Alibaba y Google se enfrentan mientras Gemma 4, Phi-4 Mini y Qwen3.5 llevan la IA al dispositivo

Alibaba y Google lanzaron nuevos modelos pequeños con pocas semanas de diferencia, convirtiendo la IA en el dispositivo en una competencia directa por capacidad, memoria y control. Gemma 4 y Qwen3.5 desafían ahora al anterior Phi-4 Mini de Microsoft en portátiles, teléfonos, estaciones de trabajo y sistemas edge compactos.

La competencia entre Alibaba y Google no es una simple carrera de benchmarks. Google diseñó Gemma 4 en torno a tareas multimodales y de tipo agente sobre hardware local. Alibaba dotó a Qwen3.5 de una amplia gama de tamaños, soporte multimodal nativo y una arquitectura pensada para reducir los costes de inferencia.

El Phi-4 Mini de Microsoft sigue siendo una referencia importante porque estableció cuánto razonamiento podía ofrecer un modelo de 3.800 millones de parámetros. Sin embargo, llegó en marzo de 2025, casi un año antes que los lanzamientos más pequeños de Qwen3.5 y Gemma 4. Esa diferencia de antigüedad importa cuando los desarrolladores comparan arquitecturas, herramientas de despliegue y tipos de entrada compatibles.

El cambio más amplio se refiere a dónde se realiza el trabajo de IA. Un modelo que se ejecuta localmente puede procesar notas sensibles, código fuente, grabaciones, imágenes y documentos sin enviar cada entrada a un servicio remoto. También puede funcionar cuando la conectividad es limitada o la latencia de la nube se vuelve inaceptable.

Sin embargo, “en el dispositivo” abarca hardware muy distinto. Una Raspberry Pi, un teléfono Android, un portátil Apple Silicon y una GPU de estación de trabajo imponen restricciones diferentes. El tamaño del modelo por sí solo no puede indicar a los desarrolladores qué sistema funcionará mejor.

Google y Alibaba reinician la carrera de los modelos locales

El cambio decisivo es que los modelos locales se están diseñando para flujos de trabajo completos, no solo para conversaciones de texto breves.

Google anunció Gemma 4 a principios de abril de 2026 como una familia de modelos abiertos para aplicaciones locales, multimodales y de tipo agente. La empresa afirma que la familia admite planificación, acciones autónomas, generación de código sin conexión, procesamiento visual y más de 140 idiomas.

Google también vinculó el lanzamiento a su software para dispositivos. Los desarrolladores pueden acceder a Gemma 4 mediante Google AI Edge, mientras que una vista previa para desarrolladores de AICore incorpora el modelo al entorno de ejecución de IA gestionado de Android. Esto convierte la infraestructura de despliegue en parte del argumento competitivo de Google.

La familia inicial abarca múltiples clases de hardware. Sus configuraciones más pequeñas se dirigen a dispositivos con recursos limitados, mientras que las variantes densas y de mezcla de expertos están destinadas a portátiles y GPU dedicadas. Un modelo de mezcla de expertos activa solo una parte de su red total para cada entrada, reduciendo el cálculo activo.

Google amplió la línea en junio con Gemma 4 12B. Según su guía para desarrolladores, el modelo denso puede aceptar texto, imágenes y audio mediante una única arquitectura sin codificador.

Normalmente, un codificador convierte los medios en representaciones antes de que un modelo de lenguaje los procese. Google, en cambio, introduce la información multimodal en la columna vertebral principal del modelo. La empresa afirma que este diseño reduce la sobrecarga asociada a codificadores independientes de visión y audio.

Gemma 4 12B también ilustra el límite difuso de la IA en el dispositivo. Google afirma que puede ejecutarse en portátiles con 16 GB de memoria de vídeo o memoria unificada. Eso es computación local, pero no es el mismo entorno que un teléfono de gama media.

Alibaba comenzó a lanzar Qwen3.5 en febrero de 2026, seguido por modelos más pequeños de 9B, 4B, 2B y 0.8B en marzo. Esos checkpoints más pequeños hicieron que la familia fuera más relevante para el hardware de consumo y los despliegues integrados.

Qwen3.5 combina atención convencional con componentes de atención lineal. La atención lineal es un método alternativo de procesamiento de secuencias diseñado para evitar algunos costes que crecen bruscamente con la longitud del contexto. La familia también incluye modelos nativos de visión-lenguaje, que pueden procesar imágenes junto con texto.

Los lanzamientos más pequeños de Qwen proporcionan a Alibaba cobertura en una amplia gama de hardware. Un modelo de 0.8B puede orientarse a sistemas con recursos muy limitados, mientras que las versiones de 4B y 9B se dirigen a dispositivos más capaces. Las versiones densas y de mezcla de expertos más grandes extienden la misma familia al terreno de las estaciones de trabajo y los servidores.

Phi-4 Mini de Microsoft adopta un enfoque más limitado. Su informe técnico describe un modelo de texto de 3.800 millones de parámetros entrenado con una cantidad considerable de datos sintéticos de matemáticas y programación.

Ese enfoque de entrenamiento ayudó a Phi-4 Mini a convertirse en una referencia de razonamiento compacto. Microsoft también amplió su vocabulario a 200.000 tokens y utilizó atención de consultas agrupadas, que reduce el uso de memoria al compartir representaciones de claves y valores.

El resultado es una comparación a tres bandas sin participantes perfectamente equivalentes. Gemma 4 es una familia multimodal de 2026. Qwen3.5 abarca muchos tamaños y arquitecturas. Phi-4 Mini es un modelo anterior centrado en texto cuyo principal argumento gira en torno al razonamiento compacto.

Por qué la competencia entre Alibaba y Google presiona a Microsoft

Alibaba y Google convierten ahora la entrada multimodal y el alcance de despliegue en requisitos centrales, lo que presiona al Phi-4 Mini de Microsoft, centrado en texto.

Phi-4 Mini no se volvió de repente incapaz. Su tamaño compacto sigue haciéndolo útil para extracción de texto, clasificación, generación estructurada, asistencia de programación y razonamiento matemático. Un modelo maduro también puede contar con un soporte más amplio entre los frameworks de inferencia que un lanzamiento más reciente.

La presión procede de unas expectativas cambiantes. Los desarrolladores quieren cada vez más que un único modelo local pueda leer una captura de pantalla, interpretar un documento, escuchar una grabación breve, llamar a una herramienta y producir una salida estructurada. La calidad del texto sigue siendo importante, pero ya no es el único factor decisivo.

Google ha respondido integrando modelos con su stack edge. LiteRT-LM proporciona una capa de ejecución para desplegar modelos generativos en el hardware compatible. AICore añade un servicio del sistema Android que puede gestionar el acceso a los modelos y los recursos del dispositivo.

Esa integración puede reducir el trabajo de los desarrolladores de Android. En lugar de empaquetar cada componente de forma independiente, una aplicación puede recurrir a capacidades gestionadas por la plataforma cuando estén disponibles. Google todavía debe demostrar que estas vías llegan de forma consistente a dispositivos de producción.

Alibaba ejerce presión mediante la amplitud de su oferta de modelos. Qwen3.5 ofrece checkpoints estrechamente relacionados para sistemas con distintos límites de memoria. Los equipos pueden crear prototipos con un modelo mayor y, después, examinar miembros más pequeños cuando los costes de despliegue se vuelven restrictivos.

Esta escalera de tamaños importa porque los proyectos de IA local a menudo fracasan durante la optimización. Un prototipo puede funcionar bien en la estación de trabajo de un desarrollador, pero detenerse en el hardware del cliente. Contar con varios tamaños de modelo dentro de una misma familia puede reducir la distancia conceptual entre las pruebas y el despliegue.

Microsoft cuenta con activos propios. Windows, Azure, Foundry, ONNX Runtime y el ecosistema Copilot en expansión le proporcionan múltiples vías de acceso a dispositivos empresariales. Los modelos Phi también se benefician de las relaciones de Microsoft con fabricantes de PC y proveedores de chips.

Sin embargo, esta comparación concreta revela una cronología incómoda. Phi-4 Mini representa un modelo compacto de principios de 2025, mientras que Gemma 4 y Qwen3.5 reflejan decisiones de diseño tomadas para 2026. Los modelos más nuevos entran en un mercado con una demanda más fuerte de multimodalidad y ejecución autónoma de tareas.

Phi-4 Multimodal de Microsoft cierra parcialmente esa brecha. Combina texto, visión y habla mediante adaptadores de bajo rango específicos para cada modalidad, que son pequeños componentes entrenables conectados a un modelo compartido. Sin embargo, Phi-4 Multimodal es una comparación distinta de Phi-4 Mini, que solo procesa texto.

Por tanto, los desarrolladores deberían evitar tratar “Phi-4 Mini” y “Phi-4 Multimodal” como nombres intercambiables. Admiten entradas diferentes y pueden requerir decisiones de despliegue distintas. Una comparación que pase por alto esta distinción producirá conclusiones engañosas.

La presión sobre Microsoft es estratégica, no meramente técnica. Google puede conectar modelos locales con Android. Alibaba puede distribuir una amplia familia de modelos abiertos a través de comunidades globales de desarrolladores y su plataforma en la nube. Microsoft debe mantener actualizados los lanzamientos compactos de Phi y, al mismo tiempo, alinearlos con el hardware de Windows.

Esta competencia beneficia a los compradores al ampliar las opciones. También incrementa el trabajo de evaluación. Ahora los equipos deben probar la calidad del modelo, el consumo de memoria, el tiempo de inicio, la velocidad sostenida, la fiabilidad de las herramientas y el comportamiento de privacidad en cada dispositivo objetivo.

Los modelos de Alibaba y Google convierten la arquitectura en la verdadera competencia

La rivalidad entre Alibaba y Google es, en última instancia, una competencia entre mecanismos de despliegue, no una clasificación universal de la inteligencia de los modelos.

Gemma 4 hace hincapié en una vía multimodal sin codificador. Ese diseño busca evitar pilas de procesamiento separadas para texto, visión y audio. Puede simplificar una aplicación local cuando varios tipos de medios deben participar en la misma tarea.

Pensemos en un técnico de campo que trabaja sin conectividad fiable. Una aplicación podría inspeccionar una foto de un equipo, aceptar una descripción hablada, recuperar un manual local y redactar una nota de reparación. El procesamiento multimodal nativo puede reducir el número de modelos que deben permanecer cargados.

La contrapartida es la memoria. Incluso un modelo unificado eficiente debe almacenar pesos, mantener una caché de contexto y procesar representaciones de medios. Un modelo que técnicamente se carga puede seguir ofreciendo una latencia inaceptable o agotar una batería con un uso sostenido.

Qwen3.5 adopta una ruta arquitectónica híbrida. Su combinación de atención estándar y mecanismos de atención lineal se orienta a secuencias largas sin pagar el coste computacional más alto en cada capa. Esto importa para el análisis local de documentos, donde el contexto puede resultar costoso.

Los modelos más pequeños de Alibaba también incluyen capacidades de visión. Por tanto, un checkpoint compacto de Qwen3.5 puede abordar la comprensión de capturas de pantalla, la automatización de interfaces, la inspección de documentos y la respuesta a preguntas visuales. El rendimiento real dependerá de la resolución, la cuantización y el entorno de ejecución del dispositivo.

La cuantización reduce la precisión numérica utilizada para almacenar los pesos del modelo. Una versión de cuatro bits normalmente necesita mucha menos memoria que un checkpoint de precisión completa. Esa reducción puede hacer viable el despliegue local, pero también puede afectar a la calidad de la salida.

El mecanismo de Phi-4 Mini está más focalizado. Microsoft se concentró en la calidad de los datos de entrenamiento, especialmente en material sintético para matemáticas y código. La empresa informa de que esto permite al modelo competir con sistemas más grandes en tareas de razonamiento seleccionadas.

Esa afirmación no debería generalizarse a todas las cargas de trabajo. Un modelo ajustado para patrones matemáticos y de programación podría superar a sus pares en razonamiento estructurado, pero quedar por detrás en comprensión visual, conversación multilingüe o generación creativa.

La longitud del contexto presenta otra fuente de confusión. Un modelo puede anunciar compatibilidad con una entrada larga y, aun así, volverse lento o consumir mucha memoria cerca de ese límite. La caché de clave-valor, que almacena datos intermedios de atención, puede consumir una cantidad considerable de memoria durante conversaciones largas.

Las aplicaciones también difieren en la cantidad de contexto que realmente necesitan. Un enrutador de comandos de voz quizá solo requiera un prompt breve. Un asistente privado de documentos puede necesitar miles de tokens. Un agente de programación podría combinar archivos de repositorio, salida de herramientas y un historial de acciones creciente.

Para el trabajo de conocimiento, la selección del modelo debería seguir la carga de trabajo. Un sistema que organiza investigación local puede combinar un modelo compacto con recuperación, que encuentra pasajes relevantes antes de la generación. Este enfoque evita pedir al modelo que mantenga un archivo completo en un único prompt.

Esa distinción también se aplica a una base de conocimiento personal. El almacenamiento local y la política de recuperación pueden importar tanto como el modelo que genera la respuesta final.

El uso de herramientas añade otra prueba arquitectónica. Un modelo puede producir texto fluido, pero fallar al seleccionar la función correcta, dar formato a los argumentos o recuperarse de un error. Por tanto, una implementación de tipo agente exige más que una buena puntuación en benchmarks.

Google posiciona explícitamente Gemma 4 para tareas de varios pasos. Las familias recientes de Qwen también ponen el acento en los agentes y el uso de herramientas. Phi-4 Mini puede admitir llamadas estructuradas, pero su rendimiento debe probarse con el esquema y el entorno de ejecución exactos que utiliza una aplicación.

El mecanismo que se imponga variará según el producto. El audio nativo puede ser importante para herramientas de reuniones. Un razonamiento compacto sólido puede ser importante para tutorías sin conexión. El procesamiento eficiente de imágenes puede ser importante para sistemas de soporte móvil.

Gemma 4 vs Phi-4 Mini vs Qwen3.5 No Tiene Un Único Ganador

Una comparación creíble separa la clase de memoria, la compatibilidad de entrada y la calidad de la carga de trabajo, en lugar de declarar que un modelo es el mejor.

En el extremo más pequeño, Qwen3.5 ofrece checkpoints de 0.8B y 2B. Estos modelos se orientan a entornos donde el uso de memoria y energía pesa más que la máxima calidad de razonamiento. Pueden servir para tareas de clasificación, extracción, enrutamiento y asistentes con restricciones.

Las variantes compactas de Gemma 4 compiten en el mismo territorio general, pero Google las presenta en torno a capacidades más amplias de tipo agente y multimodales. Los desarrolladores que evalúen ambos deberían utilizar niveles de cuantización equivalentes e indicaciones idénticas en el mismo dispositivo.

Phi-4 Mini se sitúa cerca de Qwen3.5 4B por número de parámetros. Esto hace que la comparación resulte tentadora, pero el número de parámetros no normaliza la arquitectura, los datos, el comportamiento de contexto ni la modalidad. Es solo un indicador aproximado de almacenamiento y computación.

Para el razonamiento textual, Phi-4 Mini sigue siendo relevante. Su receta de entrenamiento se dirige específicamente a las matemáticas y la programación, mientras que su tamaño de 3.8B encaja en muchos entornos de clase portátil tras la cuantización. El informe de Microsoft también describe una cobertura multilingüe mejorada frente a Phi-3.5 Mini.

Qwen3.5 4B ofrece una arquitectura más reciente y entrada visual nativa. Eso le otorga un ámbito funcional más amplio para aplicaciones que involucren capturas de pantalla o imágenes. No garantiza mejores respuestas en todas las tareas de texto.

Los modelos compactos correspondientes de Gemma 4 plantean un caso distinto. Google combina una amplia compatibilidad lingüística, procesamiento visual e integración en el edge. El lanzamiento de Gemma 4 también destaca la generación de código sin conexión y la planificación de varios pasos.

Las comparaciones más grandes introducen más complicaciones. Gemma 4 incluye configuraciones densas y de mezcla de expertos, mientras que Qwen3.5 se extiende a modelos mucho más grandes. Algunos de esos checkpoints solo pueden considerarse locales en estaciones de trabajo de gama alta.

Un modelo que se ejecuta en una GPU dedicada es local, pero no representa el hardware habitual de los consumidores. Los artículos a menudo difuminan esa línea al agrupar estaciones de trabajo, portátiles, teléfonos y placas integradas bajo una misma etiqueta.

Los desarrolladores deberían definir un límite de hardware antes de comparar resultados. Ese límite debería incluir la memoria disponible, el espacio de almacenamiento, los límites térmicos y el tiempo de respuesta aceptable. Los dispositivos móviles también necesitan un presupuesto de batería.

A continuación, los equipos deberían elegir tareas repetibles. Un conjunto de pruebas útil podría incluir correos electrónicos de clientes, capturas de pantalla, fragmentos de código, documentos locales y llamadas a herramientas extraídas del producto previsto. Los datos privados deben permanecer protegidos durante todas las pruebas.

Cada modelo debería recibir las mismas instrucciones de sistema y el mismo formato de salida. Los evaluadores deberían registrar los fallos, no solo los ejemplos atractivos. Una única respuesta pulida revela poco sobre la fiabilidad en ejecuciones repetidas.

La latencia debería medirse por etapas. El tiempo hasta el primer token captura la rapidez con que comienza la respuesta. La velocidad de generación mide el rendimiento de salida. El tiempo de extremo a extremo incluye el procesamiento de imágenes, la recuperación, la ejecución de herramientas y la sobrecarga de la aplicación.

La memoria también debería medirse durante un crecimiento realista del contexto. Un modelo que carga cómodamente al inicio puede superar el límite del dispositivo tras una sesión larga. Este comportamiento importa para asistentes que conservan varios documentos o conversaciones extensas.

La calidad debe incluir rigor factual. Los modelos más pequeños pueden inventar detalles ausentes cuando una indicación pide una síntesis. La recuperación y las citas pueden reducir ese riesgo, pero no lo eliminan.

La privacidad merece una inspección directa. “Local” debería significar que las entradas, los datos intermedios y las salidas permanecen en el dispositivo previsto. Las aplicaciones aún pueden enviar telemetría, informes de fallos, solicitudes de búsqueda o llamadas a herramientas a servicios externos.

Ninguno de estos factores produce un ganador permanente. Un checkpoint de Qwen3.5 podría liderar en tareas multilingües con imágenes. Phi-4 Mini podría seguir siendo preferible para un flujo de trabajo de razonamiento limitado. Gemma 4 podría ofrecer la ruta más directa para una aplicación Android.

Lo Que Los Benchmarks Publicados Aún No Pueden Demostrar

Los benchmarks de los proveedores describen la capacidad del modelo en condiciones seleccionadas, pero no establecen un rendimiento fiable dentro de una aplicación real.

Google, Alibaba y Microsoft publican evaluaciones que difieren en indicaciones, puntuación, tamaños de modelo, precisión y configuraciones de ejecución. Comparar cifras entre fichas de modelo separadas puede crear una falsa precisión.

Incluso un benchmark compartido puede favorecer una receta de entrenamiento. Las evaluaciones de programación premian la exposición a tareas de programación. Las pruebas matemáticas premian los datos de razonamiento estructurado. Las pruebas visuales dependen del preprocesamiento y la resolución de las imágenes.

Las empresas también controlan qué resultados aparecen en el material de lanzamiento. Eso no hace que los resultados sean falsos. Significa que los lectores deberían tratarlos como afirmaciones de los proveedores hasta que pruebas independientes los reproduzcan en condiciones comparables.

Las pruebas de la comunidad aportan evidencia útil, pero introducen sus propios problemas. Un usuario puede ejecutar distintas cuantizaciones, configuraciones de muestreo, plantillas de indicaciones o longitudes de contexto. Pequeños cambios de configuración pueden alterar tanto la calidad como la velocidad.

Los primeros informes sobre Gemma 4 y Qwen3.5 muestran resultados dispares en programación, generación de diseño, redacción multilingüe y tareas empresariales. Esa variación respalda una conclusión cautelosa: el diseño de la carga de trabajo importa más que una sola posición en un ranking.

La actualidad del modelo también puede distorsionar las comparaciones. Qwen3.5 llegó después de Phi-4 Mini, y Alibaba siguió actualizando su línea de modelos. Google añadió Gemma 4 12B tras el anuncio inicial de la familia.

Por tanto, un titular estático de comparación entre tres modelos puede quedar rápidamente desactualizado. Microsoft puede lanzar otro modelo Phi compacto. Alibaba puede sustituir checkpoints más pequeños de Qwen3.5. Google puede ampliar la disponibilidad de Android o revisar su entorno de ejecución.

Las licencias requieren una revisión independiente. “Modelo abierto” y “código abierto” no siempre son términos idénticos. Los desarrolladores deberían examinar la licencia real, los términos de uso aceptable, los derechos de redistribución y las obligaciones asociadas a cada checkpoint.

Una licencia que funciona para la experimentación puede plantear dudas para la distribución comercial integrada. Las aplicaciones móviles también pueden enfrentarse a normas de las tiendas de aplicaciones, controles de exportación y requisitos regionales no relacionados con la calidad del modelo.

La seguridad es otra cuestión sin resolver. Un agente local con acceso a archivos, micrófonos, cámaras o funciones del sistema operativo puede crear riesgos graves. La operación sin conexión elimina parte de la exposición de red, pero no hace que la ejecución de herramientas sea segura.

La inyección de indicaciones sigue siendo posible cuando un modelo lee documentos o páginas web no fiables. El texto malicioso puede intentar redirigir el comportamiento del agente. Las aplicaciones necesitan límites de permisos y pasos de confirmación fuera del modelo.

Los desarrolladores también deberían examinar la madurez del software. Las arquitecturas nuevas a veces llegan a los repositorios de modelos antes de que todos los motores de inferencia las admitan por completo. Las herramientas de conversión, los cuantizadores, los entornos de ejecución móviles y los backends de GPU pueden comportarse de forma diferente.

El historial de implementación de Qwen3.5 ilustra este riesgo general. La compatibilidad de los frameworks con una nueva arquitectura híbrida y multimodal requiere actualizaciones coordinadas. Los pesos publicados de un modelo no garantizan automáticamente una ejecución estable en todos los entornos de ejecución.

Gemma 4 se enfrenta a un requisito de prueba similar. La integración de Google con Android es estratégicamente importante, pero las vistas previas para desarrolladores no equivalen a una amplia disponibilidad en producción. La cobertura de dispositivos y la compatibilidad del sistema operativo determinarán su alcance práctico.

Phi-4 Mini se beneficia de su tiempo en el mercado, su documentación y las integraciones acumuladas. La antigüedad puede convertirse en una desventaja de capacidad, pero la madurez puede seguir siendo una ventaja de implementación.

Por tanto, la posición escéptica es sencilla. Ninguna de las tres familias ha establecido un liderazgo universal en teléfonos, portátiles, placas edge y estaciones de trabajo. La evidencia respalda fortalezas diferenciadas, no una clasificación absoluta.

Tres Señales Decidirán la Competencia de IA en el Dispositivo

La siguiente fase depende de la compatibilidad con hardware de producción, las pruebas independientes de cargas de trabajo y la velocidad de los lanzamientos posteriores de cada empresa.

La primera señal es la distribución real en dispositivos. La vista previa de AICore de Google solo importa si Gemma 4 llega a una gama significativa de dispositivos Android comercializados con APIs estables. Los desarrolladores deberían vigilar los chipsets compatibles, los requisitos de memoria y las versiones del sistema operativo.

Si Google amplía esa compatibilidad, su estrategia edge ganará credibilidad. La integración con Android podría resultar más valiosa que una ventaja limitada en benchmarks. Una disponibilidad limitada debilitaría la afirmación de Google de que Gemma 4 transforma el desarrollo generalizado de IA en el dispositivo.

La misma prueba se aplica a Microsoft. Los PC con Windows incluyen cada vez más unidades de procesamiento neuronal, que son procesadores optimizados para cargas de trabajo de IA. La respuesta de Microsoft debería revelar si los modelos Phi compactos se convierten en una parte consistente del ecosistema de desarrolladores de Windows.

Alibaba tiene menos control sobre un sistema operativo de consumo dominante en Norteamérica. Su señal será una amplia adopción en entornos de ejecución. La compatibilidad estable en Transformers, llama.cpp, MLX, Ollama, frameworks móviles y motores específicos de chips compensaría esa desventaja de plataforma.

La segunda señal son las pruebas independientes bajo límites de hardware fijos. Las comparaciones útiles deberían situar modelos de tamaño y cuantización similares en el mismo dispositivo. Deberían informar sobre memoria, latencia, uso de energía y calidad de tareas repetidas.

Una evaluación pública que utilice cargas de trabajo realistas de documentos, imágenes, código y uso de herramientas reforzaría la comprensión del mercado. También podría cuestionar las narrativas de los proveedores que se apoyan en benchmarks cuidadosamente seleccionados.

Las pruebas más informativas medirán la recuperación ante fallos. Un agente debe reconocer una llamada a herramienta fallida, revisar su plan y evitar repetir acciones inseguras. Las respuestas a preguntas de un solo intento no capturan ese comportamiento.

La tercera señal es el próximo lanzamiento de modelos pequeños de cada empresa. Phi-4 Mini se enfrenta ahora a competidores de una generación más reciente. El próximo modelo Phi compacto de Microsoft mostrará si prioriza la multimodalidad nativa, un contexto eficiente más largo o una integración más profunda con Windows.

Las actualizaciones más pequeñas de Qwen de Alibaba revelarán la rapidez con que mejora su arquitectura híbrida. La empresa ya ha establecido un patrón de lanzamientos rápido. Los desarrolladores deben equilibrar esas mejoras frente al coste de migración de cambios frecuentes de modelo.

El seguimiento de Google mostrará si Gemma 4 se convierte en una familia duradera o en un ciclo de checkpoints de corta vida. Una mejor cobertura de dispositivos, cuantizaciones optimizadas y herramientas de agentes estables reforzarían su posicionamiento local-first.

Para los compradores, la acción inmediata no es seleccionar un ganador a partir de un titular. Cree un conjunto de pruebas a partir del trabajo que su producto debe realizar y ejecútelo bajo los límites exactos de memoria y privacidad que enfrentarán los usuarios.

Preste mucha atención a lo que sale del dispositivo. Un modelo local puede respaldar flujos de trabajo privados, pero los servicios de recuperación y las herramientas conectadas aún pueden transmitir información sensible. Los equipos que manejan material personal deberían mapear cada ruta de datos.

La carrera entre Alibaba y Google ha hecho más creíble la IA local, mientras que Phi-4 Mini de Microsoft sigue ofreciendo una referencia útil para el razonamiento compacto. La pregunta decisiva ahora es práctica: ¿qué modelo completa tu carga de trabajo real de forma fiable sin superar los límites del dispositivo?