Alibaba acaba de enseñar músculo con Qwen 3.5 Small… y, literalmente al día siguiente, el proyecto se quedó sin una de sus caras técnicas más visibles: Junyang Lin. La coincidencia temporal no pasó desapercibida, sobre todo porque la compañía estaba empujando nuevos lanzamientos a toda velocidad.
Lin anunció en X que “dejaba el cargo” en Qwen sin ofrecer explicaciones adicionales. Cuando una salida ocurre en pleno ruido de un release importante, la comunidad no se queda solo con el dato; intenta leer lo que hay detrás. La pregunta ya no es únicamente quién se va, sino qué significa esto para una de las familias de modelos open-weight más potentes que han salido de China.
El lunes, Alibaba presentó la serie Qwen 3.5 Small Model con cuatro tamaños: 0,8B, 2B, 4B y 9B parámetros. La idea es clara: cubrir desde escenarios extremadamente ligeros —casi de bolsillo— hasta tareas más exigentes, sin necesidad de saltar a modelos gigantescos de decenas o cientos de miles de millones de parámetros.
La estrategia apunta a algo muy concreto: si logras buena calidad con menos parámetros, reduces coste de inferencia, latencia y requisitos de hardware. En otras palabras, haces viable la IA fuera de grandes infraestructuras en la nube. Además, Alibaba los ha descrito como modelos multimodales nativos, diseñados desde el inicio para manejar más de un tipo de señal —por ejemplo, texto e imagen— de forma integrada, no como un añadido posterior.
El detalle interesante no está solo en el tamaño, sino en el uso previsto. Según la compañía, estos Qwen 3.5 Small están orientados tanto al despliegue en el propio dispositivo como a agentes ligeros. La ambición es que exista un Qwen adaptado a contextos donde un LLM masivo en la nube sería inviable por precio, privacidad o dependencia externa.
Esto encaja con la obsesión actual del sector: llevar IA útil al edge —móviles, portátiles, IoT o entornos corporativos cerrados— sin sacrificar rendimiento.
Un día después del anuncio, Junyang Lin comunicó su salida. No hubo contexto adicional ni respuestas públicas a solicitudes de aclaración, así que el vacío informativo se llenó rápidamente con especulación.
Según su perfil en LinkedIn, Lin se incorporó a Alibaba en julio de 2019 y pasó al equipo Qwen en abril de 2023, prácticamente desde el arranque público del proyecto. No era una figura periférica. En iniciativas de modelos abiertos, el liderazgo técnico suele funcionar como pegamento entre investigación, entrenamiento, lanzamientos y comunidad. Por eso, su marcha generó reacciones intensas.
Wenting Zhao, científica investigadora de Qwen, describió el momento como “el fin de una era” y destacó su papel clave en open source e ingeniería. Por su parte, Yuchen Jin, CTO de la startup de infraestructura de IA Hyperbolic, recordó colaboraciones nocturnas durante lanzamientos y el rol de Lin conectando Qwen con desarrolladores globales. Cuando colegas hablan de modelos lanzados “hace unas horas” y al día siguiente alguien se va, la sensación no es la de una transición pausada, sino la de una ruptura abrupta.
El comentario que más inquietud generó vino de dentro del propio entorno del proyecto. Chen Cheng, contribuidor de Qwen, escribió que estaba desolado y dejó caer una frase que encendió alarmas: “sé que irte no fue tu elección”. No es el típico mensaje de despedida celebrando un nuevo rumbo profesional; sugiere que la salida podría no haber sido voluntaria.
A esto se sumó otro movimiento llamativo: Binyuan Hui actualizó su perfil en X para describirse como “formerly MTS @Alibaba_Qwen”. No está claro si abandonó la empresa, si cambió la descripción por otro motivo o cuándo ocurrió exactamente, pero el contexto amplifica cualquier señal. Mientras tanto, Alibaba no ha ofrecido detalles sobre los motivos de la salida ni sobre cómo queda la estructura de liderazgo del equipo.
La familia Qwen se ha consolidado como uno de los esfuerzos de modelos de pesos abiertos más destacados de China. Alibaba presentó Qwen en abril de 2023 y lo abrió al uso público en septiembre del mismo año, tras obtener autorización regulatoria. No es solo un desafío técnico; también implica navegar un marco normativo exigente para poder publicar y distribuir modelos.
En lanzamientos recientes, Qwen ha mostrado resultados en benchmarks que, según la dinámica habitual del sector, rivalizan con desarrolladores líderes de Estados Unidos. Es cierto que un benchmark no equivale a rendimiento en el mundo real, pero funciona como señal de competitividad: si tus números se acercan a los de los referentes, atraes talento, socios y atención mediática.
La prueba de ese foco es que incluso Elon Musk comentó en X que los modelos tenían una “impresionante densidad de inteligencia”. Que Musk lo diga no valida científicamente nada, pero sí amplifica el ruido y coloca el proyecto bajo un reflector global.
Todo esto ocurre en un contexto de competencia feroz, con empresas acelerando para acercarse a actores como OpenAI, Google o Anthropic. En un entorno donde el cadence de lanzamientos es crucial, cualquier turbulencia interna puede tener impacto. El mercado no espera: si te frenas, otros avanzan.
Me dedico al SEO y la monetización con proyectos propios desde 2019. Un friki de las nuevas tecnologías desde que tengo uso de razón.
Estoy loco por la Inteligencia Artificial y la automatización.
La Newsletter Diaria Sobre Inteligencia Artificial. Además: Portal de Noticias, Tutoriales, Tips y Trucos de ChatGpt, Openai e Inteligencia Artificial.
Nuestra web está alojada en:
