Qwen3-Next-80B-A3B-Instruct

Qwen3-Next-80B-A3B-Instruct es un modelo fundacional de próxima generación lanzado por el equipo Qwen de Alibaba. Está construido sobre la nueva arquitectura Qwen3-Next, diseñada para una máxima eficiencia en entrenamiento e inferencia. El modelo incorpora características innovadoras como un mecanismo de atención híbrido (Gated DeltaNet y Gated Attention), una estructura de mezcla de expertos (MoE) de alta dispersión y varias optimizaciones de estabilidad. Como modelo disperso de 80.000 millones de parámetros, solo activa unos 3.000 millones de parámetros por token durante la inferencia, lo que reduce significativamente los costes computacionales y ofrece un rendimiento más de 10 veces superior al del modelo Qwen3-32B para tareas de contexto largo que superan los 32.000 tokens. Esta es una versión optimizada para instrucciones para tareas de propósito general y no admite el modo de "pensamiento". En cuanto a rendimiento, es comparable al modelo insignia de Qwen, Qwen3-235B, en ciertas pruebas de rendimiento, mostrando ventajas significativas en escenarios de contexto ultra largo con contextos extremadamente de ultra largos contextos ultra-largos.