Qwen3.8-Flash-Next vs Claude Opus 4.8: Lo que realmente compra 33 veces el precio

Claude Opus 4.8 tiene un precio de lista de $5.00 por millón de tokens de entrada y $25.00 por millón de salida en la propia tabla de tarifas de A​nthropic. Qwen3.8-Flash-Next es la vista previa de pesos abiertos de A​libaba de la arquitectura Qwen4 —con pesos en Hugging Face desde el 24 de agosto de 2026 y en ModelScope desde el 26 de agosto— y, en la forma servida Qwen3.8-Flash, cuesta $0.15 y $0.47 en esas mismas unidades. Eso es 33x en entrada y 53x en salida para dos modelos que, en el único índice público que ha puntuado a ambos, se sitúan a unos dos puntos de distancia entre sí. El enfrentamiento parece desigual y no lo es. Lo que realmente compra el multiplicador es más estrecho y más específico de lo que sugiere la diferencia, y averiguar qué parte de ello necesita tu carga de trabajo es toda la decisión.

Una cosa que hay que dejar clara antes que nada, porque condiciona cada cifra que aparece a continuación: nadie ha ejecutado estos dos cara a cara con configuraciones equivalentes en un arnés de evaluación identificado y ha publicado el resultado. Lo que existe es la puntuación propia de cada modelo en el Artificial Analysis Intelligence Index, y esas entradas se evaluaron en fechas diferentes, así que trátalas como adyacentes en lugar de como una comparación controlada. Todo lo demás que aparece aquí procede del material publicado por los dos proveedores y de arneses independientes que de hecho han ejecutado uno de los dos.

Claude Opus 4.8, según la propia documentación de Anthropic

Claude Opus 4.8 se lanzó el 28 de mayo de 2026, y Anthropic ahora lo clasifica como un modelo heredado: sigue disponible, se sigue vendiendo, pero ya no encabeza la línea Opus. El propio resumen de modelos de Anthropic indica que conviene plantearse migrar a Claude Opus 5.5, y la guía de migración para ese cambio está enlazada desde la propia página de la versión 4.8. Como dato sobre el modelo, y no como algo en su contra: aquí «heredado» significa superado en la cima, no retirado.

Lo que ofrece: una ventana de contexto de 1 M de tokens y una salida máxima de 128 K, ampliada a 300 K en la Message Batches API bajo un encabezado beta. Entrada de texto e imágenes, salida de texto, con visión, uso de herramientas, JSON y razonamiento entre sus capacidades admitidas. Pensamiento adaptativo con el parámetro effort predeterminado en alto — un valor predeterminado distinto del de Opus 5.5, que se lanza con el valor medio, por lo que un valor idéntico de `effort` no implica el mismo presupuesto de pensamiento entre ambos. Un corte de conocimiento fiable y un corte de entrenamiento que se sitúan ambos en enero de 2026, cinco meses por detrás de la generación actual de Opus. Precios de $5.00 por millón de tokens de entrada, $25.00 por millón de salida, $0.50 por millón de lecturas de caché, $6.25 por millón de escrituras de caché de cinco minutos, $10.00 por millón de escrituras de caché de una hora, y un descuento fijo del 50 % de la Batch API sobre la entrada y la salida. Anthropic se compromete a mantener el modelo disponible hasta al menos el 28 de mayo de 2027.

Tampoco es una pieza de museo. El ID del modelo `claude-opus-4-8` está activo en la Claude API, A​mazon Bedrock, G​oogle Cloud, M​icrosoft Foundry y Claude Platform on AWS, y el propio material de lanzamiento de A​nthropic para Opus 5.5 documenta que la mayoría de las solicitudes de ciberseguridad en ese despliegue más reciente se redirigen a Opus 4.8 por diseño. A un modelo que es el respaldo designado para el buque insignia actual se le sigue pidiendo que haga trabajo real.

Qwen3.8-Flash-Next, de la propia ficha de A​libaba

Qwen3.8-Flash-Next no es un modelo Qwen4, y la distinción es de la propia Alibaba y no una interpretación de esta. La ficha del modelo describe una vista previa experimental de la arquitectura que sustentará Qwen4: la arquitectura se lanzó antes de tiempo, deliberadamente, para que los runtimes y las cuantizaciones estén listos cuando llegue la familia. Almacena unos 180B de parámetros en BF16: un cuerpo de mezcla de expertos de 125B que activa 6B por token, una tabla de embeddings de n-gramas aparte de 51B, y unos 4B de capas de predicción multi-token, repartidos en 48 capas con 512 expertos, de los cuales 10 se enrutan y uno es compartido. La pila de atención es la parte genuinamente nueva: 36 capas de atención lineal que ejecutan Gated Delta Network frente a 12 capas de atención completa que ejecutan Qwen Sparse Attention, la misma división híbrida de aproximadamente tres a uno que emplea el resto de la generación Qwen3.8.

El contexto nativo es de 262.144 tokens, ampliable a 1.000.000. La entrada es texto, imagen y vídeo; la salida es texto. La licencia es Qwen Community License 1.0, no Apache 2.0 —una diferencia real con respecto al 27B de la familia, y el tipo de detalle que decide una cuestión de adquisición meses después de decidir una discusión sobre benchmarks. Alibaba posiciona los pesos abiertos como la vista previa experimental y Qwen3.8-Flash, servido a través de Qwen Cloud, como la versión oficial de producción con un contexto predeterminado de 1M y herramientas integradas. No se indica en la ficha si esos son los mismos pesos bajo una configuración de servicio diferente.

Los números, etiquetados según quién los produjo

La tarjeta de modelo de Alibaba es una tabla de proveedor y aquí se etiqueta como tal. En las propias evaluaciones de lenguaje de la tarjeta, Qwen3.8-Flash-Next reporta 91.9 en LiveCodeBench v6, 91.7 en GPQA Diamond, 81.0 en SWE-bench Multilingual, 62.5 en SWE-bench Pro, 58.7 en DeepSWE 1.1, 73.9 en CoWorkBench y 55.7 en JobBench. En las propias filas de comparación de la tarjeta, pierde frente a un modelo Claude en HLE, 35.9 contra 40.0, y en NL2Repo-Bench, 48.1 contra 54.2. Dos salvedades provienen de la propia tarjeta: varios resultados usan benchmarks internos, y la fila de HLE señala que fue evaluada por GPT-4o, algo que vale la pena saber antes de citarle esa cifra en particular a alguien.

Anthropic no publica ninguna tabla pública equivalente para Claude Opus 4.8 usando esos mismos harnesses, por lo que no existe una comparación fila por fila entre proveedores y no debería inferirse de la hoja de ninguna de las partes. Lo que sí existe es un tercero que ha ejecutado ambos. Artificial Analysis sitúa a Claude Opus 4.8 en 41.8 en su Intelligence Index —23.º de los modelos que clasifica, percentil 84— y a Qwen3.8-Flash-Next en 40, quinto de los 113 modelos de su clase de comparación. Ambas cifras pertenecen al índice del mismo proveedor, lo que las convierte en lo más parecido a una vara de medir común disponible hoy, con la salvedad mencionada anteriormente sobre las fechas de evaluación.

El resto del panorama independiente, todo ello de Artificial Analysis y todo ello para la vista previa de pesos abiertos en lugar de la variante Flash servida:

• Trabajo de conocimiento — Qwen3.8-Flash-Next registra 1587 en AA-Briefcase, 1647 en GDPval-AA v2 y 56% en AutomationBench-AA, el benchmark de flujos de trabajo agénticos creado con Zapier sobre un conjunto de tareas privado y reservado.

• Trabajo en terminal y científico — 25% en Terminal-Bench v4.0 y 51% en SciCode, frente a un rendimiento mucho más débil en tareas de repositorio de horizonte largo.

• Razonamiento — Humanity's Last Exam: 38 % para la vista previa de Qwen frente a 48,7 % para Claude Opus 4.8 en el harness del mismo proveedor. En GPQA Diamond, los dos están esencialmente a la par: 91,7 en la ficha de Alibaba frente a 92,0 para Opus 4.8 en Artificial Analysis.

• Recuerdo fáctico frente a confabulación: AA-Omniscience en menos 10 para el Qwen preview, la métrica que penaliza la invención con seguridad. No se publica ninguna cifra equivalente para Opus 4.8 en ese arnés, por lo que no se pueden comparar en él.

• Velocidad — Artificial Analysis mide la preview de Qwen en 53 tokens de salida por segundo, con un tiempo hasta el primer token de 2,80 segundos, y la califica de muy verbosa: 108k tokens de salida por tarea, de los cuales 72k son tokens de razonamiento. Claude Opus 4.8, medido a través de nuestro propio playground durante los últimos siete días, devuelve 66,7 tokens de salida por segundo con una mediana de 4,2 segundos hasta el primer token. Son harnesses diferentes, así que toma las velocidades como indicativas y no como el resultado de una carrera.

• Contexto — 262.144 nativos y 1.000.000 extendidos para Qwen3.8-Flash-Next frente a 1.000.000 nativos para Claude Opus 4.8.

Leído en conjunto en lugar de una línea a la vez, el patrón es consistente con que la diferencia de precio es engañosa en ambas direcciones. El modelo barato está genuinamente cerca en trabajo de conocimiento, tareas de terminal y razonamiento general — más cerca de lo que predeciría una diferencia de precio de 33x. El modelo caro está por delante donde el trabajo es largo, ambiguo y costoso de equivocarse, y tiene un contexto de 1M tokens de forma nativa en lugar de por extensión.

La cuestión del precio, en la unidad que lo decide

Por token, la brecha es marcada y es aritmética sobre cifras publicadas. En el Qwen3.8-Flash servido, la entrada es 33 veces más barata y la salida 53 veces más barata que Claude Opus 4.8. El almacenamiento en caché la reduce ligeramente a favor de Anthropic en relación con su propia tarifa de entrada —las lecturas de caché de Claude Opus 4.8 se ejecutan a $0.50 por millón, una décima parte de su precio de entrada—, pero el Qwen3.8-Flash servido tiene una tarifa de lectura de caché de $0.0184 por millón en nuestra propia lista publicada, que es menos del 4% del equivalente de Opus 4.8. Para un prompt de larga duración con relectura intensiva, esa diferencia se acumula en la misma dirección que todo lo demás.

Por tarea completada es la cifra que sobrevive a la verbosidad de tokens, y aquí la respuesta honesta es que la comparación está incompleta por un lado. Artificial Analysis publica una cifra de coste por tarea para los modelos que ejecuta; la propia verbosidad de la versión preliminar —245M de tokens consumidos en la ejecución del índice frente a una mediana de 140M— hace que su ventaja por token se reduzca a nivel de tarea en lugar de desaparecer, y no existe ninguna ejecución con ajustes equivalentes de estos dos que lo resuelva. Si necesitas una sola cifra para planificar, modélala tú mismo con tu propio tráfico en lugar de tomar prestados los recuentos de tokens de otro.

Donde cada uno es la decisión correcta

Claude Opus 4.8 es la elección correcta cuando el trabajo es de alto riesgo y de una sola pasada: ejecuciones agénticas de horizonte largo en las que deshacer una rama equivocada resulta costoso, depuración compleja de múltiples etapas en una base de código extensa, y cualquier cosa ya construida sobre los controles de razonamiento y esfuerzo de Claude, donde un ajuste de `effort` idéntico y una fecha de corte de conocimiento de enero de 2026 son cantidades conocidas en lugar de incógnitas. También es la opción más segura cuando se busca un compromiso del proveedor con una fecha concreta y un modelo que sigue siendo el respaldo documentado para el tráfico más difícil de su sucesor.

Qwen3.8-Flash-Next es la elección correcta cuando la carga de trabajo es amplia en lugar de profunda —clasificación de alto volumen, extracción, comprensión de capturas de pantalla y documentos, barridos agénticos en los que, de otro modo, procesarías por lotes para ahorrar costos— y cuando quieres evaluar la arquitectura Qwen4 con tus propios datos meses antes de que Qwen4 exista. Sus señales independientes fuertes están en el trabajo de conocimiento y las tareas de terminal; sus señales débiles están en la generación de repositorios de horizonte largo y las tasas de aprobación de agentes de un solo intento, que es exactamente donde residen los cambios de código de producción. Ejecuta una copia de bajo riesgo de una carga de trabajo real contra él antes de que toque algo que importe.

La regla, formulada como regla: elige el modelo cuyo modo de fallo puedas permitirte. Si una respuesta incorrecta te cuesta un reintento, el 33x es dinero regalado. Si una respuesta incorrecta te cuesta una reversión a las 3 a. m., el modelo más barato aún no se ha ganado esa decisión — y el hecho de que sea una vista previa experimental con una licencia comunitaria en lugar de una línea de producto lanzada es parte de la razón, independientemente de las puntuaciones.

Ejecutando ambos sin un segundo contrato

Ambos extremos de esta comparación están activos en un mismo catálogo. Claude Opus 4.8 se enruta como `anthropic/claude-opus-4.8` a $5.00 y $25.00 por millón de tokens — el precio de lista publicado de Anthropic se traslada con 0 % de margen, así que nada aquí cambia si esa tarifa lo hace. La variante de producción servida del lado de Qwen se enruta como `qwen/qwen3.8-flash` a $0.15 y $0.47, también al precio de lista del proveedor, en un contexto de 1M de tokens con entrada de texto, imagen y video.

La preview de pesos abiertos es otro asunto y merece decirse con claridad: Qwen3.8-Flash-Next no es una de nuestras rutas. Para usar la preview, descargas los pesos desde Hugging Face o ModelScope y los sirves tú mismo: vLLM la admite desde el primer día con una ruta de offload que mantiene la tabla de embeddings de n-gramas de 51.000 millones de parámetros en la memoria del host en lugar de en VRAM permanente, SGLang y TensorRT-LLM están en la lista Day 0 de NVIDIA, y la biblioteca de Ollama incluye una compilación MLX para Apple Silicon. Lo que enrutamos es la variante de producción, que es la que realmente puedes invocar hoy.

La solución práctica para un equipo que quiere ambos es dividir el tráfico en lugar de decidirse: una clave, un SDK, una factura, con un porcentaje de solicitudes enviadas al modelo barato y una conmutación por error automática que absorbe los momentos en que una arquitectura experimental o una que está envejeciendo se comporta mal. Eso supone un compromiso de ingeniería menor de lo que sugiere el planteamiento de esta comparativa, y es así como en realidad se encuentran la mayoría de las respuestas útiles a «cuál de los dos»: ejecutando ambos con tráfico real durante una semana y leyendo los resultados.

¿Qué cambiaría esta página?

Tres cosas, en orden de probabilidad de que ocurran de verdad. Una evaluación con ajustes emparejados de Qwen3.8-Flash-Next frente a Claude Opus 4.8 en un harness con nombre reemplazaría cada frase matizada anterior por un número. La llegada de la familia Qwen4 completa llevaría la vista previa de «la arquitectura, en fase temprana» a «la generación anterior de la arquitectura», lo que cambia para qué sirve. Y cualquier movimiento de precios en la línea Opus reabriría el multiplicador en el centro de esta página: la tarifa servida de Qwen3.8-Flash que trasladamos de nuestro lado cambia el mismo día en que el proveedor la cambia, así que la comparación se mantiene actualizada incluso cuando los números no.

Hasta entonces, el único hecho que decide este emparejamiento con más frecuencia no es un benchmark: es que el lado barato es una vista previa experimental que sirves tú mismo y el lado caro es un modelo heredado que alquilas con una relación de soporte y un compromiso de disponibilidad para 2027. Los equipos que necesitan ser dueños del stack y pueden absorber una arquitectura no probada deberían aceptar el 33x y probarlo como es debido. Los equipos que necesitan que la respuesta sea correcta a la primera deberían pagar por el modelo cuyo modo de fallo ya han caracterizado.