Qwen é unha familia de modelos de linguaxe a grande escala desenvolvidos por Alibaba Cloud. Ademais, contén modelos multimodais, como poden ser os VLM. En xullo de 2024 foi clasificado como o mellor modelo do idioma chinés nalgúns benchmarks e o terceiro a nivel mundial detrás dos mellores modelos de Anthropic e OpenAI.

Modelos Alibaba lanzou por primeira vez unha versión beta de Qwen en abril de 2023 baixo o nome de Tongyi Qianwen. A arquitectura do modelo baseouse na arquitectura Llama desenvolvida por Meta AI. Lanzouse publicamente en setembro do 2023 despois de recibir a aprobación do goberno chinés. En decembro de 2023 lanzou os seus modelos de 72 mil millóns de pesos e 1,8 mil millóns de pesos para a súa descarga, mentres que o modelo de 7 mil millóns de pesos lanzáronse en agosto. Os seus modelos ás veces se describen como de código aberto, pero o código de adestramento non se publicou nin se documentaron os datos de adestramento, ademais de non cumprir cos termos da definición de intelixencia artificial de código aberto nin os da Iniciativa de Código Aberto da Fundación Linux.

En xuño de 2024, Alibaba lanzou Qwen2 e en setembro dese mesmo ano lanzou algúns dos seus modelos con pesos abertos, mantendo ao mesmo tempo os seus modelos máis avanzados privados. Qwen2 contén modelos densos e dispersos.

En novembro de 2024, QwQ-32B-Preview, un modelo centrado no razoamento similar ao o1 de OpenAI, lanzouse baixo a licenza Apache 2.0, aínda que só se publicaron os pesos, non o conxunto de datos nin o método de adestramento. QwQ ten unha lonxitude de contexto de 32 000 tokens e funciona mellor que o1 nalgúns benchmarks.

En xaneiro de 2025, Alibaba lanzou Qwen2.5-Max. Segundo unha publicación do blog de Alibaba, Qwen2.5-Max supera a outros modelos básicos como GPT-4o, DeepSeek-V3 e Llama-3.1-405B en probas de referencia clave. En febreiro de 2025, Alibaba anunciou que se estaba desenvolvendo o modelo 2.5-Max.

O 28 de abril de 2025 lanzouse a familia de modelos Qwen3 con tódolos modelos baixo a licenza Apache 2.0. A familia de modelos Qwen3 inclúe modelos densos e dispersos. Adestráronse con 36 billóns de tokes en 119 idiomas e dialectos. Tódolos modelos excepto as variantes de 0,6, 1,7 e 4 mil millóns de parámetros teñen unha ventá de contexto de 128 000 tokens. Da mesma forma que o1 de OpenAI e QwQ-32B, os modelos Qwen3 admiten razoamento, que pode habilitarse ou deshabilitarse mediante o tokenizador. Os modelos Qwen3 están dispoñibles en chat.qwen.ai e pode descargarse mediante Hugging Face e ModelScope.

O 5 de setembro de 2025, Alibaba lanzou Qwen3-Max. Segundo indican en Alibaba, supera a outros modelos básicos de razoamento non racional, como Qwen3-235B-A22B-Instruct-2507, Kimi K2, Claude 4 Opus Non-thinking e DeepSeek V3.1. Aínda non existe un modo de pensamento específico para Qwen3-Max.

O 10 de setembro de 2025, Qwen3-Next lanzouse baixo a licenza Apache 2.0 e está dispoñible a través de chat.qwen.ai, así como en plataformas como Hugging Face e ModelScope. Qwen3-Next inclúe dous modelos de instrución e pensamento postadestrados. Creouse cunha nova arquitectura de modelo denominada Qwen3-Next, coa convicción de que o escalado de lonxitude de contexto e o escalado de parámetros totais son dúas tendencias chave para o futuro dos modelos grandes. Qwen3-Next introduce varias melloras con respecto á arquitectura Qwen3: un mecanismo de atención híbrido, unha estruturar de mestura de expertos altamente dispersa, optimizacións da estabilidade do adestramento e un mecanismo de predición multitoken para unha inferencia máis rápida. Baseado na arquitectura Qwen3-Next creouse un modelo con 80 mil millóns de parámetros totais e 3 mil millóns de parámetros activos. O modelo Qwen3-Next ofrece un rendemento comparable, e nalgúns casos superior, ao de Qwen3-32B, utilizando menos do 10% do seu custo de adestramento (en horas de GPU). En inferencia, especialmente con contextos superiores a 32 mil tokens, alcanza un rendemento máis de 10 veces superior. Qwen3.5 utilizará unha versión refinada da arquitectura Qwen3-Next.

Modelos multimodais Qwen non ten só modelos de linguaxe, tamén inclúe modelos multimodais. A serie Qwen-VL é unha liña de modelos visión-linguaxe que combina un transformador de visión cun LLM. Alibaba lanzou Qwen2-VL con variantes de dous mil millóns e sete mil millóns de parámetros.

O 29 de xaneiro de 2025 lanzouse Qwen2.5-VL con variantes de 3, 7, 32 e 72 mil millóns de parámetros. Tódolos modelos excepto a variante de 72 mil millóns de parámetros teñen licenza Apache 2.0. Qwen-VL-Max é o modelo de visión insignia de Alibaba a partir de 2024 e Alibaba Cloud véndeo por 0,00041 dólares americanos por cada mil tokens de entrada.

Alibaba lanzou outros tipos de modelos, como Qwen-Audio e Qwen2-Math. En total, lanzou máis de 100 modelos con pesos abertos, con máis de 40 millóns de descargas. Entusiastas desenvolveron versións de Qwen optimizadas con axuste fino, como Liberated Qwen, desenvolvido por Abacus AI, con sede en San Francisco, que responde a calquera solicitude do usuario sen restricións do contido.

O 24 de marzo de 2025 Alibaba lanzou baixo a licenza Apache 2.0 o modelo Qwen2.5-VL-32B-Instruct como sucesor do modelo Qwen2.5-VL.

O 26 de marzo de 2025, Qwen2.5-Omni-7B lanzouse baixo a licenza Apache 2.0 e púxose a disposición a través de chat.qwen.ai, así como en plataformas como Hugging Face, GitHub e ModelScope. O modelo Qwen2.5-Omni acepta texto, imaxes, vídeos e son como entrada, e pode xerar texto e son como saída, o que permite o seu uso para chat de voz en tempo real, similar a GPT-4o de OpenAI.

Notas

Véxase tamén

Outros artigos Modelo de linguaxe de grande escala Modelo multimodal Modelo Visión-Linguaxe (VLM)

Ligazóns externas Chat de Qwen

Categoría:Intelixencia artificial