Alibaba abre el Qwen 4 Max Preview gratis y supera a Claude Opus 5.5 en GameFeel Bench

Alibaba ha lanzado la vista previa de Qwen 4 Max y ha abierto acceso gratuito a ella a través del chat web chat.qwen.ai. El modelo se posiciona como herramienta para programación y trabajo con agentes, es decir, justo las tareas en las que ahora se libra la principal carrera entre laboratorios. En los canales de Telegram ya lo llaman «monstruo gratuito», pero separemos los hechos del entusiasmo.

Lo que se sabe realmente

Hay pocos hechos. El modelo se llama Qwen 4 Max Preview, el acceso es gratuito y está orientado al código y a escenarios con agentes. La única cifra de las primeras pruebas es su resultado en GameFeel Bench, un benchmark que evalúa la creación de juegos: ahí Qwen superó a Claude Opus 5.5. La fuente no da detalles: ni tamaño del contexto, ni precios de la API, ni información sobre pesos abiertos, ni resultados en las pruebas de ingeniería habituales. No vamos a inventarlos. La palabra Preview también importa: es una versión temprana, y el autor de la publicación original comenta con ironía que, mientras lo den, hay que aprovecharlo.

Por qué la comparación con Opus 5.5 cojea

La principal salvedad: Qwen se ejecutó con el máximo effort y Claude con uno medio. El effort, o presupuesto de razonamiento, es cuántos tokens de «pensamiento» puede gastar el modelo antes de responder. Imagina a dos programadores con la misma tarea: a uno le dan media hora y al otro cinco minutos. Si el primero lo hace mejor, eso no significa que sea más fuerte. El effort máximo suele mejorar notablemente el resultado en tareas difíciles, pero encarece y ralentiza la respuesta. Una comparación justa es posible con el mismo effort o con el mismo coste o tiempo por tarea.

Hay un segundo problema: es un único benchmark estrecho. Los juegos no son lo mismo que un backend en producción, la refactorización de código heredado o largas cadenas de cambios en CI. Las tareas con agentes son especialmente reveladoras. Un agente da decenas de pasos: lee archivos, llama a herramientas, edita código, ejecuta pruebas. Un error en un paso temprano arrastra a todos los demás, así que importan no las demos vistosas, sino la estabilidad a larga distancia. Un benchmark de juegos solo la mide en parte.

Qué hacer con esto en la práctica

Una vista previa gratuita es motivo para un experimento barato, no para cambiar de stack. Un plan razonable sería:

1. Toma entre 5 y 10 tareas reales de tu backlog: un bug de producción, una funcionalidad pequeña, escribir pruebas, una migración.
2. Pásalas por Qwen 4 Max Preview y por tu modelo actual con el mismo prompt.
3. Registra no solo la calidad, sino también el tiempo de respuesta, el número de iteraciones de correcciones y el consumo de tokens, si es posible.
4. Si comparas con Claude, ejecútalo tanto con effort medio como alto para ver un panorama justo.
5. Comprueba por separado una tarea larga: si el modelo pierde el contexto o entra en bucles.

Y no envíes código privado ni claves a un chat web gratuito. Las condiciones de uso de los datos no se describen en la fuente, así que lee tú mismo la política del servicio.

Para los responsables de producto, la conclusión es esta: otro competidor gratuito fuerte presiona los precios del mercado. Incluso si Qwen no supera a Opus, puede convertirse en un modelo de reserva barato para tareas de complejidad media. Para los fundadores: no construyáis un producto sobre una vista previa. Los límites, las condiciones y la disponibilidad pueden cambiar sin aviso.

Conclusión

La noticia es más de las de «merece la pena probarlo» que de las de «todo ha cambiado». Una cifra con ajustes asimétricos es un argumento débil, pero el acceso gratuito hace que comprobarlo cueste casi nada. Espera a pruebas independientes en varios benchmarks, consulta los precios y condiciones de la API y solo entonces decide si dejas entrar a Qwen en tu flujo de trabajo.