Qwen vs DeepSeek vs Llama: ¿sobre cuál construir?

El metro hasta el campus de Xixi de Alibaba, donde trabaja el equipo de Qwen, tarda unos veinte minutos desde mi apartamento, y la gente de DeepSeek está unos distritos en la otra dirección. Así que puedo seguir esta comparativa moviéndose casi en tiempo real, y se mueve rápido. Los checkpoints abiertos actuales son Qwen3.8 y Qwen3.6, DeepSeek V4.1-Flash y el aún vigente V4 Pro, y Llama 4 Scout o Maverick. El Qwen3.8-Max alojado de Alibaba pertenece a otra columna, porque alquilarlo es un producto distinto de descargar los pesos sobre los que se asienta. Si mezcla esas versiones, el resto de la comparativa ya nace equivocada.

Qwen vs Llama vs DeepSeek: ¿sobre cuál construir?

Elija por trabajo y por despliegue. Qwen3.6 es la opción de amplitud y ecosistema, con modelos abiertos 27B denso y 35B-A3B bajo Apache-2.0. DeepSeek V4.1-Flash es la opción de valor en API incluso tras la subida del precio de salida de septiembre; V4 Pro compra más capacidad a un precio por token aún bajo, pero es enorme de autoalojar. Llama 4 sigue siendo la opción de ecosistema de origen occidental bajo la licencia comunitaria de Meta. La brecha del 2,7 % a nivel de país que Stanford midió en marzo de 2026 es ya contexto histórico, no un marcador en vivo, porque todas las familias chinas de este párrafo se han movido desde entonces.

Puntos clave- Compare checkpoints exactos: Qwen3.6, DeepSeek V4.1 y Llama 4, no nombres de familia heredados de los lanzamientos del año pasado.- Qwen3.6 = amplitud y Apache-2.0; DeepSeek V4.1-Flash = razonamiento y valor en API; Llama 4 = herramientas de origen occidental y licencia comunitaria de Meta.- Qwen es la familia abierta más descargada: el recuento propio de Hugging Face la sitúa por encima de los 2.000 millones de descargas en los primeros siete meses de 2026, con 151.448 derivados en el Hub.- Qwen3.8 es el checkpoint abierto más reciente de Alibaba, disponible desde el 8 de agosto de 2026 bajo una licencia personalizada; Qwen3.8-Max es la versión alojada construida sobre él.

Todo lo que sigue asume que usted ya ha decidido que los pesos chinos están sobre la mesa. Si esa sigue siendo la pregunta abierta, la desarrollo en mi artículo sobre si China está ganando la carrera de la IA, y el campo más amplio está en mi guía del ecosistema chino de IA de código abierto.

Cómo los ordenaría yo

No por clasificación. Los ordeno por realidad de despliegue, lo que significa que cinco criterios hacen el trabajo, en este orden de peso aproximado.

• Capacidad: ¿es de verdad suficientemente bueno para el trabajo, bajo una evaluación comparable y no una tabla seleccionada por el proveedor?
• Coste: coste por token en una API y huella de GPU cuando usted autoaloja. Aquí es donde se abren las diferencias reales.
• Licencia: ¿puede lanzarlo comercialmente sin un quebradero de cabeza legal? Los términos Apache-2.0 y estilo MIT ganan aquí.
• Ecosistema: ¿cuántos ajustes finos, cuantizaciones y variantes listas existen? Más significa menos trabajo para usted.
• Facilidad de autoalojamiento: ¿funciona limpiamente en hardware sensato con la pila de inferencia abierta que usted ya usa?

Ejecutar estos modelos en mis propias GPU me curó de la adoración a las clasificaciones más rápido de lo que podría cualquier argumento. El modelo que gana un proyecto es el que se afina limpiamente con sus datos y cuesta menos servir, no el que tiene una puntuación marginalmente más alta esta semana. Dos de mis tres últimos proyectos para clientes se lanzaron sobre un modelo que no encabezaba ninguna tabla.

Una nota estructural antes de la tabla. Las previsualizaciones alojadas y los pesos descargables son productos distintos, y los dos últimos meses lo ilustran con claridad: Qwen3.8-Max se lanzó como modelo alojado el 3 de agosto y los pesos abiertos de Qwen3.8 llegaron el 8 de agosto, bajo una licencia personalizada en lugar de Apache-2.0. La parte alojada ya se ha vuelto a mover: la instantánea Qwen3.8-Max-0902 tomó el endpoint el 2 de septiembre al mismo precio de $2 y $6, una mejora de post-entrenamiento orientada a programación y trabajo colaborativo que, según Alibaba, encabezó la clasificación WebDev de Code Arena en su lanzamiento. Cualquiera que fijara qwen3.8-max en agosto está ahora alquilando un modelo distinto. Alibaba también anunció Qwen 4 en su conferencia Apsara el 22 de septiembre, explícitamente en entrenamiento, sin fecha, pesos ni precio; una previsualización experimental de pesos abiertos de esa arquitectura, Qwen3.8-Flash-Next, había aparecido el 26 de agosto. Así que una clasificación que mezcle «lo que puede descargar» con «lo que puede alquilar» le va a engañar. La tabla de abajo es la parte descargable; los buques insignia alojados tienen su propia columna en la prosa.

Las tres familias de un vistazo

Las tres son genuinamente aptas para producción. Donde difieren es en licencia y postura de coste, mucho más que en capacidad. Qwen es la mayor familia abierta por adopción: el informe State of Open Models: Summer 2026 de Hugging Face, publicado el 14 de agosto, cuenta aproximadamente 2.045 millones de descargas de Qwen en el Hub solo en los primeros siete meses de 2026, y 151.448 derivados, mientras que el recuento propio de Alibaba reclama más de 3.000 millones de descargas y 300.000 derivados entre plataformas. Así resumiría yo las tres a nivel operativo.

La adopción en general ha virado en la misma dirección. Los modelos chinos de pesos abiertos han superado a los estadounidenses en descargas totales de Hugging Face, y solo las variantes derivadas de Qwen eran ya más del 40 % de los nuevos derivados en agosto de 2025. Eso importa a quien construye de un modo práctico: más derivados significa que probablemente ya existe una cuantización o un ajuste fino de dominio que encaja con su presupuesto de latencia, así que se ahorra por completo una ronda de entrenamiento.

Una advertencia sobre esa tabla. Las licencias cambian entre versiones, y un resumen a nivel de familia es un punto de partida, no un evangelio. Abra la ficha del modelo y lea la licencia real del checkpoint exacto que piensa lanzar.

Capacidad: ¿de verdad están tan cerca?

Más cerca de lo que sugieren las guerras de marketing, pero ya no reducibles a una sola cifra. El AI Index 2026 de Stanford registró una brecha del 2,7 % entre el mejor modelo de EE. UU. y el mejor modelo chino en Chatbot Arena en marzo, en el capítulo de rendimiento técnico del Index. Desde entonces han llegado DeepSeek V4.1-Flash, Qwen3.8 y 3.6, y las instantáneas alojadas de Qwen3.8-Max, así que esa cifra ya no puede escribirse honestamente en presente. Para la mayoría de las cargas de trabajo empresariales, la capacidad es una puerta, no el selector final. El coste, las restricciones de servicio y la licencia suelen deshacer el empate.

[CHART: grouped-bar comparing Qwen, DeepSeek and Llama across four qualitative axes]

La distinción operativa se ve más clara cuando se versiona. DeepSeek V4.1-Flash se inclina hacia el razonamiento y el código, y la actualización del 10 de septiembre añadió visión nativa, una ventana de contexto de 1M y una salida máxima de 384K. Qwen3.6 es la todoterreno abierta y la más fácil de dimensionar de las tres para un despliegue concreto. Llama 4 es la opción de origen occidental con el ecosistema de Meta alrededor, aunque conviene saber que el esfuerzo de frontera de Meta se ha trasladado a su línea Muse, con Llama 4 en modo de mantenimiento y el mayor Behemoth en pausa. Muse es mayormente cerrada, no del todo: Muse Glimmer 30B publicó pesos abiertos bajo Apache-2.0 el 10 de agosto, y el Muse Charm mostrado en Meta Connect a finales de septiembre siguió cerrado. Las herramientas alrededor de Llama siguen siendo profundas, pero yo no planearía una apuesta de varios años sobre el próximo checkpoint abierto de Llama.

La obsesión con los benchmarks resulta activamente engañosa para quien construye cuando las filas proceden de bancos de pruebas distintos de cada proveedor. El modelo que gana su proyecto es el que supera su umbral de calidad, se comporta bien con sus datos y encaja en su presupuesto de servicio, no el que tiene una puntuación autodeclarada marginalmente más alta.

Así que trato la capacidad como un empate técnico y voy directo a lo que de verdad difiere.

Valoración direccional del autor en una escala de 1 a 5, no cifras de benchmark. Las puntuaciones reflejan los lanzamientos vigentes a principios de octubre de 2026: DeepSeek V4.1-Flash y V4 Pro, Qwen3.8 y 3.6, y Llama 4 con la línea abierta de Meta en modo de mantenimiento.

Coste y licencias: las diferencias reales

Aquí es donde se decide de verdad, y DeepSeek lo ha movido dos veces desde agosto. Las tarifas de hora punta y valle llegaron el 16 de agosto, y después V4.1-Flash se lanzó el 10 de septiembre con una arquitectura nueva (un backbone de 552B con unos 8B parámetros activos en prefill y 16B en decode) y pesos abiertos bajo MIT en Hugging Face. El antiguo V4 Flash está retirado: el nombre deepseek-v4-flash sigue enrutando, pero ahora lo sirve V4.1-Flash, y el nombre canónico es deepseek-flash, según el registro de actualizaciones de DeepSeek. En la tarifa oficial de DeepSeek, Flash cuesta ahora $0,15 por millón de tokens de entrada con fallo de caché en hora valle y $0,30 en hora punta, con la salida entre $0,60 y $1,20 por millón según la franja. Ese precio de salida es aproximadamente el doble del antiguo, lo que importa si su carga de trabajo es intensiva en generación. V4 Pro, cuya retirada planeada DeepSeek revirtió tras las protestas de los usuarios, cuesta ahora entre $0,66 y $1,32 por millón de tokens de entrada y entre $1,98 y $3,96 por millón de salida; no hay V4.1-Pro ni V5. Qwen3.8-Max se vende a través de los servicios alojados de Alibaba en torno a $2 y $6 respectivamente, economía normal de tokens alojados y no de pesos abiertos. Flash conserva la corona de líder en precio de esta comparativa, pero con un margen más estrecho en salida del que disfrutaba en agosto. Llama no tiene API de tokens propia de Meta en esta comparativa, así que su coste es el precio de su proveedor de alojamiento o de su propia infraestructura.

Las familias se separan con claridad aquí. Qwen3.6 es Apache-2.0. DeepSeek V4 es MIT. Llama 4 usa la licencia comunitaria de Meta, con restricciones de uso que necesitan una lectura legal de verdad. La nota importante de Qwen es que la línea abierta abandonó Apache-2.0 en la 3.8: los nuevos pesos llevan una licencia personalizada de Qwen con cláusulas comerciales basadas en ingresos, así que la 3.6 sigue siendo la respuesta Apache-2.0.

Cuando autoalojo, la pregunta de si es Apache-2.0 es lo primero que compruebo, porque una respuesta limpia elimina toda una categoría de revisión legal. Con Llama he tenido que parar y leerme la licencia comunitaria a fondo antes de un despliegue para un cliente, y en dos ocasiones esa cláusula cambió la respuesta. Esa fricción es real, y es la razón por la que Qwen suele ganar en mis proyectos de «vamos a lanzarlo ya».

El autoalojamiento agrava la historia del coste. Un modelo con menor huella significa menos GPU, lo que se traduce en una factura mensual menor en lugar de un ahorro puntual en el lanzamiento. Desarrollo esas cuentas en mi guía sobre ejecutar modelos abiertos on-prem frente a en la nube, y el lado de gobernanza de esa misma decisión está en mi artículo sobre si DeepSeek es seguro para la empresa.

En el lado de la adopción, la postura de coste está haciendo lo que cabría esperar. Los modelos chinos se llevaron la mayoría del consumo de tokens del top 10 de OpenRouter a finales de febrero de 2026 y mantenían aproximadamente el 61 % del volumen total de tokens de la plataforma en junio de 2026 según las clasificaciones de OpenRouter. Los recién llegados también se mueven rápido: GLM-5.3-Flash y DeepSeek-V4.1-Flash alcanzaron los primeros puestos semanales a los pocos días de su lanzamiento, según análisis de terceros de esas clasificaciones públicas. Los tokens son trabajo real y no comunicados de prensa, y los desarrolladores han movido los suyos.

Ecosistema y despliegue

La adopción le cuenta casi todo lo que necesita saber sobre la profundidad del ecosistema. La biblioteca de derivados de Qwen es la más profunda de las tres: 151.448 derivados en el recuento de verano de 2026 de Hugging Face, y más de 300.000 entre plataformas según el recuento propio de Alibaba. Más derivados significa más ajustes finos y cuantizaciones que puede tomar ya hechos en lugar de entrenar usted mismo. Lo que no le dice es si el Qwen3.8 alojado es el endpoint de producción adecuado.

[IMAGE: A developer's screen showing model weights downloading from a model hub, warm lighting, over-the-shoulder shot]

Cada familia domina un carril de despliegue distinto. Qwen3.6 le da la gama más útil de tamaños abiertos y el camino de ajuste fino más suave. DeepSeek V4.1-Flash es difícil de superar para razonamiento alojado de bajo coste incluso tras la subida del precio de salida de septiembre, mientras que Pro es para trabajo que justifica más cómputo. Llama 4 sigue ganando cuando las herramientas occidentales que lo rodean y la comodidad de compras pesan más que la diferencia de licencia.

Las tres tienen pesos descargables, pero la vía alojada no es simétrica. DeepSeek opera su propia API. La disponibilidad, las regiones y los términos de Qwen y Llama dependen del servicio exacto de Alibaba o de terceros que usted elija. Puede alquilar inferencia para ponerse en marcha y luego traer el mismo checkpoint abierto a casa cuando el volumen o la residencia de datos lo exijan. Verifique que realmente es el mismo checkpoint, no un modelo más nuevo solo alojado como Qwen3.8-Max.

Cuál para cada trabajo

Ajuste el modelo a la carga de trabajo, no al titular. La cifra de brecha de capacidad de marzo de 2026 es anterior a todos los lanzamientos chinos comparados abajo, así que cada recomendación trata sobre encaje, coste y licencia actuales, no sobre un porcentaje por país ya obsoleto.

Asistente de programación

Empiece con DeepSeek V4.1-Flash para llamadas de programación de alto volumen, y pruebe después Qwen3.6-27B si importa el control local o un checkpoint abierto más pequeño. Si la tarea se extiende durante horas sobre un repositorio grande, este artículo de tres familias ya no es toda la lista de candidatos: Kimi K3 y GLM-5.3 merecen ahora la misma evaluación.

RAG y back-office

Recurra a Qwen3.6. Las tareas de recuperación y flujos de trabajo internos premian la amplitud, el manejo multilingüe y un ajuste fino limpio, y Apache-2.0 mantiene sencilla la primera revisión legal. Este es el carril donde la biblioteca de variantes de Qwen se gana el sueldo.

De cara al cliente

Este depende de su apetito de riesgo. Llama 4 es la opción conservadora si sus stakeholders quieren un modelo de origen occidental y usted puede convivir con las cláusulas de licencia. Si la gobernanza da luz verde a un modelo de origen chino, Qwen3.6 le da una vía abierta limpia y una amplia cobertura multilingüe. En cualquier caso, ponga a prueba el comportamiento de contenido con el que sus usuarios realmente se van a topar.

On-prem y sectores regulados

Para despliegues aislados o regulados, la licencia, el tamaño del modelo y el control de datos deciden la cuestión. Qwen3.6 es la vía de autoalojamiento más manejable. DeepSeek V4.1-Flash tiene licencia MIT pero es mucho mayor. Ambos pueden ejecutarse sin enviar prompts a China, siempre que usted despliegue de verdad los pesos dentro de su perímetro. Supere primero la revisión de gobernanza; mi artículo sobre si DeepSeek es seguro para la empresa recorre esa diligencia debida.

Preguntas frecuentes

¿Es Qwen mejor que Llama?

Para la mayoría de las decisiones de construcción abierta empezaría con Qwen3.6, porque ofrece tamaños manejables, Apache-2.0 y un gran ecosistema de derivados. Llama 4 gana cuando la comodidad de compras de origen occidental y las herramientas de Meta ya existentes pesan más que la diferencia de licencia. Qwen3.8 es el modelo en bruto más fuerte, pero implica una licencia personalizada y hardware serio; Qwen3.8-Max es la vía alojada, no la respuesta para autoalojar.

¿Es DeepSeek mejor que Qwen?

Para un endpoint alojado de razonamiento barato, DeepSeek V4.1-Flash es la opción más clara, aunque su precio de salida se duplicó aproximadamente en septiembre. Para tamaños abiertos, ajuste fino y amplitud de ecosistema, Qwen3.6 es más fácil como base de construcción. Los pesos abiertos de la 3.8 merecen una mirada una vez que las cuentas de licencia y hardware le funcionen.

¿Son seguros para construir sobre ellos los modelos abiertos chinos?

Pueden serlo, con la diligencia debida. Autoalojar los pesos significa que sus datos no tienen por qué salir de su infraestructura, lo que elimina la vía de la API alojada en China de la evaluación de riesgos. Aun así, tiene que evaluar el comportamiento de contenido, la procedencia, la licencia y la seguridad de la cadena de suministro, algo que cubro en mi guía de seguridad para empresas.

¿Cuál es el modelo abierto más barato de ejecutar?

En una API de primera parte, el endpoint Flash de DeepSeek sigue siendo el líder en precio de esta comparativa, entre $0,15 y $0,30 por millón de tokens de entrada con fallo de caché y entre $0,60 y $1,20 por millón de tokens de salida, según la franja de hora punta o valle. Para autoalojamiento, un checkpoint más pequeño de Qwen3.6 puede costar menos en conjunto, porque el backbone de V4.1-Flash tiene 552B parámetros. El precio por token y el precio de infraestructura responden a preguntas distintas.

La conclusión

La abreviatura actual va versionada. Qwen3.6 para una línea abierta amplia bajo Apache-2.0. DeepSeek V4.1-Flash para razonamiento alojado barato, con el indultado V4 Pro cuando el trabajo más duro justifique su mayor coste. Llama 4 cuando el ecosistema de Meta y la comodidad de compras de origen occidental importen más. Los pesos de Qwen3.8 ya están disponibles, bajo una licencia personalizada; Qwen3.8-Max, ahora la instantánea 0902, sigue siendo el endpoint alojado. Lea la ficha exacta del modelo, ponga precio al despliegue real y pruebe la tarea que necesita resolver.

Si está sopesando esto para un producto real, las preguntas de gobernanza van primero, y mi artículo sobre si DeepSeek es seguro para la empresa recorre esa diligencia de principio a fin. Cuénteme su caso de uso y le señalaré el modelo de partida adecuado.