Qwen4-Max convierte la carrera de la IA en una guerra de precios, no de rankings
El nuevo buque insignia de Alibaba no necesita ganar todas las pruebas. Si se queda cerca y cuesta mucho menos, los laboratorios de EE. UU. tendrán que justificar su sobreprecio.
Foto: Earthranger / Wikimedia Commons (CC BY-SA 3.0)
¿Y si la próxima gran guerra de modelos de IA no la gana quien lidere la clasificación, sino quien envíe la factura más pequeña? El lanzamiento de Qwen4-Max por parte de Alibaba el 16 de noviembre apunta en esa dirección, y creemos que es la pregunta correcta para cualquiera que pague por tokens.
Esto es lo que sabemos. Según Business Standard, Alibaba asegura que el modelo reduce un 60 % el coste de las tareas y añade salvaguardas de ciberseguridad. Esa cifra es una afirmación de la propia empresa, así que tómala como marketing hasta que pruebas independientes la confirmen. Listados como OpenRouter muestran 1,50 dólares por millón de tokens de entrada y 4,50 dólares por millón de tokens de salida, y otros listados le atribuyen una ventana de contexto de un millón de tokens. Alibaba también afirma que el modelo supera a Claude y a Kimi en pruebas de programación, de nuevo una afirmación del fabricante.
Las señales externas son más modestas. Artificial Analysis le da a Qwen4 Max 43 puntos en su Intelligence Index, y Digg informa de un sexto puesto provisional en la clasificación de desarrollo web de Arena. Es un buen resultado, pero no un barrido.
«Suficientemente bueno y más barato» gana más veces de las que admiten los laboratorios
Lo modesto de esos resultados es precisamente la clave. Un modelo no tiene que ser el primero para resultar peligroso. Si está cerca de la cabeza y cuesta menos por tarea, los departamentos de compras empezarán a hacer preguntas incómodas. Querrán saber por qué pagan un sobreprecio por una ventaja que se ve en un gráfico, pero no en su propia carga de trabajo.
También separaríamos el precio de tarifa del coste por tarea. Las crónicas del lanzamiento dicen que Alibaba ofrece tanto tarifas más bajas como menos tokens gastados por trabajo. Esa distinción importa. Los tokens baratos en un modelo que se enrolla no suponen ahorro, y los tokens caros en un modelo que acierta a la primera pueden sí suponerlo. Por eso el 60 % es la cifra que hay que comprobar, y esperaríamos a pruebas de terceros antes de creérnosla.
Los costes de cambiar son el verdadero foso, y se están reduciendo
Por la documentación no podemos decir bajo qué licencia se distribuye Qwen4-Max, así que no especularemos. Lo que sí podemos decir es lo que describen los listados: una ventana de contexto amplia, llamadas a funciones y entrada de texto e imagen. Hace unos años eso habría sido titular. Hoy parece lo mínimo exigible, y en nuestra opinión esa es la historia silenciosa.
Cuando las fichas técnicas se parecen entre proveedores, el argumento para quedarse con uno pasa a ser la costumbre y el trabajo de integración. La costumbre es un foso débil. Creemos que los laboratorios que dependen sobre todo de ser la opción por defecto son los más expuestos, porque cada alternativa creíble y más barata reduce el coste de probar otra cosa, aunque solo sea para negociar.
Qué deberían hacer los laboratorios de EE. UU. en lugar de defender la clasificación
Los precios premium pueden sobrevivir, pero necesitan un argumento mejor que unos puntos en una prueba de programación. La fiabilidad, el soporte, las garantías de seguridad, el tratamiento de los datos y las herramientas aportan valor real. Muchos compradores, sobre todo en sectores regulados, probablemente también sopesarán el origen de un modelo que se ejecuta en infraestructura en la nube china, y es una preocupación legítima que aquí no podemos cuantificar.
Lo incómodo para los laboratorios estadounidenses es que esos argumentos exigen esfuerzo, mientras que publicar un benchmark sale barato. Esperamos, y es una predicción, que los próximos meses traigan bajadas de precios, paquetes y un discurso más insistente sobre la confianza. Sería bueno para los clientes.
Nuestro veredicto
No cambies de proveedor por un titular del día del lanzamiento. Prueba tu propia carga de trabajo con Qwen4-Max y mide el coste por tarea completada, no el precio por millón de tokens. Si el ahorro se mantiene, úsalo como baza de negociación con tu proveedor actual. En cualquier caso, la era de pagar más solo por estar en lo alto de la clasificación parece llegar a su fin.
Aún no hay temas: abre el primero.
Más noticias
La apuesta de OpenAI por la robótica: gana la escala, ¿y quién explica los fallos?
Integrar la robótica en los modelos generales puede ser eficiente, pero disuelve a los especialistas que sabrían por qué un robot dejó caer la botella, y eso importa más que el benchmark.
Harbor de Apple podría hacer que la IA privada sea algo que la gente normal use
Una app filtrada para Mac promete modelos locales fáciles y un clúster automático por Thunderbolt. Si llega tal cual, la batalla ya no será la privacidad, sino el precio.
Fable 5.2 demuestra que la carrera de la IA va ya de precio por capacidad
El nuevo modelo estrella de Anthropic es más barato y rápido que su predecesor. Para nosotros, el liderazgo en las clasificaciones dura poco; lo que queda es el precio y la fiabilidad.
Centros de datos y licencia social: la factura de la luz puede ser la chispa
De un proyecto cancelado en Sídney a una pausa propuesta en Texas y la oferta de Milei en la Patagonia: el recurso más escaso de la IA es el consentimiento público, no los chips.



