Qwen2.5-Max: la jugada de Alibaba que volvió más multipolar la carrera de la IA

El lanzamiento de Qwen2.5-Max importó por una razón que iba más allá de cualquier tabla de resultados: cuestionó la idea de que el desarrollo de modelos de IA de vanguardia estuviera concentrado en unos pocos laboratorios estadounidenses. Alibaba presentó el modelo entre el 28 y el 29 de enero de 2025, poco después de que DeepSeek-V3 captara la atención mundial, y lo acompañó con la distribución de Alibaba Cloud. 29

Eso no demostró que Qwen2.5-Max superara de forma universal a todos sus competidores. Su importancia más duradera fue estratégica: Alibaba mostró que una gran empresa china de servicios en la nube podía poner en el mercado un modelo creíble, cercano a la frontera tecnológica, y respaldarlo con modelos descargables, herramientas para desarrolladores y APIs gestionadas.

Qué era Qwen2.5-Max

Alibaba describió Qwen2.5-Max como un modelo de lenguaje de gran escala basado en una arquitectura de mezcla de expertos (Mixture of Experts o MoE). En este tipo de sistema, distintas redes especializadas se activan según la entrada. Así, el modelo puede mantener una capacidad total considerable sin utilizar todos sus componentes para cada token, lo que potencialmente mejora el equilibrio entre capacidad y eficiencia. Sin embargo, los materiales públicos del lanzamiento no ofrecieron información suficiente para confirmar un número preciso de parámetros totales o activos. 9

Alibaba afirmó que el modelo se entrenó previamente con más de 20 billones de tokens y que después pasó por un ajuste posterior con afinamiento supervisado (Supervised Fine-Tuning, SFT) y aprendizaje por refuerzo a partir de retroalimentación humana (Reinforcement Learning from Human Feedback, RLHF). Estas etapas buscan mejorar el seguimiento de instrucciones, la calidad de las respuestas y la alineación del modelo después del entrenamiento lingüístico inicial. 259

Qwen2.5-Max no debe confundirse con los modelos descargables de la familia Qwen2.5. Esta serie incluía modelos base y modelos ajustados para seguir instrucciones, con tamaños de entre 0,5 y 72 mil millones de parámetros, además de versiones cuantizadas distribuidas mediante Hugging Face, ModelScope y Kaggle. 132

Max ocupaba otro lugar en la cartera: era un modelo insignia alojado en la nube, no otro punto de control cuyos pesos pudieran descargarse libremente. Los análisis publicados en ese momento identificaron Model Studio, la plataforma de Alibaba Cloud, como su principal vía de acceso. 13

Un modelo alojado junto a una familia abierta

La diferencia dejaba ver una estrategia de dos vías:

• Modelos alojados de alta gama: Alibaba podía controlar el acceso a sus sistemas más capaces mediante Model Studio y las interfaces de Qwen.
• Modelos con pesos abiertos: los desarrolladores podían descargar, adaptar, cuantizar y desplegar otros integrantes de la familia Qwen.

El informe técnico de Qwen2.5 documentó más de 100 modelos y variantes accesibles desde repositorios como Hugging Face, ModelScope y Kaggle. También enumeró variantes MoE alojadas en Alibaba Cloud Model Studio. 132

Para un equipo de desarrollo, esto planteaba una elección práctica entre comodidad y control. Una API gestionada reduce el trabajo de infraestructura; los pesos abiertos ofrecen mayor control sobre el despliegue, la personalización y la ubicación de los datos. Alibaba podía utilizar las versiones abiertas para atraer usuarios y, al mismo tiempo, convertir el uso de sus modelos alojados en demanda para su negocio de nube.

Qué afirmó Alibaba sobre los resultados

La empresa aseguró que Qwen2.5-Max era, en términos generales, comparable con Claude 3.5 Sonnet y que superaba a GPT-4o, DeepSeek-V3 y Llama 3.1 405B en muchas de sus evaluaciones. Entre las pruebas destacadas estaban MMLU-Pro, GPQA-Diamond, LiveCodeBench, LiveBench y Arena-Hard, que miden conocimientos, razonamiento difícil, programación, capacidades generales y preferencias de los usuarios, respectivamente. 29

Estas afirmaciones deben leerse con cautela. Los resultados publicados por el propio desarrollador son evidencia de lo que la empresa midió bajo unas condiciones concretas, no una prueba de superioridad universal en entornos reales. La versión del benchmark, la forma de redactar las instrucciones, la configuración del modelo y una posible contaminación de los datos de evaluación pueden modificar las comparaciones. Los análisis contemporáneos también recomendaron prudencia. 254

Una señal más independiente llegó del ranking colectivo Chatbot Arena, elaborado a partir de comparaciones anónimas entre usuarios y reportado a comienzos de febrero de 2025. Qwen2.5-Max aparecía con 1.332 puntos y ocupaba el séptimo puesto general; los informes lo situaban primero en matemáticas y programación, y segundo en la categoría de instrucciones difíciles. 1012

El resultado respaldaba la idea de que Qwen2.5-Max era un competidor serio, cercano a la frontera tecnológica. No probaba que fuera el mejor para todas las tareas ni evaluaba por completo aspectos decisivos en un despliegue empresarial, como fiabilidad, seguridad, uso de herramientas, latencia, gobernanza de datos o soporte técnico.

Una comparación prudente con GPT-4o, Claude y DeepSeek

La conclusión más sólida es, por tanto, más limitada que el titular de Alibaba:

• Frente a GPT-4o, Alibaba informó ventajas amplias en determinados benchmarks, pero esas ventajas deben atribuirse a la empresa y vincularse a las pruebas concretas. 29
• Frente a Claude 3.5 Sonnet, Alibaba presentó Qwen2.5-Max como un modelo ampliamente comparable, no como un ganador indiscutible en todos los escenarios. 29
• Frente a DeepSeek-V3, el lanzamiento fue especialmente relevante porque mostró que Alibaba podía responder con rapidez a un competidor chino recién convertido en protagonista y presentar un modelo que, según sus propias evaluaciones, lo superaba en varias pruebas. 25

La conversación empezó a cambiar: ya no se trataba únicamente de preguntar si un modelo chino podía competir, sino de determinar qué modelo era más adecuado para cada carga de trabajo, modalidad de despliegue, idioma y presupuesto.

La relación con la familia Qwen2.5

Qwen2.5-Max extendió la generación Qwen2.5, pero cumplía una función distinta dentro de la cartera. La familia anterior ponía el acento en una gama de tamaños disponibles públicamente, desde modelos ligeros para experimentar hasta un modelo insignia de 72.000 millones de parámetros. 132

Max añadió una opción de alta gama gestionada por Alibaba. De esa manera, la compañía podía demostrar ambiciones de frontera sin publicar necesariamente todos los elementos del modelo insignia: sus pesos, la arquitectura exacta y los artefactos de entrenamiento.

No era, por tanto, una estrategia sencilla de “código abierto contra código cerrado”. Era una estrategia de cartera: la apertura servía para atraer desarrolladores, integraciones y derivados, mientras que los modelos alojados sostenían la distribución comercial y el consumo de servicios en la nube.

El ecosistema Qwen también puso énfasis en los usos multilingües y de programación, con especial atención al chino y al inglés, además de idiomas como el español, el francés y el japonés. 40 Para empresas que operan en mercados asiáticos y globales, esa cobertura puede ser tan importante como una diferencia pequeña en un benchmark centrado en inglés.

Qwen3 hizo más visible la estrategia

El siguiente gran paso de Alibaba fue Qwen3, presentado en abril de 2025 como una familia de modelos con pesos abiertos. El lanzamiento inicial incluía seis modelos densos de entre 0,6 y 32 mil millones de parámetros y dos modelos MoE, incluido uno de 235 mil millones de parámetros totales con 22 mil millones activos. Alibaba puso los modelos a disposición mundial mediante canales como Hugging Face, GitHub y ModelScope. 171831

Qwen3 hizo más clara la lógica de la cartera. Alibaba podía mantener capacidades premium o especializadas en servicios gestionados y, al mismo tiempo, publicar una amplia variedad de modelos para que los desarrolladores los ejecutaran y adaptaran por su cuenta. Model Studio funcionaba como la contraparte en la nube de ese ecosistema abierto y ofrecía una ruta desde la experimentación hasta el despliegue administrado. 1718

La estrategia no se limitaba a los pesos de los modelos. Alibaba también describió variantes cuantizadas de Qwen3 para equipos de Apple, compatibilidad con modelos grandes de Qwen3 en las GPU AMD Instinct MI300X y versiones ligeras destinadas a dispositivos móviles con procesadores Arm. 22

Estas integraciones son relevantes porque la competencia entre modelos no se decide únicamente por la escala del preentrenamiento. También depende de lo fácil que resulte ejecutar un modelo en distintas nubes, aceleradores, ordenadores portátiles y dispositivos periféricos.

Por qué el lanzamiento intensificó la carrera por la frontera

Qwen2.5-Max aumentó la presión competitiva en tres frentes relacionados.

1. Amplió la dimensión de la competencia china

DeepSeek-V3 ya había cuestionado las suposiciones sobre la capacidad de China para producir modelos muy avanzados. La respuesta de Alibaba mostró que DeepSeek no era el único desarrollador chino capaz de intentar un salto cercano a la frontera. Un gran proveedor de nube, con una familia de modelos ya establecida, podía reaccionar con rapidez, publicar resultados ambiciosos y distribuirlos a través de una plataforma existente. 2

2. Convirtió la distribución en parte del valor del modelo

El valor comercial de un sistema no depende solo de sus puntuaciones. Los desarrolladores también tienen en cuenta el acceso mediante API, las opciones de despliegue, el rendimiento multilingüe, la compatibilidad con hardware, las herramientas de integración y la posibilidad de ajustar o alojar el modelo internamente. Alibaba reunió varias de esas vías entre la familia Qwen y Model Studio. 11722

3. Reforzó el atractivo de las alternativas más baratas y flexibles

Si un modelo es suficientemente bueno para asistentes de programación, traducción, recuperación de información, atención al cliente o copilotos internos, muchas organizaciones no necesitan obtener la máxima puntuación en todas las evaluaciones de frontera.

Los pesos abiertos, los diseños MoE eficientes y la disponibilidad en la nube pueden reducir las barreras de adopción incluso cuando un modelo no domina con claridad todo el mercado. Eso obliga a los proveedores propietarios más caros a justificar sus precios mediante ventajas demostrables en fiabilidad, seguridad, uso de herramientas, gestión del contexto, controles empresariales y calidad del servicio, no solo con la etiqueta de “modelo de frontera”. Los análisis contemporáneos describieron a los modelos chinos como sistemas que reducían la brecha de capacidades mientras competían con fuerza en coste y acceso. 47

El resultado más probable era una mayor segmentación del mercado, no el reemplazo inmediato de todos los modelos occidentales. Algunas organizaciones seguirían pagando por los sistemas cerrados más potentes; otras elegirían modelos chinos alojados o alternativas con pesos abiertos porque ofrecían una combinación más conveniente de rendimiento, control, localización y costes operativos.

¿Qué ocurre con “Ox Alpha”?

La evidencia disponible no confirma que existiera un modelo chino de frontera llamado Ox Alpha que hubiera sido documentado y publicado como un sistema comparable con DeepSeek-V3 o Qwen2.5-Max. Por ello, el nombre debe tratarse como una etiqueta no verificada o una especulación, no como una prueba para evaluar las capacidades de la IA china.

Esa incertidumbre no cambia la conclusión general. Qwen2.5-Max fue importante porque, junto con DeepSeek y otros desarrolladores chinos, contribuyó a que la frontera de la IA pareciera más multipolar. Las armas competitivas ya no eran únicamente los modelos más grandes: también incluían la eficiencia de las arquitecturas MoE, los pesos abiertos, el alcance multilingüe, las APIs en la nube, la portabilidad entre dispositivos y la capacidad de convertir una familia de modelos en un ecosistema global para desarrolladores.