Què significa Qwen: model, aplicació i servei
Qwen, també conegut com a Tongyi Qianwen, és una família de models d’intel·ligència artificial desenvolupada per Alibaba. El nom apareix en aplicacions conversacionals, serveis per a desenvolupadors i models descarregables. No descriu una única instal·lació amb funcions idèntiques a tot arreu.
Per entendre una fitxa tècnica convé identificar tres nivells: quin model processa la sol·licitud, quina aplicació l’envolta i qui opera el servei. Una interfície pot afegir cerca, lectura de fitxers o eines que no venen incloses en els pesos del model. Aquesta distinció permet comparar propostes amb precisió i evita atribuir a una instal·lació local tot allò que mostra una demostració de l’aplicació.
Documentació de referència: Alibaba Cloud unveils Tongyi Qianwen · Qwen API platform.
Origen i evolució fins a 2024
Alibaba Cloud va presentar Tongyi Qianwen l’abril de 2023, inicialment orientat a integrar IA en el seu ecosistema empresarial. Qwen2 va arribar el juny de 2024 amb diverses mides i una cobertura lingüística ampliada. Al setembre, Qwen2.5 va agrupar models generalistes i variants especialitzades en programació i matemàtiques.
El novembre de 2024 el projecte va publicar QwQ-32B-Preview, una exploració del raonament prolongat. La mateixa presentació advertia de barreges d’idiomes i bucles de raonament. Aquest antecedent ajuda a interpretar la paraula «thinking»: generar una deliberació extensa és una capacitat del sistema, no una garantia d’arribar a una conclusió correcta.
Documentació de referència: Alibaba Cloud unveils Tongyi Qianwen · Hello Qwen2 · Qwen2.5: A Party of Foundation Models · QwQ: Reflect Deeply on the Boundaries of the Unknown.
Fites de 2025: Max, Omni i Qwen3
Qwen2.5-Max es va presentar el gener de 2025 amb accés mitjançant xat i API. Al març, Qwen2.5-Omni va ampliar la combinació de text, imatge, àudio i vídeo, amb respostes textuals i de veu. A l’abril va aparèixer Qwen3, que reunia models densos i de barreja d’experts i modalitats amb raonament explícit o sense.
La importància d’aquesta evolució no és únicament el número de versió. Es va ampliar el repertori d’entrades, sortides i formes d’execució. Per això una avaluació ha de conservar l’identificador complet del model, la data i la configuració. Comparar un resultat d’una variant petita amb una demostració de Max no és comparar el mateix producte en les mateixes condicions.
Documentació de referència: Qwen2.5-Max · Qwen2.5 Omni: See, Hear, Talk, Write, Do It All · Qwen3: Think Deeper, Act Faster.
La generació 3.5–3.8 i les noves especialitzacions
El repositori oficial registra Qwen3.5 el febrer de 2026 i noves variants 3.6 a l’abril. L’anunci de Qwen3.8-Max està datat el 3 d’agost; els pesos de la variant 2.4T-A95B es van publicar el 12 i els de 27B el 14 d’agost. La sèrie va continuar ampliant-se amb models i serveis especialitzats.
La denominació «més recent» s’ha d’acompanyar d’una família i una data: un model visual, un de traducció i un altre de generalista no formen necessàriament una sola escala de substitució. Per a un projecte estable és més útil documentar una versió provada i la seva via d’actualització que perseguir cada canvi de nom.
Documentació de referència: Qwen3.8 official repository · Qwen3.8-Max: A New Bar for Coding and Cowork.
Arquitectura i mides: què indiquen realment
La família combina models densos i barreja d’experts, o MoE. En aquests darrers, el nombre total de paràmetres difereix de l’activat per processar cada entrada. Qwen3.8-2.4T-A95B declara 2,4 bilions de paràmetres totals i 95.000 milions d’actius; Qwen3.8-27B és una variant densa amb capacitat visual.
Aquests números descriuen l’organització del model, no la quantitat de coneixement verificat ni la qualitat garantida d’una resposta. El consum real depèn també del context, la precisió numèrica, el programari d’inferència i la concurrència. Un model més petit pot encaixar millor en un flux delimitat si respon amb prou qualitat, permet revisar els resultats i té un cost operatiu sostenible.
Documentació de referència: Qwen3.8-2.4T-A95B model card · Qwen3.8-27B model card.
Base, Instruct i Thinking
La documentació diferencia models Base, destinats a continuació de text i adaptació posterior, de variants Instruct orientades a seguir instruccions i Thinking orientades al raonament. Algunes versions permeten alternar modes. L’edició descarregable 3.8-2.4T-A95B exigeix thinking i només accepta text, a diferència de prestacions addicionals del servei Max.
Per a una tasca documental, cal triar el mode segons el treball requerit. Reescriure una frase clara i comparar diverses condicions contradictòries no necessiten necessàriament el mateix pressupost. Una resposta llarga pot ser difícil de revisar i amagar un salt lògic. Demanar conclusions separades de supòsits i qüestions pendents ajuda a avaluar el resultat sense confondre extensió amb fiabilitat.
Documentació de referència: Qwen Key Concepts · Qwen3.8-2.4T-A95B model card.
Comprensió visual, àudio i modalitats de sortida
La línia Omni integra diverses modalitats; la seva evolució va partir de models capaços de rebre text, imatges, àudio i vídeo i produir text i veu. Les experiències actuals de Qwen Omni presenten conversa audiovisual, anàlisi de fitxers i traducció en temps real. Les capacitats concretes depenen del servei i model seleccionat.
En una revisió de material preventiu, separar transcripció, descripció i interpretació. «L’etiqueta conté aquestes paraules» és diferent de «el recipient conté aquesta substància». Una imatge no revela per si sola totes les condicions de treball. Si s’avalua una traducció parlada, comprovar noms propis, unitats i termes del centre, a més de la continuïtat de la conversa i la claredat del so.
Documentació de referència: Qwen2.5 Omni: See, Hear, Talk, Write, Do It All · Qwen Omni.
Generació i edició d'imatges
Qwen-Image-2.1, anunciat el setembre de 2026, reuneix generació i edició d’imatges i admet transparència. És una línia de creació visual, diferent de la capacitat de descriure una imatge. Que un model entengui una fotografia no significa que produeixi o editi imatges amb les mateixes funcions.
Sabentis proposa utilitzar aquestes capacitats per a il·lustracions formatives clarament identificades. Una escena generada pot ajudar a explicar una situació, però no documenta un lloc real. Revisar proteccions, postures, senyalització i elements de context abans d’incorporar-la a una presentació. Per a evidències d’una inspecció, conservar l’original i evitar modificacions que alterin allò observat.
Documentació de referència: Qwen-Image-2.1: Compact, Efficient, and Unified Image Creation.
Aplicació, API i eines externes
La plataforma publica interfícies de conversa, temps real i processament per lots, juntament amb cerca i crides a funcions. Cada interfície cobreix necessitats diferents: interacció immediata, intercanvi audiovisual o processament de conjunts de sol·licituds. Cal comprovar la disponibilitat d’una eina en la integració concreta.
Una crida a funció no equival a una acció correctament autoritzada. El model pot proposar arguments, mentre una altra peça del sistema decideix si els executa. En una integració pròpia, separar lectura d’escriptura, limitar permisos i registrar quina acció ha tingut lloc. Per extreure camps documentals, validar l’esquema i rebutjar resultats incomplets abans d’incorporar-los a un registre.
Documentació de referència: Qwen API platform.
Qwen Code i treball de desenvolupament
Qwen Code és una eina de programació diferenciada. La seva documentació distingeix accés mitjançant compte Qwen, pla d’Alibaba Cloud, claus d’altres proveïdors i Vertex AI. L’autenticació determina quines condicions regeixen el servei del model. Desactivar estadístiques d’ús del client no modifica automàticament la política d’aquest proveïdor.
Un equip pot avaluar aquesta via per preparar utilitats de revisió de documents o validadors de dades. Cal inspeccionar el resultat com a codi: entrades permeses, errors, dependències i efectes sobre fitxers. En SST, automatitzar una comprovació de format pot ser apropiat; automatitzar una conclusió preventiva exigeix un abast i una validació molt més específics.
Documentació de referència: Qwen Code: Terms of Service and Privacy Notice.
Models descarregables i desplegament propi
Els repositoris oficials distribueixen pesos mitjançant Hugging Face i ModelScope i descriuen execució amb diferents motors d’inferència. El fitxer descarregat és una peça d’un sistema: necessita recursos, configuració, interfície i manteniment. Una aplicació allotjada per un tercer afegeix les seves pròpies condicions operatives.
L’elecció entre servei gestionat i desplegament propi depèn del control requerit i de la capacitat de l’equip. El segon permet dissenyar el flux de dades, però no garanteix aïllament pel simple fet d’instal·lar-lo. Revisar connexions de xarxa, registres, actualitzacions, permisos i còpies. Abans de migrar un treball, comprovar que el model local reprodueix les funcions utilitzades i no només una conversa bàsica.
Documentació de referència: Qwen documentation: inference and deployment.
Llicències: no tota la família té les mateixes condicions
Qwen3.8-27B declara Apache 2.0. La llicència de 3.8-Max incorpora condicions específiques d’atribució i llicenciament comercial per a determinades activitats i escales, amb una excepció definida per a ús intern. Les etiquetes generals d’un repositori no substitueixen la llicència del model i versió descarregats.
Els pesos oberts permeten inspeccionar i utilitzar paràmetres segons les seves condicions; no impliquen necessàriament accés al conjunt d’entrenament complet. Per a una avaluació empresarial, conservar la llicència amb la versió i documentar si hi haurà redistribució, servei a tercers o adaptació. Aquest registre evita aplicar sense revisió una decisió presa per a un pilot intern a un producte comercial diferent.
Documentació de referència: Qwen3.8-27B model card · Qwen3.8-Max License.
Dades d'entrenament i dades de l'usuari
Alibaba descriu entrenament amb dades públiques, de socis, contractades i sintètiques. Per a Model Studio declara que no utilitza dades comercials del client per desenvolupar o millorar models sense consentiment explícit. Aquesta afirmació té un àmbit concret i no s’ha d’estendre automàticament a l’aplicació de consum ni a proveïdors externs.
La revisió de privacitat ha de seguir el recorregut real de la informació: qui rep el fitxer, on es processa, què es conserva i quines eines addicionals intervenen. En SST, una tasca de simplificació documental es pot assajar amb materials públics o casos ficticis. Si després requereix informació interna, cal avaluar el compte i el servei que realment s’utilitzaran.
Documentació de referència: Alibaba Cloud Model Studio: Training data summary.
Adopció, models derivats i productes relacionats
AI Singapore documenta Qwen-SEA-LION-v4-32B-IT com una adaptació de Qwen3 per a llengües del sud-est asiàtic. Aquest exemple mostra la reutilització d’un model base; cal llegir separadament les limitacions i avaluacions del derivat. No hereta automàticament totes les garanties que algú atribueixi a la família original.
El juliol de 2026 Reuters va recollir la declaració d’Alibaba sobre la integració de Qwen a Apple Intelligence per a la Xina. És un context regional específic. En l’ecosistema comercial d’Alibaba també figuren Accio i Accio Work, orientats a aprovisionament i operacions empresarials: són productes diferents, no simples noms alternatius de Qwen Chat.
Documentació de referència: Qwen-SEA-LION-v4-32B-IT · Apple Intelligence AI service registered with Chinese regulator · Alibaba Group fiscal year2026 results.
Organització del projecte i continuïtat
Reuters va informar el març de 2026 de la sortida de Lin Junyang, responsable de la divisió Qwen, i de la creació d’un grup de treball per impulsar els models. Alibaba va explicar posteriorment l’agrupació de les seves àrees d’IA a Alibaba Token Hub, incloent-hi recerca, serveis de models i aplicacions.
Aquests canvis organitzatius formen part de la història del producte, però no demostren per si mateixos una interrupció del servei ni una millora tècnica. Per a qui depèn d’un model, la continuïtat s’avalua amb versions disponibles, documentació, condicions de suport i mecanismes de migració. Convé distingir una notícia corporativa d’un canvi efectiu en la integració utilitzada.
Documentació de referència: Alibaba forms task force after Qwen chief's exit · Alibaba Positions for Accelerated AI Growth in Second Half of 2026.
Com interpretar proves i afirmacions de rendiment
Els anuncis i fitxes de Qwen presenten resultats de proves de programació, raonament i tasques d’agents. Són evidència d’avaluacions sota condicions concretes. Una posició favorable en una taula no demostra superioritat en tots els idiomes, documents o escenaris d’una organització.
Sabentis proposa construir una mostra representativa abans de comparar: textos clars i ambigus, taules amb cel·les buides, excepcions i documents de versions diferents. Avaluar exactitud, omissions, traçabilitat i temps de correcció. Conservar també errors i respostes sense informació suficient. Una adaptació de tercers ha de passar la seva pròpia revisió, especialment si modifica les instruccions o salvaguardes del model original.
Documentació de referència: Qwen3.8-Max: A New Bar for Coding and Cowork · Qwen-SEA-LION-v4-32B-IT.
Aplicacions en seguretat i salut en el treball
Pot ajudar a elaborar exemples i explicacions per a la formació preventiva, sempre que s’utilitzi material revisat i es mantingui el criteri de l’especialista. També pot ajudar a explorar com presentar una mateixa idea a persones amb coneixements diferents, sense assumir que una traducció garanteix la comprensió.
Sabentis proposa utilitzar-lo per desenvolupar variants d’una explicació, explorar exemples formatius i revisar si un text manté el significat quan canvia l’audiència. La tasca ha de partir d’una font aprovada i un glossari. Per a treballadors nous interessa claredat i seqüència; per als comandaments, responsabilitats i decisions. No s’ha de rebaixar una condició tècnica per fer el text més breu ni convertir una excepció del procediment en una regla general.
Exemple desenvolupat i comprovacions
Per exemple, un tècnic pot aportar una explicació aprovada sobre manipulació manual de càrregues i demanar dues versions: una per als comandaments i una altra per a una xerrada inicial. Revisa que totes dues mantinguin les condicions, les excepcions i les mesures del document original.
L’exemple de manipulació manual de càrregues es pot desenvolupar sense inventar llindars ni recomanacions individuals:
- Preparar el text aprovat i assenyalar termes que s’han de mantenir, condicions d’aplicació i límits que no es poden ometre.
- Demanar dues versions amb el mateix contingut tècnic: una explicació per als comandaments i un guió introductori per als treballadors.
- Sol·licitar una taula de correspondència entre els missatges originals i totes dues versions. Marcar qualsevol frase nova com a proposta, no com a part de la font.
- Revisar especialment xifres, negacions, excepcions i referències a ajudes disponibles. Comprovar que el canvi de to no introdueixi una valoració sobre persones concretes.
- Provar la comprensió amb preguntes obertes i ajustar el material als termes utilitzats al centre. Guardar les versions aprovades amb el document d’origen.
El criteri d’acceptació és equivalència de significat, no igualtat de paraules. Si una persona entén el missatge de manera diferent, cal revisar la formulació i el context de l’exemple abans de distribuir-lo.
Limitacions i condicions d’ús
El nom Qwen també identifica models, no només una aplicació. Les funcions i els formats admesos varien entre productes i modes. La comprensió visual o documental pot ometre detalls crítics; una resposta no acredita que una tasca sigui segura.
Les capacitats multilingües o de raonament d’una família de models no garanteixen precisió en una tasca específica. Un text fluid pot alterar una obligació, una condició o el subjecte d’una frase. Per a material bilingüe, revisar totes dues versions contra la font; una traducció inversa pot revelar diferències, però tampoc substitueix la revisió d’una persona que domini la terminologia. Evitar comparar models mitjançant un únic exemple favorable o traslladar resultats de proves públiques a l’ús preventiu sense validació.
Documentació de referència: Qwen3: Think Deeper, Act Faster.
Com triar i complementar l’eina
Qwen es pot avaluar quan interessa preparar variants i explicacions a partir d’instruccions clares. Si l’encàrrec principal és traducció i terminologia, comparar el flux amb DeepL. Si cal convertir el text revisat en material visual, es pot complementar amb Canva.
Un pilot hauria d’incloure frases amb excepcions, quantitats i termes del centre. Mesurar errors de significat, temps de revisió i preguntes de comprensió. No triar únicament per la naturalitat de la redacció ni per la mida declarada d’un model.
Preguntes freqüents
Qwen i Qwen Chat identifiquen exactament el mateix producte?
No. Qwen també anomena models que es poden utilitzar en serveis diferents. Cal indicar l’aplicació o integració concreta quan es documenta un procés.
Pot adaptar una instrucció per a audiències diferents?
Pot proposar versions, però s’han de conservar condicions, excepcions i responsabilitats. L’adaptació no autoritza canviar el contingut tècnic aprovat.
Què cal fer si les versions discrepen?
Tornar al passatge original i resoldre la diferència abans de publicar. Conservar un glossari de termes acceptats ajuda a evitar que reaparegui la mateixa discrepància.
