Alibaba ha sorprendido al mundo de la inteligencia artificial con el lanzamiento de Qwen3.6-27B, un modelo de lenguaje de código abierto que desafía la creencia de que la potencia requiere un tamaño gigantesco. Este nuevo modelo, con apenas 27.000 millones de parámetros y un tamaño cuantizado inferior a 17 GB, supera en rendimiento a su predecesor, Qwen3.5-397B-A17B, que contaba con 397.000 millones de parámetros y ocupaba 807 GB de espacio en disco y memoria.
La clave de esta eficiencia radica en la arquitectura "densa" de Qwen3.6-27B. A diferencia de la mayoría de los modelos grandes actuales que utilizan una arquitectura "Mixture-of-Experts" (MoE), donde solo se activa una fracción de los parámetros durante su uso, Qwen3.6-27B activa la totalidad de sus 27.000 millones de parámetros en cada inferencia. Si bien esto puede ser menos eficiente en términos de recursos, ofrece ventajas prácticas significativas, como la eliminación de la necesidad de un enrutador de expertos y una cuantización más predecible y compacta.
Los resultados de las pruebas comparativas, o benchmarks, respaldan la efectividad de este enfoque. En SWE-bench Verified, un benchmark popular para tareas de programación real, Qwen3.6-27B obtuvo una puntuación del 77,2%, superando el 76,2% de Qwen3.5-397B-A17B. En Terminal-Bench 2.0, que evalúa la capacidad del modelo para ejecutar tareas en la consola de comandos, Qwen3.6-27B alcanzó un impresionante 59,3%, frente al 2,5% de su predecesor. Lo más notable es que en esta prueba, Qwen3.6-27B igualó la puntuación de Claude Opus 4.5, uno de los modelos más avanzados de Anthropic.
Este logro es particularmente significativo porque se trata de un modelo de código abierto que puede ser utilizado localmente con relativa facilidad. La capacidad de ejecutar un modelo de IA de este calibre en hardware accesible es un avance importante para la democratización de la tecnología.
La propia Alibaba se ha mostrado sorprendida por el rendimiento de Qwen3.6-27B, impulsándolo por encima de su modelo más ambicioso anterior. Esta decisión interna de priorizar el modelo más pequeño y eficiente es un claro indicio de que el tamaño no siempre es sinónimo de potencia en el campo de la inteligencia artificial.
Para ejecutar Qwen3.6-27B de manera óptima, se requieren aproximadamente 24 GB de VRAM, lo que lo hace compatible con tarjetas gráficas como las RTX 3090. Si bien los modelos densos no funcionan tan bien en dispositivos con memoria unificada como los MacBook o Mac mini, el acceso a modelos locales capaces sigue mejorando.
El lanzamiento de Qwen3.6-27B se suma a la creciente tendencia de las empresas a desarrollar modelos de lenguaje más pequeños y eficientes, conocidos como "Small Language Models" (SLMs). Alibaba ya había demostrado su capacidad en este segmento a principios de marzo con el lanzamiento de varios modelos que oscilaban entre 0,8B y 9B de parámetros. Otros ejemplos de SLMs incluyen Gemma 4 de Google, Phi-4 de Microsoft y Devstral 2 de Mistral.
Según los benchmarks, Qwen3.6-27B es comparable a Claude Opus 4.5, el modelo más avanzado de Anthropic lanzado en noviembre de 2025. Esto sugiere que los modelos de código abierto desarrollados por empresas chinas están cerrando la brecha con los modelos más avanzados de empresas occidentales como Anthropic, OpenAI y Google, situándose entre 6 y 12 meses por detrás en términos de rendimiento.
Sin embargo, a pesar de los avances en la eficiencia de los modelos de IA, su ejecución sigue requiriendo una inversión considerable en hardware. Si bien los modelos de IA locales ofrecen ventajas en términos de privacidad, aquellos que buscan la máxima velocidad y rendimiento aún dependen de los modelos comerciales alojados en la nube.
En resumen, Qwen3.6-27B representa un paso adelante significativo en el desarrollo de modelos de lenguaje de código abierto, demostrando que la potencia y la eficiencia pueden coexistir en un paquete compacto. Este logro abre nuevas posibilidades para la democratización de la inteligencia artificial y el acceso a tecnologías avanzadas para una gama más amplia de usuarios. La apuesta de Alibaba por modelos más pequeños y densos podría marcar el inicio de una nueva era en el campo de la IA, donde la innovación se centra en la optimización y la eficiencia en lugar de la simple escalabilidad.
