Qwen3 llegó: novedades, benchmarks y cómo actualizarte
Qwen3 de Alibaba es la última generación de su familia de modelos open-weight, y supone un avance significativo. Comparado con Qwen2.5 en el mismo número de parámetros, Qwen3 ofrece un razonamiento notablemente mejor en tareas de matemáticas y código, mejor seguimiento de instrucciones y una implementación renovada de tool-calling que lo hace más fiable como base para agentes.
La característica principal es un "thinking mode" opcional — el modelo puede razonar paso a paso sobre un problema antes de dar una respuesta final, similar al chain-of-thought estilo o1, con la diferencia de que puedes desactivarlo cuando la velocidad importa más que la profundidad. Está disponible en todas las variantes de tamaño, de 4B a 235B.
Qué cambió
- 📐 Matemáticas y razonamiento
Qwen3 14B iguala o supera a Qwen2.5 32B en los benchmarks MATH-500 y GSM8K — efectivamente obteniendo un nivel de calidad superior con el mismo tamaño de parámetros.
- 💻 Rendimiento en código
Las puntuaciones en HumanEval suben de ~71% (Qwen2.5 14B) a ~83% (Qwen3 14B). El modelo genera funciones más completas y es mejor recuperándose de sus propios errores cuando se le da retroalimentación.
- 🔧 Fiabilidad del tool-calling
El formato de salida estructurado para las llamadas a herramientas es más consistente, reduciendo las respuestas JSON malformadas que causaban bucles en los agentes con variantes más pequeñas de Qwen2.5. Esto hace que Qwen3 8B+ sea viable para cargas de trabajo de agentes que antes requerían 14B+.
- 📏 Context window extendida
Context window ampliada a 128K tokens en todas las variantes (frente a los 32K de Qwen2.5). Útil para resumir documentos largos, procesar bases de código o mantener sesiones de agentes extensas sin truncamiento.
Comparativa de benchmarks
Todas las cifras provienen del informe técnico de Alibaba y de reproducciones independientes de la comunidad. Qwen3 14B es el punto de comparación principal al ser el tamaño más utilizado.
| Benchmark | Qué mide | Qwen2.5 14B | Qwen3 14B | Qwen3 32B |
|---|---|---|---|---|
| MMLU | Conocimiento general | 79.8 | 85.3 | 89.1 |
| HumanEval | Programación en Python | 71.3 | 82.9 | 90.2 |
| GSM8K | Matemáticas básicas | 85.6 | 93.1 | 96.4 |
| MATH-500 | Matemáticas de competición | 62.4 | 76.8 | 84.3 |
Las puntuaciones son precisión pass@1 (%) o precisión (%) según el benchmark. Mayor es mejor. Qwen3 14B con thinking mode desactivado para comparación justa con líneas base sin CoT.
Cómo actualizarte
Actualizar es un solo comando ollama pull.
Ollama gestiona la descarga y actualiza automáticamente el tag del modelo para apuntar a los nuevos pesos.
Si tienes Qwen2.5 instalado y quieres recuperar el espacio en disco, elimínalo después de confirmar
que Qwen3 funciona como se espera:
# Descarga el último Qwen3 14B (descarga ~9 GB)
ollama pull qwen3:14b
pulling manifest... done
pulling a1b2c3d4e5f6... 100% ▕████████████████▏ 9.1 GB
verifying sha256 digest... done
status: success
# Opcional: elimina el antiguo Qwen2.5 14B para liberar ~9 GB
ollama rm qwen2.5:14b
# Variantes de tamaño disponibles
ollama pull qwen3:4b # ~2.6 GB — rápido, hardware básico
ollama pull qwen3:8b # ~5.2 GB — buen equilibrio
ollama pull qwen3:14b # ~9.1 GB — recomendado
ollama pull qwen3:32b # ~21 GB — mejor calidad, necesita 24 GB+ VRAM/think y
/no-think en el CLI interactivo,
o configurando think: false en el cuerpo
de la petición a la API para uso programático. El thinking mode consume significativamente más tokens por
respuesta — calcula 2–4× el conteo habitual de tokens para tareas complejas.
¿Deberías actualizar?
Sí, para la mayoría de los usuarios — especialmente si usas tu modelo local para código, matemáticas o como base de un agente. La mejora en precisión de código y fiabilidad de tool-calling en el nivel 14B por sí sola justifica volver a descargar los 9 GB.
Si tu hardware está muy limitado (menos de 12 GB de VRAM o RAM) y Qwen2.5 7B ya funciona bien para tu caso de uso, no hay una razón urgente para cambiar — Qwen2.5 sigue siendo un modelo sólido y aún recibe soporte de la comunidad. Pero si ya estás en 14B, la actualización es directa y las mejoras son reales.
¿No estás seguro de qué tamaño de Qwen3 cabe en tu hardware?
Nuestra guía Model Picker mapea cantidades de RAM y VRAM a tamaños de modelo y cuantizaciones específicos — para que sepas exactamente qué variante descargar antes de bajar 21 GB y descubrir que no cabe.
Ir al Model Picker →