La carrera de modelos entre Alibaba y Google da un giro cuando Qwen alcanza los 3.000 millones de descargas

Alibaba habría registrado más de 3.000 millones de descargas de Qwen en seis meses, superando a Google y Meta en el mercado de modelos abiertos. La comparación entre Alibaba y Google apunta ahora a una llamativa inversión. Una empresa tecnológica china se ha convertido en líder de distribución en un campo antes dominado por laboratorios estadounidenses.

Según información de Bloomberg, Google registró 418 millones de descargas de modelos durante el período analizado. Meta contabilizó 227 millones. Estas cifras sitúan a ambas compañías muy por detrás de Alibaba, aunque el cómputo de descargas varía entre repositorios y familias de modelos.

El resultado no demuestra que Qwen tenga más usuarios, ingresos o despliegues en producción. Sí muestra que los desarrolladores están descargando, adaptando y redistribuyendo modelos de Alibaba a un ritmo sin precedentes. Este cambio presiona la estrategia Llama de Meta y la familia Gemma de Google, al tiempo que refuerza la posición de Alibaba en el mercado global de desarrolladores.

La ventaja de 3.000 millones de descargas de Alibaba cambia el marcador

Alibaba ha convertido la distribución de modelos en una ventaja medible, aunque las descargas sigan siendo una medida imperfecta de la adopción real.

El total reportado abarca los modelos de pesos abiertos de Alibaba durante los últimos seis meses. Pesos abiertos significa que los desarrolladores pueden descargar los parámetros entrenados necesarios para ejecutar o modificar un modelo. No siempre implica que los datos de entrenamiento, el código y todos los detalles de desarrollo sean públicos.

Esta distinción importa porque el público suele tratar la IA de pesos abiertos y la IA de código abierto como términos intercambiables. La Open Source AI Definition exige un acceso más amplio, incluida información suficiente para estudiar y modificar un sistema. Muchos modelos ampliamente distribuidos ofrecen los pesos sin cumplir todos los elementos de ese estándar.

Incluso bajo la definición más limitada de pesos abiertos, el ritmo de distribución de Qwen es notable. Tres mil millones de descargas equivalen a ocho veces el total reportado por Google y más de 13 veces el de Meta. La escala es especialmente destacable porque Meta llegó antes al mercado con Llama.

Meta presentó su modelo de investigación Llama original en febrero de 2023. Alibaba comenzó a lanzar modelos Qwen más tarde ese mismo año. En diciembre de 2024, Meta afirmó que Llama y sus derivados habían superado los 650 millones de descargas.

Meta anunció después que Llama había superado los 1.000 millones de descargas en abril de 2025. Su actual página de IA abierta muestra más de 1.200 millones de descargas acumuladas. Estas cifras abarcan períodos más largos y, por tanto, no pueden compararse directamente con la fotografía de seis meses de Bloomberg.

Los propios hitos de Alibaba muestran la rapidez con la que cambió el equilibrio. Cuando llegó Qwen3 en abril de 2025, Alibaba informó de más de 300 millones de descargas en toda la familia. También afirmó que los desarrolladores habían creado más de 100.000 derivados de Qwen en Hugging Face.

Según la posterior divulgación financiera de Alibaba, un hito de enero de 2026 llevó a Qwen más allá de los 1.000 millones de descargas acumuladas en Hugging Face. El salto reportado a 3.000 millones en seis meses sugiere que la adopción se aceleró después de que Qwen3.5 y lanzamientos posteriores ampliaran la familia.

Las descargas pueden proceder de desarrolladores, sistemas de despliegue automatizado, cachés en la nube, flujos de investigación o actualizaciones repetidas. Un solo desarrollador puede generar muchas descargas. Un servicio de producción también puede reutilizar un modelo almacenado en caché sin generar otra descarga registrada.

Por ello, el total no representa a 3.000 millones de personas. Señala actividad en la capa de distribución. Esa actividad importa porque los modelos ganan influencia cuando los desarrolladores los prueban repetidamente, los empaquetan y desarrollan software compatible a su alrededor.

Una descarga puede convertirse en una versión cuantizada, que comprime un modelo para una operación local más barata. También puede convertirse en un modelo ajustado para una tarea específica. Cada adaptación facilita que otro desarrollador adopte la familia original.

Este efecto multiplicador ayuda a explicar por qué una familia de modelos puede crecer más rápido de lo que sugieren sus totales directos en repositorios. Los modelos base populares generan derivados, plantillas de despliegue, resultados de evaluación y apoyo de la comunidad. Estos activos reducen el trabajo necesario para el siguiente proyecto.

El resultado cambia la pregunta central del artículo. La cuestión ya no es si Alibaba puede unirse a Meta y Google en los modelos abiertos. Es si las empresas estadounidenses pueden igualar la amplitud de lanzamientos y la actividad de desarrollo posterior de Alibaba.

Por qué la brecha entre Alibaba y Google se abrió tan rápido

Qwen creció porque Alibaba ofreció muchos tamaños de modelo, modalidades y opciones de despliegue, en lugar de depender de un único lanzamiento insignia.

Alibaba ha lanzado variantes de Qwen para tareas generales de lenguaje, programación, razonamiento, imágenes, audio, vídeo y aplicaciones multimodales. Esta variedad permite a los desarrolladores mantenerse dentro de una misma familia de modelos al pasar de un caso de uso a otro.

Qwen3 estableció el patrón en abril de 2025. El lanzamiento incluyó seis modelos densos, en los que cada parámetro participa en el cálculo, con un rango de 600 millones a 32.000 millones de parámetros. También incluyó dos modelos de mezcla de expertos.

Un modelo de mezcla de expertos activa solo una parte de su red para cada solicitud. Este enfoque puede ofrecer mayor capacidad total sin utilizar todos los parámetros para cada token. Esa estructura puede reducir los requisitos de inferencia si se implementa de forma eficiente.

El lanzamiento de Qwen3 de Alibaba ofreció modelos con 30.000 millones y 235.000 millones de parámetros totales. Activaban 3.000 millones y 22.000 millones de parámetros, respectivamente. La familia admitía 119 idiomas y dialectos.

Alibaba también proporcionó a Qwen3 dos modos de funcionamiento. El modo de razonamiento dedicaba más cómputo al razonamiento de varios pasos. El modo sin razonamiento priorizaba respuestas más rápidas para solicitudes generales. Los desarrolladores podían elegir entre esos comportamientos sin cambiar de familia de modelos.

Lanzamientos posteriores ampliaron la estrategia más allá del texto. Qwen3.5 combinó comprensión de texto, imágenes y vídeo con funciones orientadas a agentes. Alibaba afirmó que el modelo insignia podía analizar vídeos de hasta dos horas e interactuar con interfaces de ordenador.

La empresa también puso el acento en modelos más pequeños y una inferencia eficiente. Esto importa porque la mayoría de las organizaciones no pueden dedicar grandes clústeres a cada aplicación de IA. Necesitan modelos que funcionen con restricciones previsibles de latencia, memoria y operación.

Los modelos Qwen aparecen en Hugging Face, GitHub, la plataforma ModelScope de Alibaba y Alibaba Cloud Model Studio. Esta combinación sirve tanto a desarrolladores que alojan sus propios sistemas como a clientes que prefieren interfaces de programación de aplicaciones gestionadas.

ModelScope añade otro canal de distribución, especialmente para los desarrolladores en China. Hugging Face sigue siendo un repositorio global central. Publicar a través de ambas plataformas amplía el alcance de Qwen y reduce la dependencia de una sola comunidad.

Google ha seguido un enfoque relacionado con Gemma, ofreciendo modelos ligeros diseñados para la personalización y el despliegue local. Su presencia de distribución sigue siendo considerable. Los 418 millones de descargas reportados confirman que los desarrolladores continúan utilizando los modelos abiertos de Google a gran escala.

Sin embargo, la identidad de modelos abiertos de Google compite con su negocio Gemini más amplio. Gemini se distribuye principalmente mediante productos alojados y servicios en la nube. Gemma atiende a los desarrolladores que necesitan pesos descargables, pero no es la única vía de Google hacia el mercado.

Esta división puede diluir la narrativa pública. Los desarrolladores que evalúan Google deben elegir entre las API de Gemini, los pesos de Gemma, modelos especializados y diversos productos de despliegue. Qwen se presenta cada vez más como una familia amplia que cubre tanto el uso descargable como el alojado.

Por tanto, la competencia entre Alibaba y Google a nivel de palabras clave oculta una diferencia en la estructura de sus carteras. Google utiliza los modelos abiertos como una parte de una plataforma de IA más amplia. Alibaba ha convertido la distribución de pesos abiertos en una vía central hacia la adopción por desarrolladores y la demanda de servicios en la nube.

Alibaba puede ofrecer pesos libremente mientras busca ingresos por inferencia, ajuste fino, almacenamiento y despliegue. Los desarrolladores que empiezan localmente pueden después trasladar las cargas de trabajo a Model Studio. El lanzamiento abierto se convierte en un canal de captación de clientes para Alibaba Cloud.

Esta estrategia se parece a la lógica original de Meta para Llama. Meta podía debilitar a competidores que vendían acceso a modelos propietarios mientras se beneficiaba de las mejoras de la comunidad. Alibaba parece estar captando ahora una mayor parte de ese impulso comunitario.

El momento también favorece a Qwen. Los desarrolladores quieren cada vez más modelos que puedan ejecutar en su propia infraestructura. El control de los datos, la latencia, la disponibilidad regional y los costes previsibles de despliegue se han convertido en consideraciones prácticas de compra.

Un equipo que construye un asistente privado podría combinar un modelo descargable con una base de conocimiento consultable. Este diseño mantiene los datos de recuperación bajo control organizativo y permite que la capa de modelo cambie.

La amplitud de Qwen facilita esa experimentación. Un desarrollador puede probar un modelo pequeño en una estación de trabajo, evaluar una variante más grande y después usar un endpoint alojado. Cada prueba puede registrar otra descarga sin garantizar un despliegue comercial.

Esta salvedad no elimina la ventaja de distribución. Explica el mecanismo que hay detrás. Alibaba puso Qwen a disposición en suficientes formatos como para que descargar un modelo Qwen se convirtiera en un paso habitual en muchos flujos de trabajo de IA diferentes.

Qwen ha revertido la ventaja de Meta en modelos abiertos

La principal inversión no es que Alibaba haya superado a Google; es que Qwen ha arrebatado el liderazgo de distribución al ecosistema Llama de Meta.

Meta pasó años convirtiendo a Llama en el punto de referencia predeterminado para los grandes modelos de lenguaje descargables. La empresa consiguió apoyo de proveedores de nube, fabricantes de chips, proveedores de software y plataformas empresariales. Esa red ayudó a los desarrolladores a ejecutar Llama prácticamente en cualquier lugar.

En diciembre de 2024, Meta afirmó que Llama y sus derivados habían superado los 650 millones de descargas. El total se había duplicado en tres meses. Meta también describió las solicitudes de licencia y la demanda de socios como evidencia de una adopción en expansión.

En abril de 2025, la empresa había superado los 1.000 millones de descargas. Meta presentó ese hito durante LlamaCon, junto con una vista previa de su API de Llama. La API buscaba combinar la comodidad de un servicio alojado con la flexibilidad asociada a los modelos abiertos.

Meta sigue informando de 1.200 millones de descargas en su sitio web de IA abierta. También destaca aplicaciones en salud, periodismo, búsqueda de empleo e investigación científica. Estos ejemplos muestran que Llama conserva una adopción institucional significativa.

Sin embargo, la comparación de seis meses reportada por Bloomberg sitúa a Meta en 227 millones de descargas. Si se mide de forma consistente, Qwen generó más de 13 descargas por cada descarga de Llama durante esa ventana. Se trata de una pérdida importante de impulso relativo.

La brecha no significa que Llama haya dejado de funcionar o haya desaparecido de producción. Las instalaciones existentes pueden seguir activas sin generar nuevas descargas. El software maduro suele generar menos actividad visible en repositorios que una familia de modelos en rápida expansión.

No obstante, los ecosistemas de modelos compiten por el próximo proyecto, además de por las cargas de trabajo ya instaladas. Los desarrolladores tienden a reutilizar formatos, herramientas y prácticas de evaluación conocidas. Un auge de la experimentación con Qwen puede dar forma a futuras decisiones de infraestructura.

Los derivados de la comunidad profundizan ese efecto. Los desarrolladores suelen comprimir modelos en formatos de menor precisión, ajustarlos para dominios específicos u optimizarlos para hardware de consumo. Estos proyectos amplían el número de puntos de entrada accesibles.

Un estudio independiente del ecosistema de Hugging Face documentó el cambio más amplio antes del último hito. Su investigación sobre modelos abiertos examinó 851.000 modelos y 2.200 millones de descargas hasta agosto de 2025.

Los investigadores concluyeron que la influencia combinada de Google, Meta y OpenAI había disminuido frente a sus picos anteriores. También observaron que los desarrolladores chinos ganaron una cuota sustancial de descargas durante 2025. DeepSeek y Qwen lideraron ese cambio.

La cuota de China alcanzó el 17,1 por ciento en el último período anual del estudio. Estados Unidos representó el 15,7 por ciento. DeepSeek y Qwen, en conjunto, capturaron el 14 por ciento de las descargas recientes.

Estas cifras son anteriores al total de 3.000 millones informado recientemente. Establecen que el ascenso de Alibaba no fue una anomalía de una sola semana. La atención de los desarrolladores ya había empezado a desplazarse hacia familias chinas de pesos abiertos.

El estudio también identificó una creciente capa intermediaria. Los desarrolladores de la comunidad adaptan, cuantizan y reempaquetan cada vez más los modelos principales. Estos intermediarios pueden determinar qué modelos resultan prácticos en dispositivos y sistemas de inferencia específicos.

Qwen se ha beneficiado de esta capa. Una vez que un modelo recibe suficiente atención de la comunidad, cada lanzamiento oficial genera versiones no oficiales para distintos tipos de hardware y software. Esa disponibilidad atrae a más usuarios, que luego crean herramientas y variantes adicionales.

Como resultado, Meta enfrenta una cuestión estratégica. Puede acelerar el ritmo de sus lanzamientos, ampliar la gama de modelos de Llama, mejorar los términos de licencia o centrarse en servicios alojados y Meta AI. Cada decisión cambia el significado de su compromiso con los modelos abiertos.

Igualar a Alibaba lanzamiento por lanzamiento exigiría recursos sostenidos de investigación e ingeniería. Meta sin duda posee esos recursos. La cuestión más difícil es si el liderazgo en pesos abiertos sigue siendo central para sus prioridades empresariales.

Alibaba tiene menos motivos para retroceder. Qwen puede respaldar el crecimiento de la nube, la demanda de plataformas nacionales, el reconocimiento entre desarrolladores internacionales y las propias aplicaciones de Alibaba. La misma inversión en modelos sirve a varios objetivos estratégicos.

Google enfrenta una decisión similar, pero no es el principal adversario en este cambio de tendencia. Sus productos Gemini le proporcionan un sólido canal propietario. Meta construyó una parte mayor de su propuesta para desarrolladores en torno al liderazgo de Llama en distribución abierta.

Por tanto, el ascenso de Qwen cuestiona una promesa específica: que la ventaja inicial de Meta y su red de socios convertirían a Llama en el centro duradero de la IA abierta. Los datos de descargas indican ahora que ese centro se ha movido, al menos en la actividad actual de modelos.

Lo que no demuestran tres mil millones de descargas

La cifra mide actividad de distribución, no usuarios únicos, calidad de las aplicaciones, seguridad, ingresos ni adopción duradera en producción.

Los recuentos de descargas de Hugging Face suelen tratarse como totales de instalaciones de software. La comparación es tentadora, pero incompleta. Los archivos de modelos son artefactos grandes que los sistemas automatizados pueden solicitar repetidamente durante las pruebas, el despliegue y las actualizaciones de caché.

Distintos repositorios también pueden aplicar diferentes reglas de conteo. Una familia de modelos puede incluir checkpoints oficiales, derivados de la comunidad, copias cuantizadas y adaptaciones para tareas específicas. Agregar esas categorías puede producir totales muy elevados.

Bloomberg atribuye la comparación de seis meses a un informe de Hugging Face sobre el estado de los modelos abiertos. Por tanto, las cifras principales deben interpretarse como una medida a nivel de plataforma. No deben convertirse en afirmaciones sobre desarrolladores únicos.

El estudio independiente sobre modelos abiertos tomó medidas adicionales para eliminar duplicados en los datos internos de descargas. Sus autores señalaron que un panel público producía resultados algo diferentes porque los contadores públicos eran menos precisos.

Esta advertencia metodológica es importante. La ventaja informada de Alibaba es demasiado grande como para descartarla como una diferencia menor de conteo. Sin embargo, la proporción exacta entre Qwen, Google y Meta depende de definiciones coherentes.

La comparación tampoco mide el uso a través de nubes privadas o API alojadas. Una empresa puede procesar miles de millones de solicitudes mediante un endpoint propietario sin generar descargas públicas de modelos. El negocio Gemini de Google ilustra esa limitación.

Del mismo modo, Meta puede operar Llama dentro de Facebook, Instagram, WhatsApp y sus productos de hardware sin crear un evento en Hugging Face. Alibaba puede ejecutar Qwen en sus propios servicios bajo las mismas condiciones.

Por tanto, el liderazgo en descargas describe el mercado de distribución abierta, no todo el mercado de IA. OpenAI y Anthropic siguen siendo influyentes pese a distribuir sus modelos líderes principalmente mediante servicios alojados. Su ausencia de la primera posición en descargas dice poco sobre la demanda de API.

El rendimiento es otra cuestión independiente. Un modelo puede atraer descargas porque es pequeño, novedoso, compatible o está disponible bajo condiciones favorables. Ninguna de esas condiciones garantiza una precisión superior en todas las tareas.

Alibaba publica resultados de benchmarks para los lanzamientos de Qwen, pero los benchmarks de las empresas requieren replicación independiente. La contaminación de pruebas, las decisiones de prompting, la configuración del hardware y el diseño de la evaluación pueden alterar las clasificaciones. El rendimiento en producción depende de los datos y las restricciones de cada aplicación.

Las licencias también merecen atención. Muchos lanzamientos de Qwen utilizan la licencia Apache 2.0, que permite una amplia modificación y uso comercial. Otros modelos del ecosistema más amplio pueden tener restricciones distintas.

Los desarrolladores deben verificar la licencia del checkpoint exacto que planean desplegar. También deben evaluar la gobernanza de datos, los controles de exportación, los requisitos de seguridad y las normas específicas del sector. Un modelo popular no es automáticamente adecuado para una carga de trabajo regulada.

La transparencia sigue siendo una preocupación más amplia de la industria. El estudio sobre modelos abiertos determinó que los modelos descargados que divulgaban información sobre datos de entrenamiento cayeron del 79,3 por ciento en 2022 al 39 por ciento en 2025.

Los investigadores concluyeron que las descargas de modelos de pesos abiertos habían superado las de modelos que cumplían un estándar más completo de código abierto. Ese hallazgo complica las afirmaciones de que una mayor disponibilidad de modelos crea automáticamente una mayor transparencia.

Los pesos permiten la inspección, la modificación y la operación local. No revelan todas las fuentes de entrenamiento ni todas las decisiones de filtrado. Las organizaciones siguen necesitando evaluaciones de sesgos, filtraciones de privacidad, comportamiento inseguro y vulnerabilidad a prompts maliciosos.

Los equipos de seguridad también deben tratar con cautela los derivados de la comunidad. Una cuantización o un ajuste no oficial puede diferir del checkpoint original. Su creador puede modificar archivos de configuración, código incrustado o el comportamiento del modelo.

Los repositorios oficiales reducen parte del riesgo de la cadena de suministro, pero no eliminan el riesgo a nivel de modelo. Las empresas necesitan sumas de verificación, registros de procedencia, procedimientos de carga controlados y evaluaciones internas antes de permitir que un modelo se acerque a sistemas sensibles.

La conversión comercial sigue siendo la mayor incógnita para Alibaba. Las descargas generan atención y posibles clientes de nube. No muestran cuánto ingreso obtiene Alibaba de esos usuarios.

Alibaba ha informado de un mayor impulso de la nube junto con su inversión en IA. Su divulgación fiscal de 2026 indicó que el crecimiento de ingresos de Alibaba Cloud alcanzó el 40 por ciento en el trimestre final. Los productos relacionados con IA representaron el 30 por ciento de los ingresos de la nube durante ese período.

Estas cifras empresariales respaldan la idea de que la demanda de IA está contribuyendo al crecimiento de la nube. No aíslan qué parte de los ingresos provino de desarrolladores que primero descargaron Qwen. Establecer esa conexión validaría con mayor claridad la estrategia de distribución de Alibaba.

Por tanto, la lectura escéptica es sencilla. Qwen ha ganado una importante métrica de actividad de desarrolladores, pero la métrica no puede resolver la competencia de mercado más amplia. Mide el interés y el movimiento del ecosistema más directamente que el valor económico duradero.

Esa incertidumbre debería dar forma a la respuesta de las empresas. Los equipos no deberían elegir Qwen porque 3.000 millones suena decisivo. Deberían incluirlo en las evaluaciones porque las herramientas circundantes, las opciones de despliegue y el conocimiento de la comunidad se han vuelto difíciles de ignorar.

Cómo será la próxima etapa de la carrera de IA entre Alibaba y Google

La siguiente etapa se decidirá por una cuota de descargas sostenida, lanzamientos competitivos y la capacidad de Alibaba para convertir el uso de la comunidad en demanda de nube.

La primera señal será la cuota de descargas de Qwen después de que se estabilice el ciclo actual de lanzamientos. Los nuevos modelos suelen generar picos breves mientras los desarrolladores prueban checkpoints y los servicios automatizados obtienen archivos. Un liderazgo sostenido tendría más peso.

Observe los totales mensuales de Qwen en los repositorios oficiales y los principales derivados. Compárelos con Google Gemma y Meta Llama utilizando la misma ventana temporal. Una ventaja estable reforzaría la idea de que los desarrolladores han cambiado su familia de modelos predeterminada.

Una caída pronunciada debilitaría esa conclusión. Sugeriría que la cifra de 3.000 millones capturó un período de lanzamientos inusualmente activo. La distinción entre un cambio duradero de plataforma y un aumento temporal importa para los proveedores de software.

La segunda señal es la respuesta de Meta y Google. El próximo lanzamiento de Llama de Meta mostrará si todavía busca el liderazgo en pesos abiertos. Los tamaños de los modelos, los términos de licencia, la eficiencia de despliegue y el calendario de lanzamiento influirán en la atención de los desarrolladores.

Una familia Llama más amplia y con un despliegue local más sencillo desafiaría directamente a Qwen. Un mayor énfasis en los servicios alojados de Meta indicaría que Meta valora más la distribución al consumidor que el liderazgo en repositorios.

La respuesta de Google revelará cómo equilibra Gemma frente a Gemini. Más tamaños de Gemma y variantes especializadas reducirían la ventaja de cartera de Alibaba. Una inversión limitada dejaría a Qwen más espacio entre los desarrolladores que autohospedan modelos.

Google no necesita superar las descargas de Qwen para mantener un sólido negocio de IA. Sí necesita una familia descargable creíble si quiere influir en los estándares de despliegue abierto. Esa es la importante línea de fractura entre Alibaba y Google.

La tercera señal es la conversión comercial de Alibaba Cloud. Los próximos resultados deberían mostrar si los ingresos de nube relacionados con IA continúan creciendo junto con la distribución de Qwen. Las referencias de clientes y la adopción internacional aportarían evidencia adicional.

Si la demanda de nube aumenta mientras Qwen sigue siendo líder en descargas, la estrategia de Alibaba parecerá coherente. Los pesos gratuitos estarían alimentando infraestructura de pago, inferencia gestionada y servicios empresariales.

Si las descargas crecen sin una demanda de nube relacionada, Qwen aún podría moldear los estándares técnicos. Sin embargo, Alibaba estaría subvencionando un ecosistema que genera un retorno directo limitado. Ese resultado podría poner a prueba con el tiempo el compromiso de la empresa con los lanzamientos.

Los desarrolladores también deberían observar el equilibrio entre lanzamientos oficiales y derivados de la comunidad. Un ecosistema saludable produce herramientas, optimizaciones y modelos especializados sin fragmentar la compatibilidad. Una fragmentación excesiva puede dificultar la evaluación de la calidad y la seguridad.

Los compradores empresariales deberían centrarse en evaluaciones reproducibles. Prueben Qwen, Llama, Gemma y alternativas alojadas frente a las mismas tareas, políticas de datos, objetivos de latencia y hardware. La popularidad del repositorio debe determinar qué entra en la prueba, no qué la gana automáticamente.

Los trabajadores del conocimiento percibirán los efectos de manera indirecta. Más modelos descargables implican más asistentes privados, herramientas locales de transcripción, sistemas de programación y aplicaciones de documentos. La competencia puede mejorar las opciones incluso cuando los usuarios nunca descargan un checkpoint por sí mismos.

El hito informado ya ha cambiado una premisa. Las empresas estadounidenses ya no poseen una ventaja automática en la distribución global de modelos abiertos. Alibaba desarrolló suficiente variedad de modelos e impulso entre desarrolladores para tomar la delantera.

Ahora, la comparación entre Alibaba y Google debe ir más allá del titular. ¿Mantiene Qwen su cuota cuando se desvanece el tráfico inicial del lanzamiento? ¿Responden Meta y Google con lanzamientos abiertos más sólidos? ¿Convierte Alibaba la actividad de la comunidad en un negocio de nube duradero?

Estas tres señales determinarán si los 3.000 millones de descargas representan un traslado de influencia duradero o un momento espectacular en un mercado volátil. Por ahora, los desarrolladores deberían considerar a Qwen como una plataforma líder, al tiempo que contrastan cada afirmación con sus propias cargas de trabajo.