✨︎ Resumen (TL;DR):
- Alibaba reestructuró su división de IA para enfocar Qwen en modelos cerrados de pago.
- La familia Qwen superó los 153.6 millones de descargas en febrero, el doble que Meta y DeepSeek.
- Una caída del 66% en beneficios forzó a la compañía a priorizar la monetización sobre el ecosistema abierto.
Alibaba reestructuró su división de inteligencia artificial para abandonar el desarrollo open-source y monetizar los modelos de Qwen. La medida provocó la renuncia de arquitectos clave y marca el fin de la estrategia gratuita que convirtió a la empresa en líder global de descargas en la comunidad de desarrolladores.
El cambio estratégico detonó a principios de marzo cuando Junyang Lin, el arquitecto técnico principal detrás del programa abierto de Qwen, anunció su salida en X. “Renuncio. Adiós mi querido Qwen”, publicó el 3 de marzo. Su partida provocó un éxodo dentro del Tongyi Lab, donde otro empleado renunció repitiendo una frase célebre de la crisis directiva de OpenAI: “Qwen no es nada sin su gente”.
El 15 de marzo, el CEO Eddie Wu consolidó todos los equipos de IA bajo su control directo en el nuevo grupo Alibaba Token Hub (ATH). Esto incluye a Tongyi Lab, la unidad de asistentes Qwen y la plataforma empresarial Wukong. “ATH se basa en una única misión organizativa: crear tokens, entregar tokens y aplicar tokens”, detalló Wu en un memorando interno.
El fin de los pesos públicos y la presión financiera
La compañía comenzó a lanzar modelos de código cerrado exclusivos por API. El reciente Qwen3-Turbo ya no incluye los pesos públicos del modelo, rompiendo con la filosofía abierta original y sumándose a los lanzamientos propietarios de Qwen2.5-Max y Qwen2.5-Plus.
La decisión sacude a un ecosistema masivo. Hasta marzo, la familia Qwen acumulaba casi mil millones de descargas en Hugging Face. Tan solo en febrero registró 153.6 millones de descargas, más del doble que sus ocho competidores más cercanos combinados, incluyendo a Meta y DeepSeek.
Aunque la división en la nube de Alibaba reportó un crecimiento de ingresos por IA de tres dígitos durante diez trimestres consecutivos hasta diciembre de 2025, el beneficio neto general de la empresa cayó un 66% interanual. Los altos costos de entrenamiento de machine learning superaron la rentabilidad, obligando a la tecnológica china a buscar retornos financieros inmediatos por encima de su dominio en el mercado de código abierto.
