# Qwen3.5 Qwen3.5, lanzado el 16 de febrero de 2026, es el último modelo insignia de Alibaba y uno de los lanzamientos de código abierto más destacados de 2026. El **insignia MoE de 397B** superó a Claude 4.5 Opus en el benchmark de matemáticas HMMT, mientras que el más pequeño **modelo denso de 35B** cabe en una sola RTX 4090. Todos los modelos incluyen capacidades agente (uso de herramientas, llamadas a funciones, ejecución autónoma de tareas) y comprensión multimodal desde el primer momento. ## Características clave * **Tres tamaños**: 9B (denso), 35B (denso), 397B (MoE) — algo para cada GPU * **Superó a Claude 4.5 Opus** en el benchmark de matemáticas HMMT * **Nativamente multimodal**: Comprensión de texto e imagen * **Capacidades agente**: Uso de herramientas, llamadas a funciones, flujos de trabajo autónomos * **Ventana de contexto de 128K**: Maneja documentos y bases de código grandes * **Licencia Apache 2.0**: Uso comercial completo, sin restricciones ## Variantes del modelo | Modelo | Parámetros | Tipo | VRAM (Q4) | VRAM (FP16) | Fortaleza | | ------------ | ---------- | ----- | --------- | ----------- | --------------------- | | Qwen3.5-9B | 9B | Denso | 6GB | 18GB | Rápido, eficiente | | Qwen3.5-35B | 35B | Denso | 22GB | 70GB | Mejor en una sola GPU | | Qwen3.5-397B | 397B | MoE | \~100GB | 400GB+ | Clase frontera | ## Requisitos | Componente | 9B (Q4) | 35B (Q4) | 397B (multi-GPU) | | ---------- | ------------- | ------------- | ---------------- | | GPU | RTX 3080 10GB | RTX 4090 24GB | 4× H100 80GB | | VRAM | 8GB | 22GB | 320GB+ | | RAM | 16GB | 32GB | 128GB | | Disco | 15GB | 30GB | 250GB | **GPU recomendada de Clore.ai**: RTX 4090 24GB (\~$0.5–2/día) para 35B — mejor calidad por dólar ## Inicio rápido con Ollama ```bash # Instalar Ollama curl -fsSL https://ollama.com/install.sh | sh # 9B — funciona en cualquier cosa (8GB VRAM) ollama run qwen3.5:9b # 35B cuantizado — necesita RTX 4090 (24GB) ollama run qwen3.5:35b # Como servidor de API ollama serve & curl http://localhost:11434/v1/chat/completions \ -H "Content-Type: application/json" \ -d '{ "model": "qwen3.5:35b", "messages": [{"role": "user", "content": "Resuelve esto: si f(x) = x^3 - 3x + 1, encuentra todas las raíces reales"}] }' ``` ## Configuración de vLLM (Producción) ```bash pip install vllm # 35B en una sola GPU vllm serve Qwen/Qwen3.5-35B-Instruct \ --max-model-len 32768 \ --gpu-memory-utilization 0.90 # 9B con contexto largo vllm serve Qwen/Qwen3.5-9B-Instruct \ --max-model-len 65536 # 397B en clúster multi-GPU vllm serve Qwen/Qwen3.5-397B-A45B-Instruct \ --tensor-parallel-size 8 \ --max-model-len 32768 ``` ## HuggingFace Transformers ```python import torch from transformers import AutoModelForCausalLM, AutoTokenizer model_name = "Qwen/Qwen3.5-35B-Instruct" tokenizer = AutoTokenizer.from_pretrained(model_name) model = AutoModelForCausalLM.from_pretrained( model_name, torch_dtype=torch.bfloat16, device_map="auto", load_in_4bit=True # Ajusta 35B en 24GB ) messages = [ {"role": "system", "content": "Eres un tutor de matemáticas servicial."}, {"role": "user", "content": "Demuestra que la raíz cuadrada de 2 es irracional."} ] input_ids = tokenizer.apply_chat_template(messages, return_tensors="pt").to(model.device) output = model.generate(input_ids, max_new_tokens=2048, temperature=0.7, do_sample=True) print(tokenizer.decode(output[0][input_ids.shape[-1]:], skip_special_tokens=True)) ``` ## Ejemplo de uso agente / de herramientas ```python import json from openai import OpenAI client = OpenAI(base_url="http://localhost:11434/v1", api_key="ollama") tools = [{ "type": "function", "function": { "name": "get_gpu_price", "description": "Obtén el precio de alquiler actual para un modelo de GPU en Clore.ai", "parameters": { "type": "object", "properties": { "gpu_model": {"type": "string", "description": "Nombre del modelo GPU, p. ej. RTX 4090"} }, "required": ["gpu_model"] } } }] response = client.chat.completions.create( model="qwen3.5:35b", messages=[{"role": "user", "content": "¿Cuál es la GPU más barata que puedo alquilar para ejecutar un modelo de 7B?"}], tools=tools, tool_choice="auto" ) # Qwen3.5 llamará a get_gpu_price con los parámetros apropiados print(response.choices[0].message) ``` ## ¿Por qué Qwen3.5 en Clore.ai? El modelo de 35B es posiblemente el **mejor modelo que puedes ejecutar en una sola RTX 4090**: * Supera a Llama 4 Scout en matemáticas y razonamiento * Supera a Gemma 3 27B en tareas agente * El uso de herramientas / llamadas a funciones funciona desde el primer momento * Apache 2.0 = sin problemas de licencia A $0.5–2/día por una RTX 4090, obtienes IA de clase frontera por el precio de un café. ## Consejos para usuarios de Clore.ai * **35B es el punto óptimo**: Cabe en RTX 4090 Q4, supera a la mayoría de modelos de 70B * **9B para presupuesto**: Incluso una RTX 3060 ($0.15/día) ejecuta bien el modelo de 9B * **Usa Ollama para inicio rápido**: Un comando para servir; API compatible con OpenAI incluida * **Flujos de trabajo agente**: Qwen3.5 sobresale en el uso de herramientas — combinar con llamadas a funciones para automatización * **Modelo nuevo = menos cacheado**: La primera descarga toma tiempo (\~20GB para 35B). Descárgalo previamente antes de que empiece tu carga de trabajo ## Solución de problemas | Problema | Solución | | ------------------------------------ | ------------------------------------------------------------------------- | | 35B OOM en 24GB | Usa `load_in_4bit=True` o reduce `--max-model-len` | | Modelo de Ollama no encontrado | Actualiza Ollama: `curl -fsSL https://ollama.com/install.sh \| sh` | | Lento en la primera solicitud | La carga del modelo toma 30-60s; las solicitudes subsecuentes son rápidas | | Llamadas a herramientas no funcionan | Asegúrate de pasar `tools` parámetro; usa solo la variante instruct | ## Lecturas adicionales * [Blog de Qwen](https://qwenlm.github.io/) * [Modelos en HuggingFace](https://huggingface.co/Qwen) * [Biblioteca Ollama](https://ollama.com/library/qwen3.5)