Mercado de modelos

El modelo Max, el más grande y potente de la serie Qwen3.7, ofrece actualmente una interfaz exclusivamente de texto para experimentación pública. Qwen3.7 es un modelo insignia de última generación diseñado para la era centrada en agentes, cuyas principales fortalezas residen en la amplitud y profundidad de sus capacidades a nivel de agente: destaca en programación, tareas de oficina y productividad, y ejecución autónoma a largo plazo.

Dentro de la serie Qwen3.7, el modelo Plus, de bajo costo, se basa en sus sólidas capacidades de texto a la vez que ofrece una actualización integral de sus capacidades de visión y lenguaje, conservando al mismo tiempo su inteligencia integral a nivel de agente para la codificación, el uso de herramientas y los flujos de trabajo de productividad. Su característica distintiva clave son las capacidades de agente híbrido interactivo multimodal, que le permiten percibir escenas del mundo real, leer pantallas e interactuar con interfaces gráficas de usuario (GUI), generar código basado en referencias visuales y realizar la navegación completa dentro de las aplicaciones móviles.

El modelo completo de la serie Qwen-Image-2.0 integra la generación y edición de imágenes; ofrece capacidades de renderizado de texto más profesionales con soporte para comandos de 1k tokens, texturas más delicadas y realistas, una representación meticulosa de escenas realistas y una mayor fidelidad semántica. La versión completa posee las mejores capacidades de renderizado de texto y texturas realistas de la serie 2.0.

La serie Max de modelos de edición de imágenes de Qianwen ofrece capacidades de edición más estables y completas: capacidades mejoradas de diseño industrial y razonamiento geométrico; mayor consistencia de caracteres; problemas de desplazamiento reducidos; y capacidades LoRa integradas para una edición de imágenes más funcional.

La serie de modelos de generación de imágenes Qianwen cuenta con una escala de parámetros de 20 mil millones. Posee capacidades excepcionales de renderizado de texto, destacando en el renderizado de texto complejo y en diversas tareas de generación y edición. Ha obtenido resultados de vanguardia (SOTA) en múltiples pruebas de rendimiento públicas, demostrando una mejora significativa en su desempeño.

Qwen3.5-122B-A10B es un modelo multimodal de visión y lenguaje basado en la «mezcla de expertos» (Mixture-of-Experts), diseñado para aplicaciones de agentes multimodales nativos, que admite entradas de texto, imágenes y vídeo. Integra el aprendizaje multimodal, la eficiencia arquitectónica y el aprendizaje por refuerzo a gran escala para mejorar el rendimiento en áreas como el razonamiento, la programación, los agentes y la comprensión visual.

Qwen3.5-397B-A17B es un modelo base multimodal que cuenta con una arquitectura híbrida de «mezcla de expertos» (Mixture-of-Experts) con entrenamiento de fusión temprana de visión y lenguaje, diseñado para ofrecer un rendimiento de vanguardia en chat, generación aumentada por recuperación, comprensión de visión y lenguaje, comprensión de vídeo y flujos de trabajo con agentes. Entre sus características más destacadas se incluyen: Base unificada de visión y lenguaje: el entrenamiento de fusión temprana en tokens multimodales alcanza la paridad intergeneracional con modelos anteriores basados únicamente en texto y supera a los modelos dedicados de visión y lenguaje en pruebas de rendimiento de razonamiento, programación, agentes y comprensión visual. Arquitectura híbrida eficiente: las redes Gated Delta, combinadas con una «mezcla de expertos» dispersa, proporcionan una inferencia de alto rendimiento con una latencia y unos costes adicionales mínimos. Generalización escalable del aprendizaje por refuerzo: el aprendizaje por refuerzo se escala en entornos de millones de agentes con distribuciones de tareas progresivamente complejas para lograr una adaptabilidad robusta al mundo real. Cobertura lingüística global: compatibilidad ampliada a 201 idiomas y dialectos, lo que permite un despliegue inclusivo a nivel mundial con una comprensión matizada de los matices culturales y regionales. Modo de reflexión: funciona en modo de reflexión de forma predeterminada, generando contenido de razonamiento interno (<think>...</think>) antes de producir las respuestas finales, con la opción de desactivarlo para obtener respuestas directas.