

¿Qué es Qwen 3.8? Nuevas funciones
Qwen 3.8 explicado: qwen3.8-max procesa texto, imagen y video con hasta 983K tokens de entrada; Qwen3.8-27B tiene pesos abiertos. Acceso a la API en APIMart.
Si tuviera que resumirlo en una sola línea: Qwen 3.8 es la familia de modelos de Alibaba lanzada oficialmente el 2 de agosto de 2026: el modelo insignia alojado, Qwen3.8-Max, acepta hasta 983,616 tokens de entrada y devuelve hasta 131,072 en APIMart, mientras que los modelos de pesos abiertos manejan 262,144 tokens de forma nativa y llegan a cerca de 1M con RoPE scaling.
Si quieres la respuesta corta, aquí la tienes:
-
Lo consideraría para trabajo multimodal: el qwen3.8-max alojado acepta imágenes y video además de texto (la versión de pesos abiertos Qwen3.8-2.4T-A95B solo procesa texto)
-
Lo probaría para tareas con entradas largas: grandes conjuntos de documentos, chats extensos, bases de código y video de una hora de duración
-
Aun así, empezaría con un piloto pequeño: prueba la latencia, la calidad de salida y la estabilidad con contexto largo usando tus propios datos antes de mover tráfico de producción
Esto es lo que más importa:
-
Entradas: texto, imágenes y video en el qwen3.8-max alojado (documentación de APIMart); solo texto en la versión de pesos abiertos 2.4T-A95B
-
Salidas: texto, JSON, código, diagramas y llamadas a herramientas
-
Ventana de contexto: hasta 983,616 tokens de entrada para qwen3.8-max en APIMart; 262K nativa y cerca de 1M con escalado en los modelos de pesos abiertos
-
Límite de salida: hasta 131,072 tokens por respuesta para qwen3.8-max en APIMart
-
Endpoint de la API:
https://api.apimart.ai/v1/chat/completions -
Autenticación: token Bearer
-
Formato de solicitud: estilo OpenAI, con arreglos multimodales tipados en
content -
Usos más adecuados: OCR, análisis de documentos, UI-to-code, indexación de video y traspasos de automatización
| Área | Qué tendría en cuenta |
|---|---|
| Acceso | API unificada de APIMart con solicitudes estilo OpenAI |
| Estado del modelo | Lanzado oficialmente el 2 de agosto de 2026; conviene hacer un piloto pequeño antes de escalar |
| Contexto largo | Suficientemente grande para tareas intensivas de documentos y video |
| Soporte multimodal | qwen3.8-max procesa texto, imágenes y video en una sola solicitud; la versión de pesos abiertos 2.4T-A95B solo texto |
| Encaje en el flujo de trabajo | Se usa mejor como paso de análisis antes de la generación o automatización posterior |
| Verificación para producción | Pruébalo con tus propios PDF, imágenes, clips y niveles de tráfico |
En otras palabras: esto parece una opción sólida como piloto para cargas de trabajo multimodales y de contexto largo, pero lo validaría con mis propios archivos antes de confiar en él.

Puntos clave
- Qwen 3.8 se lanzó oficialmente el 2 de agosto de 2026, tras una versión preliminar. El Qwen3.8-Max alojado acepta texto, imágenes y video a través del endpoint compatible con OpenAI de APIMart,
https://api.apimart.ai/v1/chat/completions; la versión de pesos abiertos Qwen3.8-2.4T-A95B solo procesa texto, y Qwen3.8-27B es la opción de pesos abiertos para imágenes y video. - En APIMart, qwen3.8-max acepta hasta 983,616 tokens de entrada y devuelve hasta 131,072 tokens de salida; los modelos de pesos abiertos manejan 262,144 tokens de forma nativa y se amplían a cerca de 1M con RoPE scaling.
- Puede devolver texto, JSON, código, diagramas y llamadas a herramientas, y realiza análisis de documentos con OCR en 32 idiomas e indexación de vídeo a nivel de marca de tiempo para grabaciones de horas.
- Las solicitudes multimodales usan un array
contentde objetos tipados comotexteimage_url, aceptan URL HTTPS o URL de datos en base64, condetailenauto,lowohigh; el precio se basa en tokens y varía según el nivel. - Si necesitas una versión fija, usa la instantánea con fecha
qwen3.8-max-0902en lugar del aliasqwen3.8-max, que puede actualizarse con el tiempo; para multimodalidad con pesos abiertos, usaqwen3.8-27b. Prueba la latencia, la precisión multimodal y la fiabilidad con contexto largo usando tus propios archivos antes de pasar a producción.
Qwen 3.8: entradas multimodales, contexto largo y capacidades de salida
Modos compatibles: texto, imagen y video
Los cambios se ven mejor en lo que Qwen 3.8 puede aceptar y producir. Puedes probar la Qwen API directamente en APIMart.
El qwen3.8-max alojado acepta texto, imágenes y video en una sola solicitud (documentación de APIMart); si necesitas pesos abiertos, Qwen3.8-27B es un modelo nativo de visión y lenguaje (Hugging Face). Eso significa que puedes trabajar con entradas mixtas en el mismo prompt en lugar de saltar entre sistemas separados. Maneja prompts con múltiples imágenes, análisis de documentos basado en OCR en 32 idiomas, y comprensión de video por fotogramas con indexación a nivel de marca de tiempo para una localización precisa de eventos [4][5].
En cuanto a la salida, puede generar HTML/CSS/JS o diagramas de Draw.io a partir de imágenes o video, producir JSON estructurado y admitir llamadas a herramientas [4][5]. Para automatización, Visual Agent puede reconocer elementos de la interfaz en PC y móvil, y llamar a herramientas para completar tareas [5].
En pocas palabras, este es el tipo de configuración que ayuda cuando un equipo quiere que un solo modelo lea un documento, inspeccione una captura de pantalla, vea un clip y luego devuelva código o datos estructurados sin cambiar de herramienta a mitad de camino.
Ventana de contexto y límites de salida: qué significan en la práctica
En los modelos de pesos abiertos, la ventana de contexto nativa es de 262,144 tokens, ampliable a cerca de 1,010,000 con RoPE scaling (Hugging Face). A través de APIMart, qwen3.8-max acepta hasta 983,616 tokens de entrada y devuelve hasta 131,072 tokens por respuesta (documentación de APIMart).
| Capacidad | Especificación | Uso práctico |
|---|---|---|
| Ventana de contexto nativa (pesos abiertos) | 262K tokens (Hugging Face) | Revisión de múltiples documentos, bases de código extensas |
| Contexto ampliado (pesos abiertos) | ~1M tokens (Hugging Face) | Documentos muy extensos, bases de código grandes |
| Entrada máxima en APIMart (qwen3.8-max) | 983,616 tokens (APIMart) | Conjuntos completos de documentos en una sola solicitud |
| Salida máxima en APIMart (qwen3.8-max) | 131,072 tokens (APIMart) | Respuestas largas, código, resultados de análisis |
En la práctica, esos límites importan más cuando manejas mucho material de origen a la vez. Una ventana de contexto más grande te da más margen para mantener documentos largos, chats extensos o archivos de código grandes en una sola solicitud. Y con límites de salida más altos, el modelo tiene más espacio para devolver respuestas largas, código o resultados analizados sin cortarse antes de tiempo.
En documentos o videos largos, mantener más material de origen en una sola solicitud reduce la necesidad de dividir las entradas en fragmentos más pequeños. Esa suele ser la diferencia entre un flujo de trabajo fluido y uno que se convierte en trabajo tedioso de copiar y pegar.
Qué hay de nuevo en comparación con versiones anteriores de Qwen
El cambio principal es cómo Qwen 3.8 entrena y maneja los datos multimodales en conjunto. El mayor cambio en la línea Qwen 3 es el entrenamiento de fusión temprana (early fusion), donde los tokens multimodales se entrenan juntos desde el inicio en lugar de ser procesados por codificadores separados [3]. La escala del preentrenamiento también aumentó, alcanzando cerca de 36 billones de tokens [2].
En pocas palabras, el modelo está construido para tratar las señales de texto, imagen y video como parte del mismo sistema desde el principio. Eso importa si quieres que un solo modelo se mueva entre chat, razonamiento y tareas visuales dentro del mismo flujo de trabajo, en lugar de coser esas tareas entre distintos modelos [3].
Como qwen3.8-max siempre razona antes de responder en APIMart (el modo thinking no se puede desactivar), cuenta con tiempos de respuesta más largos incluso en prompts sencillos (documentación de APIMart).
Qwen 3.8 Max (probado a fondo): ¡UN VERDADERO COMPETIDOR ABIERTO DE FABLE!
Acceso a la API: disponibilidad, autenticación, endpoints, precios y cuotas
Una vez que sabes qué puede hacer Qwen 3.8, el siguiente paso es simple: conectarlo a un flujo de API que puedas usar.
Dónde está disponible Qwen 3.8
Qwen 3.8 está disponible a través de la API unificada de APIMart con un formato de solicitud compatible con OpenAI, incluidos qwen3.8-max, qwen3.8-max-0902, qwen3.8-flash, qwen3.8-27b y qwen3.8-2.4t-a95b.
Configuración de autenticación y endpoint
Usa un token Bearer en el encabezado Authorization y envía las solicitudes al endpoint de chat completions de APIMart: https://api.apimart.ai/v1/chat/completions [6]. Un detalle importante: si omites stream, este endpoint responde en streaming por defecto (al revés que OpenAI), así que envía "stream": false cuando quieras una sola respuesta JSON. Las herramientas integradas solo funcionan en /v1/responses, y los PDF solo en Chat Completions (documentación de APIMart).
En producción, es más inteligente fijar una instantánea con fecha en lugar de apoyarte en el alias simple qwen3.8-max. ¿Por qué? Porque un alias puede actualizarse sin que te enteres. Un identificador con versión como qwen3.8-max-0902 es una opción más segura que un objetivo cambiante.
En las solicitudes multimodales, el campo content se convierte en un arreglo de objetos tipados. El texto usa {"type": "text", "text": "..."}, y la entrada de imagen usa {"type": "image_url", "image_url": {"url": "..."}}. La entrada de imagen admite URLs HTTPS y data URLs en base64. También puedes usar detail (auto, low o high) para equilibrar la calidad de salida frente al costo en tokens.
Ese formato compartido importa más de lo que parece a primera vista. Te permite manejar flujos de texto, imagen y video con la misma forma de solicitud, así que no necesitas código adicional de conexión solo para cambiar el tipo de entrada.
Una vez que tu clave y endpoint están configurados, el siguiente paso es decidir cómo estructurar las solicitudes multimodales sin que el payload quede desordenado.
Precios, cuotas y comparación de rutas de acceso
Con el acceso ya configurado, lo siguiente que hay que revisar es el costo y el comportamiento de las cuotas frente al volumen de solicitudes que esperas.
El precio se basa en tokens y varía según el nivel del modelo. Consulta la página actual del modelo en APIMart para conocer las tarifas vigentes y los límites de cuota. Si envías muchas solicitudes, añade un backoff exponencial para el throttling [6].
Esa es la forma de API que hace práctico combinar el razonamiento de Qwen 3.8 con flujos de generación impulsados por APIMart.
Usar Qwen 3.8 a través de APIMart para flujos multimodales y de automatización

Cómo encaja Qwen 3.8 en la API unificada de APIMart
Una vez configurado el acceso, el siguiente paso es identificar dónde encaja Qwen 3.8 en tu flujo multimodal. En la mayoría de los casos, funciona mejor como la capa de análisis dentro de un pipeline más grande. Esa configuración te da una salida estructurada que puedes pasar a los pasos de generación posteriores sin mucha fricción.
Apunta el base_url de tu SDK a https://api.apimart.ai/v1 y usa tu clave de API de APIMart. Tu código SDK existente puede quedarse igual porque la estructura de la solicitud no necesita cambiar.
Patrones de flujo de trabajo: razonar con Qwen 3.8 y luego crear con modelos de APIMart
El patrón central es simple: Qwen 3.8 hace el razonamiento, y los modelos de imagen o video de APIMart producen la salida final.
Eso funciona bien en distintos equipos. Por ejemplo:
-
Los equipos de medios pueden convertir video en esquemas estructurados de escenas y luego usar esos esquemas para generar clips.
-
Los equipos de e-commerce pueden revisar imágenes de productos, redactar descripciones y luego generar visuales pulidos.
Para trabajos de medios más grandes, este mismo pipeline puede ejecutarse de forma asíncrona con callbacks de estado. APIMart admite gestión asíncrona de tareas con seguimiento de estado y notificaciones por webhook, para que tu pipeline no se quede atascado esperando pasos de generación más lentos.
Decisiones de diseño de integración y tabla de mapeo de capacidades
La gran decisión de diseño aquí es llamada única frente a flujos de trabajo encadenados. Una llamada única encaja bien para tareas directas como el subtitulado de imágenes o preguntas y respuestas sobre documentos. Los flujos encadenados tienen más sentido cuando Qwen 3.8 necesita pasar la salida a un modelo de generación, especialmente si quieres traspasos limpios de JSON entre pasos.
Así es como Qwen 3.8 se mapea a las categorías de modelos de APIMart para el siguiente paso del flujo de trabajo:
| Capacidad de Qwen 3.8 | Categoría de modelo de APIMart | Tipos de entrada | Salida típica | Rol de flujo de trabajo más adecuado |
|---|---|---|---|---|
| Razonamiento y planificación | Chat Completion (Qwen 3.8) | Texto, imagen, video | JSON estructurado, expansión de prompt | Análisis, resumen, expansión de prompt |
| Análisis visual | Chat Completion (Qwen 3.8) | Imagen, video | Descripciones, desgloses de escenas | E-commerce, revisión de medios |
| Creación de video | Video Creation (Kling V3) | Texto, imagen | MP4 720p/1080p | Anuncios sociales, clips explicativos |
| Generación de imágenes | Image Creation (Qwen Image 2.0 Pro) | Texto, imagen de referencia | PNG/JPG 2K | Recursos de marketing, visuales de producto |
| Traspaso de automatización | Chat Completion (Qwen 3.8) | Texto, imagen | JSON estructurado, llamadas a herramientas | Automatización, orquestación de herramientas |
Casos de uso más adecuados y conclusiones finales
Casos de uso que funcionan bien ahora mismo
Ahora que los detalles de acceso y los patrones de flujo de trabajo ya quedaron claros, el siguiente paso es simple: ¿dónde tiene sentido Qwen 3.8 hoy?
Un encaje claro es el trabajo de conocimiento con contexto largo. Puede procesar libros o videos de horas de duración en una sola pasada, lo que significa menos fragmentación para revisiones legales, de cumplimiento y empresariales.
También funciona bien para el análisis de documentos y OCR, especialmente con facturas, formularios y archivos escaneados.
Del lado del desarrollo, puede convertir mockups en código front-end con menos idas y vueltas.
Y para operaciones de contenido, su indexación de video a nivel de marca de tiempo es útil para grabaciones de horas de duración y otros flujos de trabajo conscientes del video.
Cómo evaluar el encaje de la API antes de pasar a producción
Antes de lanzar cualquier cosa, pon a prueba esas fortalezas con tus propios archivos, clips y objetivos de latencia.
Empieza con la precisión multimodal. Envía las imágenes de productos, PDF escaneados y clips de video que esperas usar en producción, y luego compara las salidas con tus criterios de aceptación.
Después, revisa la latencia. En APIMart, qwen3.8-max siempre funciona en modo thinking, así que mide el tiempo de respuesta con tus prompts reales; si necesitas una opción sin thinking, la versión de pesos abiertos Qwen3.8-27B permite desactivarlo en cada solicitud (Hugging Face).
También deberías probar la fiabilidad con longitudes de contexto usando tus documentos o entradas de video más largos. Aunque el modelo admita entradas muy largas, las cargas de trabajo ultralargas todavía necesitan validación con tus tamaños reales [5].
| Categoría de caso de uso | Modalidad principal | Patrón de integración | Ventaja clave de Qwen 3.8 |
|---|---|---|---|
| Operaciones de contenido | Video | Tarea asíncrona + webhooks | Indexación a nivel de marca de tiempo para video de horas de duración [5] |
| Asistencia para desarrolladores | Imagen/código | Codificación visual | Genera código front-end directamente a partir de imágenes de UI [5] |
| Trabajo de conocimiento | Texto | RAG de contexto largo | Hasta 983,616 tokens de entrada en APIMart (APIMart) |
| Automatización/SaaS | GUI/visión | Visual Agent | Opera interfaces de PC/móvil directamente [5] |
Conclusión: puntos clave para recordar sobre Qwen 3.8
Qwen 3.8 tiene más sentido en flujos de trabajo de contexto largo, multimodales y con mucho video: usa qwen3.8-max para trabajo alojado y Qwen3.8-27B cuando necesites pesos abiertos. Ya está lanzado oficialmente, pero conviene validarlo con tus propias cargas de trabajo antes de pasar a producción.
Preguntas frecuentes
¿En qué se diferencia Qwen 3.8 de los modelos Qwen anteriores?
Qwen 3.8 se basa en la serie Qwen 3. El modo thinking funciona distinto según el modelo: en APIMart, qwen3.8-max siempre razona antes de responder, mientras que la versión de pesos abiertos Qwen3.8-27B tiene thinking activado por defecto y permite desactivarlo en cada solicitud para obtener respuestas más rápidas.
En comparación con los modelos anteriores, añade un escalado MoE más fuerte, un manejo de contexto más largo y una integración multimodal más profunda entre texto, imagen y video.
¿Cuándo debería usar toda la ventana de contexto largo?
Usa toda la ventana de contexto largo cuando necesites un análisis profundo de grandes cantidades de datos, como libros completos, horas de video o comprensión de código a escala de un repositorio completo.
A través de APIMart, qwen3.8-max acepta hasta 983,616 tokens de entrada y devuelve hasta 131,072 tokens de salida. Si alojas tú mismo los modelos de pesos abiertos, manejan 262,144 tokens de forma nativa y se amplían a cerca de 1M; si aparecen errores de falta de memoria (out-of-memory), reduce el contexto.
¿Qué debería probar antes de usarlo en producción?
Antes de desplegar Qwen 3.8 en producción, evalúalo con tu tráfico real usando un conjunto de evaluación representativo. Eso te da una imagen mucho más clara de cómo se comportará el modelo una vez en vivo, en lugar de depender de prompts de prueba en el mejor de los casos.
También querrás revisar el gasto esperado en tokens, imágenes y reintentos. Los costos pueden dispararse rápido cuando los reintentos se acumulan sobre solicitudes con muchas imágenes o de contexto largo, así que vale la pena hacer los cálculos de antemano.
Prueba también tu endpoint unificado compatible con OpenAI, especialmente para el manejo del contexto y el manejo de límites de tasa. Sobre el papel, todo puede verse bien. En la práctica, el estado de sesión, el tamaño del prompt y la lógica de reintentos suelen ser donde las cosas se complican.
Usa un dry run para validar la configuración antes de enviarle tráfico en vivo. Es un paso simple, pero puede ahorrarte tener que perseguir errores evitables más adelante.
Aquí importan algunos hábitos básicos:
-
Rota las claves de API de forma periódica
-
Mantén separadas las claves de desarrollo y staging
-
Registra solo el task_id
Ese último punto es fácil de pasar por alto, pero ayuda a reducir el riesgo de exponer datos de prompts o de usuarios en los logs.
Sobre el equipo de APIMart
El equipo de APIMart escribe guías de modelos, comparativas y análisis de precios para desarrolladores que construyen con IA. APIMart ofrece una sola API para modelos de chat, imagen y vídeo de varios proveedores, así que puedes comparar los modelos de este artículo antes de lanzar.
Elige el modelo que quieres en el marketplace
Prueba modelos de chat, imagen y video en el marketplace de APIMart y experimenta rápidamente sus capacidades con una API unificada.
