benchmarks: Los resultados reportados muestran que Qwen3.5 iguala o supera a GPT-5.2 y Gemini 3 Pro en razonamiento de conocimiento (MMLU-Pro) y benchmarks de razonamiento avanzado. En tareas agénticas, afirma un rendimiento superior a Gemini 3 Pro y GPT-5.2.
Capacidades de agente: La arquitectura de Qwen3.5 parece particularmente fuerte en suites de tareas agénticas donde la multimodalidad y el contexto extendido importan. En tareas agénticas, afirma un rendimiento superior a Gemini 3 Pro y GPT-5.2.
Escenarios en los que Qwen-3.5 probablemente sobresalga
- Pilotes de inferencia a gran escala y sensibles a la latencia donde las mejoras de rendimiento se traducen directamente en ahorros de coste (p. ej., chat de atención al cliente de alto volumen, generación masiva de código). Las afirmaciones de rendimiento de Qwen-3.5 lo hacen atractivo.
- Despliegues on-premise sensibles a la privacidad donde los pesos abiertos y el ajuste fino local son esenciales (sanidad, sectores regulados). La licencia abierta reduce la dependencia de proveedores.
- Pipelines multimodales agénticos integrados en apps propietarias donde las rutas nativas de visión-a-acción reducen la complejidad de integración y mejoran las tasas de éxito de extremo a extremo.
Precio y descuento: la eficiencia de costes como ventaja competitiva
Uno de los diferenciadores más dramáticos de Qwen3.5 es el precio — tanto su coste absoluto como cómo se compara con sistemas propietarios con sede en EE. UU.
Precios de API y tokens
| Modelo | Precio de API por 1M tokens | Índice de coste relativo* |
|---|---|---|
| Qwen3.5-Plus (Alibaba) | 1× | |
| Gemini 3 Pro | ~18× | |
| GPT-5.2 | ~15–25× | |
| Claude Opus 4.5 | ~15–18× |
*Convertido a partir de precios locales reportados; valores aproximados para contexto comparativo.
Observación: El precio nativo de Qwen3.5 — aproximadamente 1/18 de algunos modelos propietarios — cambia fundamentalmente el coste-rendimiento para ecosistemas empresariales y de desarrolladores. Los menores costes por token reducen drásticamente la sobrecarga de despliegue, especialmente para tareas de inferencia de gran volumen.
Impacto estratégico y de mercado
La combinación de licencia abierta (Apache 2.0), capacidad multimodal, preparación agéntica y bajo precio de Qwen3.5 podría remodelar los patrones de despliegue de IA a nivel global — especialmente para desarrolladores internacionales que priorizan coste y flexibilidad.
Además, este lanzamiento puede acelerar dinámicas competitivas:
- Mayor presión sobre los proveedores de código cerrado para ofrecer mejores precios o pesos abiertos.
- Mayor adopción de IA en sistemas empresariales locales donde las restricciones de coste históricamente limitaron el despliegue.
- Innovación de investigación ampliada gracias al acceso abierto y las contribuciones de la comunidad en plataformas como Hugging Face y el propio ecosistema de desarrolladores de Alibaba.
Conclusión
El lanzamiento de Qwen3.5 en la víspera del Año Nuevo chino ha marcado, posiblemente, un nuevo punto de referencia en el panorama de IA de 2026. Si bien sistemas propietarios como GPT-5.2, Claude Opus 4.5 y Gemini 3 Pro siguen siendo formidables, Qwen3.5 iguala o supera su rendimiento en muchas tareas — y lo hace con costos dramáticamente más bajos y amplias capacidades multimodales.
En evaluaciones de benchmarks, muchas medidas líderes sitúan a Qwen3.5 en el mismo nivel o por encima del nivel de rendimiento de los principales modelos de código cerrado; en coste y eficiencia de inferencia, es decididamente superior.
Los desarrolladores pueden acceder a la API de Qwen 3.5 a través de CometAPI ahora. Para comenzar, explora las capacidades del modelo en el Playground y consulta la guía de API para instrucciones detalladas. Antes de acceder, asegúrate de haber iniciado sesión en CometAPI y obtenido la clave de API. CometAPI ofrece un precio mucho más bajo que el oficial para ayudarte a integrar.
¿Listo para empezar? → ¡Regístrate en Qwen-3.5 hoy!
Si quieres conocer más consejos, guías y noticias sobre IA, síguenos en VK, X y Discord!