¿Qué esconde el nombre de un modelo?

A35B es la parte que trabaja

En Qwen3-Coder-480B-A35B-Instruct, A35B equivale a 35.000 millones de parámetros activos. El modelo tiene 480.000 millones de parámetros en total, los valores aprendidos de los que está hecho, y ese es el 480B que aparece justo antes de la A. La B viene del inglés billion, que en español son mil millones. Lee y escribe en tokens, fragmentos pequeños de palabras, y con cada token solo trabajan 35B de sus parámetros. Las dos cifras figuran en la ficha del modelo de Qwen.

La A está ahí porque el modelo es una mezcla de expertos (MoE), formada por muchas partes pequeñas de las que solo unas pocas trabajan en cada token. Cada una de las dos cifras le cuesta algo distinto. El total fija la memoria que necesita el modelo, porque todas las partes tienen que estar cargadas y listas. La cifra activa determina el trabajo que exige cada token, y de ella dependen la velocidad y el coste de uso. Así se explica que DeepSeek-V4.1-Flash, un modelo de 552B, trabaje con solo 8B por cada token que lee.

En las presentaciones de los proveedores se repiten cinco familias: Qwen, DeepSeek, Gemini, GPT y Claude. Qwen y DeepSeek publican los archivos de sus modelos y sus tamaños, Qwen en el propio nombre y DeepSeek en la ficha del modelo. Claude, GPT y Gemini no publican ningún tamaño, así que sus nombres siguen otras reglas.

¿Cómo se lee el nombre de un modelo?

Si parte el nombre de Qwen por los guiones, salen cinco partes, y cada una responde a una pregunta distinta.

Qwen3 es la familia y su generación, y Coder la especialidad, porque este modelo se creó para programar. Después vienen los dos tamaños: 480B el total y A35B el activo. Instruct, al final, describe el ajuste fino, en este caso para seguir instrucciones. Qwen añade que este modelo solo funciona en lo que llama modo sin pensamiento, es decir, que responde directamente, sin darle antes vueltas al problema.

Los tamaños no se quedan en los miles de millones. Qwen3.8-2.4T-A95B tiene 2.4T de parámetros, con la T de trillion, que en español se dice billón: son 2,4 billones, es decir, 2.400B. De ellos usa 95B por token.

Un nombre sin parte A merece una segunda mirada. Qwen3.6-27B no la tiene porque es un modelo denso, que usa los 27B de sus parámetros en cada token. El gpt-oss-120b de OpenAI, un modelo de pesos abiertos, tampoco la tiene y, sin embargo, es una mezcla de expertos con 117B en total y 5.1B activos. Hasta el 120 de su nombre es un redondeo de los 117B que figuran en su ficha. Cuando el nombre se calla algo, hay que leer la ficha del modelo.

Una etiqueta como FP8 o BF16 indica la precisión, es decir, los bits con los que se guarda cada parámetro: 16 bits (2 bytes) en BF16 y 8 bits (1 byte) en FP8. Qwen3.6-27B-FP8 es Qwen3.6-27B guardado con 8 bits, así que necesita menos memoria y conserva sus 27B de parámetros.

Una cifra al final del nombre también puede ser una fecha. DeepSeek lanzó V4.1-Flash el 10 de septiembre de 2026, y el 17 de octubre publicó una actualización con la misma arquitectura, llamada V4.1-Flash-1017 por el mes y el día. Otra cosa son las palabras de gama, como Flash, Lite, Pro o Mini, porque cada desarrollador decide qué significan.

¿Por qué 552B rinde como 8B?

Dentro de un modelo MoE, la mayoría de los parámetros están repartidos en muchas redes pequeñas, los expertos. Para cada token, un router elige a unos pocos, y solo esos expertos activos trabajan mientras los demás esperan en memoria. La salida de los expertos activos sigue su camino por el modelo hacia la respuesta.

DeepSeek-V4.1-Flash tiene 384 expertos enrutados. Su router elige 6 para cada token, y a ellos se suma siempre un experto compartido. Según DeepSeek, el resultado son 8B de parámetros activos mientras el modelo lee lo que usted le envía y 16B mientras escribe la respuesta, de un total de 552B. Qwen3.6-35B-A3B funciona igual a menor escala, con 8 de sus 256 expertos más un experto compartido por token, lo que da 3B de 35B.

Al poner seis modelos uno junto a otro, todos los MoE mantienen su parte activa por debajo del 9 % de su total. DeepSeek-V4.1-Flash lee con 8B de 552B, alrededor del 1,4 %, la proporción más pequeña de la figura. Qwen3.8-2.4T-A95B y gpt-oss-120b quedan muy cerca, con 95B de 2.4T (4,0 %) y 5.1B de 117B (4,4 %). Qwen3-Coder-480B-A35B-Instruct trabaja con 35B de 480B (7,3 %), y Qwen3.6-35B-A3B con 3B de 35B (8,6 %). Solo el denso Qwen3.6-27B lo usa todo, 27B de 27B.

Con la memoria pasa otra cosa. El router puede elegir cualquier experto para el siguiente token, así que todos tienen que seguir cargados. Para los pesos por sí solos (los parámetros guardados), una estimación rápida es multiplicar los parámetros totales por los bytes de cada parámetro: unos 2 GB por cada mil millones de parámetros en BF16, 1 GB en FP8 y 0,5 GB con 4 bits. El contexto y el software que ejecuta el modelo necesitan memoria adicional.

Veamos los dos modelos Qwen3.6. Qwen3.6-35B-A3B en BF16 necesita unos 70 GB solo para los pesos (35 × 2), aunque por token estén activos únicamente 3B. Qwen3.6-27B-FP8 necesita unos 27 GB (27 × 1) y usa los 27B en cada token. Parte de esa diferencia se debe a la precisión, pero, guardados de la misma forma, el MoE sigue siendo el más grande, 35B frente a 27B, y aun así hace menos trabajo con cada token, que es lo que le permite responder rápido.

¿Qué significan Flash, Sonnet y Luna?

Claude, GPT y Gemini se ofrecen solo por API: se usan a través del servicio de su desarrollador y nunca se reciben los archivos del modelo. Sus nombres combinan un número de generación y una palabra de gama, que sitúa al modelo en un nivel de tamaño o de velocidad dentro de su familia. Para qué sirve cada gama, solo lo dice la descripción del propio desarrollador.

La tabla recoge la descripción que da cada desarrollador, según la vista general de los modelos de Claude de Anthropic, la página de modelos de OpenAI y la página de modelos de Gemini de Google. Los nombres y las cifras de este artículo reflejan lo que publicaron los desarrolladores el 21 de octubre de 2026, y estas familias se actualizan con frecuencia. Los precios también cambian a menudo, y cada desarrollador los publica en su propia página de precios.

Anthropic también compara la velocidad de los cuatro modelos Claude entre sí: Fable es más lento, Opus moderado, Sonnet rápido y Haiku el más rápido. Los cuatro admiten texto e imágenes. Si está sopesando Claude Opus frente a Sonnet, Anthropic aconseja empezar por Opus 5.5 para la mayoría de las cargas de trabajo.

En cuanto a la ventana de contexto (el texto que un modelo admite de una vez), los desarrolladores indican 1 millón de tokens para los cuatro modelos Claude, Gemini 4 Argon y Gemini 3.8 Flash. OpenAI indica 1,05 millones de tokens para sus tres modelos insignia, GPT-6 Astra, GPT-6.1 Sol y GPT-6 Luna. La página de Gemini 3.8 de Google añade que Gemini 3.8 Flash genera hasta 64K tokens de salida y tiene niveles de pensamiento que se pueden fijar en bajo, medio o alto.

OpenAI describe GPT-6.1 Sol con un rendimiento cercano al de Astra, aunque GPT-6 Astra lleva el número más bajo. Un número de generación más alto no significa una gama más alta.

Conviene fijarse en la palabra Flash, porque dos desarrolladores la usan para cosas distintas. El Flash de DeepSeek es un modelo de pesos abiertos de 552B, que DeepSeek describe como «el modelo más pequeño de nuestra nueva familia de arquitectura, con comprensión visual nativa». El Flash de Google es una gama rápida de una familia cerrada, y su tamaño no se publica. Por eso, cuando un proveedor diga que usa Flash, pregunte de quién.

¿Qué modelos puede ejecutar por su cuenta?

Los modelos Qwen, DeepSeek y gpt-oss de este artículo son de pesos abiertos, así que se pueden descargar sus archivos y ejecutarlos en hardware propio, bajo la licencia que los acompaña. Eso sí, tener pesos abiertos no siempre significa alojar el modelo en servidores propios, porque DeepSeek también ofrece V4.1-Flash a través de su propia API con el nombre deepseek-flash.

Lo primero es la licencia. DeepSeek-V4.1-Flash se distribuye con licencia MIT, y gpt-oss-120b y tres de los cuatro modelos Qwen, con Apache 2.0. El Qwen más grande de la lista, Qwen3.8-2.4T-A95B, tiene su propia licencia Qwen3.8-Max, de modo que una misma familia puede llevar condiciones distintas. Si compara Qwen con DeepSeek para sus propios servidores, lea la licencia antes de que nadie pida hardware.

Después, la estimación de memoria sirve para dimensionar el hardware. Los archivos que publica DeepSeek incluyen pesos guardados con 8 bits (FP8) y, con 1 byte por parámetro, 552B suponen unos 552 GB solo para los pesos. Eso exige un servidor con varias GPU, para un modelo que trabaja con entre 8B y 16B por token. OpenAI guarda los pesos de los expertos de gpt-oss-120b en un formato de 4 bits llamado MXFP4 y afirma que así puede «funcionar en una sola GPU de 80 GB».

También difieren las entradas admitidas y el estilo de respuesta. DeepSeek-V4.1-Flash admite texto e imágenes, mientras que Qwen3.8-2.4T-A95B solo trabaja con texto y siempre le da vueltas al problema antes de responder, en lo que Qwen llama modo de pensamiento. Qwen3.6-35B-A3B lo hace por defecto, y se puede cambiar para que responda directamente.

¿Qué modelo encaja en cada tarea?

La atención al cliente pone a un modelo ante tareas muy distintas. Una llamada en directo necesita una respuesta mientras quien llama sigue al teléfono, y nadie espera el resumen de las llamadas de ayer. La tabla sigue las descripciones de los propios desarrolladores, así que cada fila es un punto de partida para probar y no una clasificación.

La llamada en directo es la fila más exigente. Quien llama oye cada pausa, y el modelo es solo una de sus causas. Nuestro artículo sobre el origen de la espera en una línea de voz divide esa pausa en partes que se pueden medir.

Elija dos o tres candidatos de la fila que corresponda a su tarea y pruébelos con llamadas grabadas propias, con los nombres de sus productos, sus idiomas y las preguntas que sus clientes hacen de verdad. Puntúe cada uno según la tarea en sí, por ejemplo si un resumen anotó la hora a la que se había prometido devolver la llamada a quien llamó.

Cuando un proveedor le presente su oferta, pregunte qué modelo se encarga de cada paso, desde la conversación en directo hasta el enrutamiento y el resumen posterior a la llamada. Pídale el nombre completo, con el número de generación y la gama. Si la respuesta es un único nombre para todos los pasos, merece una pregunta más, y nuestras 30 preguntas que hacer antes de contratar IA de voz recogen qué más conviene comprobar.

¿Qué papel tiene DRING?

La tecnología de DRING no depende de un modelo concreto. Los modelos de voz y de razonamiento que hay detrás de cada agente de IA se eligen según el idioma y el proceso. Cada proveedor de reconocimiento de voz, de modelo de lenguaje y de síntesis de voz se selecciona por agente entre los principales del mercado, y cualquiera de ellos se puede intercambiar sin reconstruir el agente ni tocar el resto de la arquitectura, como explica nuestra página sobre la capa de modelos.

Un proceso también puede pasar a otro modelo sin cambiar de plataforma, y si un proveedor de modelos tiene un problema, la llamada puede conmutar a otro que funcione. Nuestra página para responsables de IT repasa las preguntas que plantea después una revisión de arquitectura.

Un cambio de modelo se prueba como un lanzamiento. Cada agente de DRING se enfrenta a entre 1.000 y 10.000 conversaciones simuladas, creadas para su empresa, antes de la primera llamada real. Un modelo más potente solo entra en producción después de superar la batería de regresión por la que pasa todo el sistema, y los resultados se comparan con la versión anterior antes de publicar nada. Cuéntenos en qué paso de sus llamadas quiere incorporar primero un modelo de IA, y DRING le llama en dos minutos.