La IA de Alibaba operó 35 horas sin supervisión humana y superó al fabricante de su propio chip

Resumen ejecutivo

• Hecho: El 20 de mayo de 2026, Alibaba presentó Qwen3.7-Max en su Cloud Summit de Hangzhou: un modelo que operó de forma autónoma durante 35 horas seguidas, ejecutó 1.158 llamadas a herramientas y logró una mejora de rendimiento de 10× en un chip que nunca había visto durante su entrenamiento.

• Impacto: El anuncio llegó con el chip Zhenwu M890 (3× el rendimiento de su predecesor, 144 GB HBM3, ya desplegado en 400+ clientes empresariales) y el servidor rack Panjiu AL128, configurando el stack de IA vertical más integrado del mercado chino.

• Sorpresa: Qwen3.7-Max admite de forma explícita Claude Code de Anthropic como arnés externo. El modelo que acaba de presentar China es compatible con las herramientas de agentes que ya están desplegando las empresas occidentales.

El número fue diseñado para impactar. Treinta y cinco horas. Una semana laboral completa comprimida en una única ejecución de máquina, sin aprobaciones intermedias, sin revisiones humanas, sin nadie mirando la pantalla. En el Alibaba Cloud Summit del 20 de mayo, Qwen3.7-Max no se limitó a correr durante ese tiempo: operó sobre hardware que nunca había visto en su entrenamiento, partiendo de cero documentación, y entregó código de kernel que superó en un factor de diez la implementación de referencia del propio fabricante del chip.

Para un COO evaluando infraestructura de IA ahora mismo, la pregunta no es si esto es impresionante. Es qué cambia.

¿Qué ocurrió realmente durante esas 35 horas?

La tarea de benchmark fue deliberadamente difícil. Alibaba colocó a Qwen3.7-Max frente al chip Zhenwu M890 —su propio acelerador de IA propietario, sin documentación pública disponible— con el objetivo de optimizar el kernel de SGLang, un framework de inferencia de IA muy extendido. El modelo no disponía de especificaciones de hardware, sin implementaciones de referencia, sin datos de entrenamiento específicos para ese chip.

En 35 horas, ejecutó 432 evaluaciones de kernel y 1.158 llamadas a herramientas distintas. Detectó fallos de compilación de forma autónoma, rediseñó su enfoque, e iteró hasta conseguir una mejora de velocidad de 10,0× respecto a la implementación de referencia Triton. El contexto frente a la competencia: GLM 5.1 logró 7,3×, Kimi K2.6 alcanzó 5,0×, DeepSeek V4 Pro llegó al 3,3×. Qwen3.7-Max no fue marginalmente mejor: estaba operando en otra categoría.

La ventana de contexto se amplía a 1 millón de tokens —casi 4× respecto a Qwen3.6-Max-Preview— y el modelo admite arneses de agentes como OpenClaw, Hermes Agent, Claude Code de Anthropic, Qwen Paw y Qoder. Ese último detalle merece atención: el modelo agentic de frontera que acaba de presentar Alibaba es compatible con el tooling que las empresas europeas están empezando a estandarizar.

DIAGNÓSTICO GRATUITO — ¿Está tu empresa preparada para autorizar ejecuciones de IA autónoma de 35 horas? Cómo funciona Transform → ✓ 30 min  ✓ Sin coste  ✓ Director de IA dedicado

La apuesta de infraestructura que reordena el mercado global

Alibaba no lanzó un modelo. El summit presentó tres productos interconectados que forman lo que la compañía llama un stack de “fábrica de IA”: Qwen3.7-Max para la capa de software; el Zhenwu M890 de T-Head (la filial de chips de Alibaba) para la capa de cómputo; y el servidor Panjiu AL128, una unidad rack-scale que empaqueta 128 aceleradores M890 con ancho de banda interno de petabytes por segundo. Los envíos acumulados de la serie Zhenwu ya superan las 560.000 unidades en 400+ clientes de más de 20 industrias. No es una hoja de ruta: es una infraestructura desplegada.

Lo que resulta llamativo de esta jugada es la precisión con la que apunta al problema de dependencia de cómputo que define el ecosistema occidental. El filing de IPO de SpaceX reveló recientemente que Anthropic paga aproximadamente 15.000 millones de dólares al año en alquiler de cómputo. El stack vertical de Alibaba es a la vez un producto y un argumento competitivo: si eres una empresa china —o cualquier empresa buscando alternativas reales al duopolio Nvidia-Azure-AWS—, ¿por qué exponer tus cargas de trabajo de IA a cadenas de suministro de GPUs frágiles bajo controles de exportación?

Para las empresas europeas y españolas, la implicación es más indirecta pero igual de real. Un competidor chino de IA con stack vertical creíble entrando al mercado global a escala aplicará presión de precios sobre todos los proveedores, y forzará una conversación seria en los consejos de administración sobre qué significa exactamente “riesgo de proveedor de IA” en un horizonte de 5 años.

Este movimiento se enmarca en un patrón más amplio: días antes, Google declaró la era empresarial agentica en I/O 2026, y la pregunta de quién controla realmente tus agentes de IA se está convirtiendo en el debate central de gobernanza empresarial.

El vacío de gobernanza que nadie quiere ver

Una ejecución autónoma de 35 horas es una historia de capacidad técnica. Lo que expone es una historia organizativa.

Dato Epinium

En los proyectos de Transform de Epinium con equipos de marca y operaciones en Europa y LATAM, el 68% de los equipos que inician su primer flujo de trabajo de IA agentic no tienen ningún protocolo de aprobación definido para tareas que superen los 60 minutos de ejecución sin supervisión humana. La tecnología para ejecuciones autónomas de 35 horas ya está disponible comercialmente. Los marcos organizativos para autorizarlas, monitorizarlas y auditarlas todavía se están escribiendo.

Lo que observamos en Epinium es un patrón consistente: las empresas subestiman no la capacidad de los modelos, sino el cambio de gestión interno necesario para desplegarlos con autonomía real. La pregunta más difícil no es “¿puede nuestra IA hacer esto?”. Es “¿quién en nuestra organización está autorizado para decir sí a una tarea de esta duración, esta autonomía, esta criticidad? ¿Y qué protocolo se activa cuando algo sale mal?”.

Qwen3.7-Max hace que esa pregunta sea urgente en lugar de teórica. El modelo ya existe. La gobernanza, en la mayoría de las organizaciones, todavía no.

Cinco preguntas clave sobre agentes de IA de larga duración

¿Qué es Qwen3.7-Max y en qué se diferencia de los modelos Qwen anteriores?

Qwen3.7-Max es el modelo insignia de Alibaba diseñado específicamente para tareas agentic de largo horizonte, no para IA conversacional. Su ventana de contexto de 1 millón de tokens cuadriplica la de su predecesor. Gestiona proyectos de software multifichero, orquesta flujos de trabajo multiagente y ha sido evaluado en tareas reales de optimización de chips. El cambio es arquitectónico: este modelo se construyó alrededor de la autonomía empresarial, no de la respuesta en chatbot.

¿Puede Qwen3.7-Max integrarse en stacks empresariales europeos?

Técnicamente, sí. Alibaba ha listado Claude Code de Anthropic entre los arneses externos compatibles, junto a OpenClaw, Hermes Agent, Qwen Paw y Qoder. Las empresas ya estandarizadas en Claude Code pueden evaluar Qwen3.7-Max sin reconstruir sus workflows. Si la normativa de cumplimiento, residencia de datos y las implicaciones regulatorias europeas (AI Act, GDPR) permiten esa integración es una decisión diferente, específica de cada organización y sector.

¿Tiene la ejecución de 35 horas aplicación práctica en flujos de trabajo empresariales reales?

No de forma inmediata para la mayoría de los equipos. La tarea de optimización de kernel era ideal: criterios de éxito cerrados, verificables por máquina, sin ambigüedad en el juicio humano intermedio. La mayoría de los procesos empresariales aún no tienen esa estructura. El valor del benchmark es direccional: indica qué tipo de workflows hay que diseñar para aprovechar esta capacidad, empezando por aquellos con outputs claramente medibles y reversibles.

¿Qué es el chip Zhenwu M890 y por qué importa fuera de China?

El Zhenwu M890 de T-Head afirma 3× el rendimiento de su predecesor, con 144 GB de memoria HBM3 y 800 GB/s de ancho de banda entre chips, con 560.000 unidades ya distribuidas a 400+ clientes. Para las empresas fuera de China, su relevancia es estructural: un acelerador de IA chino viable y desplegado a escala reduce la dependencia de China respecto a las exportaciones de Nvidia, lo que altera la dinámica global de oferta y demanda de GPUs —y, en última instancia, el poder de negociación de todos.

¿Cuándo no debería una empresa desplegar un agente de IA de largo horizonte?

Cuando la tarea tiene criterios de éxito ambiguos que requieren juicio humano durante el proceso. Cuando las consecuencias de un error son difíciles de revertir. Cuando los requisitos regulatorios —especialmente relevantes en Europa con el AI Act— exigen revisión humana en puntos de decisión específicos. Y cuando no existe aún un marco interno de gobernanza que autorice, monitorice y audite una tarea de esa duración. Desplegar agentes autónomos sin procedimientos claros de escalado y rollback destruye la confianza en la IA más rápido de lo que la construye.

El ritmo se está acelerando. En el espacio de una semana de mayo de 2026, Google declaró la era agentic en I/O, Walmart reportó que Sparky generaba un incremento real en pedidos, y Alibaba demostró una IA que optimizó el software de su propio chip mejor que sus propios ingenieros. El mercado no espera a que las organizaciones estén listas. La pregunta para cada empresa es con qué rapidez puede cerrar la distancia entre lo que la tecnología ya puede hacer y lo que su gobernanza puede autorizar.

¿Listo para cerrar la brecha de gobernanza de IA de tu organización? Epinium Transform ayuda a equipos de dirección a construir los marcos, protocolos y estructuras de supervisión de agentes necesarios para pasar de los pilotos de IA al despliegue autónomo en producción, empezando por un diagnóstico gratuito de 30 minutos. Reserva diagnóstico →