Alibaba estrena un agente que ve y escucha (y se lo queda)

El equipo Qwen de Alibaba, el más prolífico del mundo en modelos abiertos, presentó el jueves Qwen3.8-Omni-Flash: su primer modelo omnimodal construido alrededor de capacidades de agente. Le das texto, imágenes, audio o vídeo (horas de vídeo, con su contexto de un millón de tokens) y no se limita a describir: reúne pruebas, planifica, usa herramientas y busca en la web hasta completar la tarea. Y la noticia dentro de la noticia es lo que falta: esta vez no hay pesos.

Qué sabe hacer

La combinación es menos habitual de lo que parece. Modelos que entienden vídeo y audio ya hay; modelos que ejecutan tareas de varios pasos, también. Qwen3.8-Omni-Flash junta las dos cosas: puede ver un problema (literalmente, en vídeo), planificar la solución y ejecutarla con herramientas, encadenando varias rondas de recopilación de pruebas. Los ejemplos del anuncio van de auditar horas de grabaciones de soporte telefónico a seguir un tutorial en vídeo y reproducir los pasos. Con la API imitando el protocolo de OpenAI, el mensaje a los desarrolladores es explícito: cambiar de proveedor es cambiar una URL.

Es la evolución lógica de lo que venimos contando del ecosistema chino: Tencent regalando modelos punteros, DeepSeek reventando precios con pesos MIT... y Alibaba, hasta hoy, publicando más modelos abiertos que nadie.

Por qué "no hay pesos" es la noticia

Por eso llama la atención el cambio de guion. El modelo base de esta familia se publicó abierto en agosto, como casi todo lo de Qwen. Lo que Alibaba se guarda es exactamente la capa agéntica: la versión que planifica y actúa. Libera los enchufes (los plugins multimodales, el arnés de ejecución) y cierra el cerebro que los usa.

Caben dos lecturas y probablemente las dos son ciertas. La comercial: los agentes son donde está el dinero, y regalar el modelo que ejecuta tareas es regalar el producto, no el marketing; el open source chino siempre fue una estrategia de captación, y la caja se hace en la nube de Alibaba. La de seguridad: un modelo abierto que ve, oye y actúa con herramientas es también el juguete perfecto para automatizar fraude a escala (la voz de tu madre en audio + acceso a herramientas se explica solo), y en la semana de los agentes fugados de sus entornos de prueba, soltar eso con licencia libre habría sido un titular incómodo hasta para Alibaba.

La lectura sin humo

Apunta el movimiento, porque define la fase que viene: lo abierto se está quedando en los modelos que entienden, y lo cerrado empieza en los modelos que actúan. Si esa línea se consolida (y DeepSeek, Meta o la propia Alibaba dirán mucho ahí), el debate de los pesos abiertos cambia de eje: ya no será "abierto contra cerrado" sino "qué capacidades es sensato regalar". Para el usuario y el desarrollador de aquí, lo práctico de hoy: un agente omnimodal potente y barato más en el menú, sin instalación y con API compatible. Para el sector, una señal de que hasta el mayor regalador de modelos del mundo ha encontrado algo que prefiere no regalar. Las dos cosas son información; ninguna es humo.

Fuentes: Qwen/Artiverse · Alibaba Cloud · 18 septiembre 2026