Qwen3-235B: el modelo que Gonka servía anteriormente

Qwen3-235B-A22B-Instruct-2507-FP8 es un gran modelo de lenguaje (LLM) de la familia Qwen3, desarrollado por el equipo de Qwen en Alibaba Cloud. El nombre completo se desglosa así: Qwen3 — tercera generación de la serie, 235B — 235 mil millones de parámetros en total, A22B — 22 mil millones de parámetros activos por cada solicitud, Instruct — versión entrenada para seguir instrucciones, 2507 — lanzamiento de julio de 2025, FP8 — cuantificación de 8 bits para optimización de memoria.

La característica arquitectónica clave es MoE (Mixture of Experts). A diferencia de los modelos “densos” (GPT-5.5, Claude Sonnet 4.6), donde cada token pasa por todos los parámetros, un modelo MoE activa para cada solicitud solo un subconjunto de “expertos” — bloques especializados de la red neuronal. En el caso de Qwen3-235B, de los 235 mil millones de parámetros, solo 22 mil millones se activan por cada token — menos del 10%. Esto proporciona una calidad de nivel de modelos de 200B+ parámetros con costos computacionales de un modelo de 22B.

Prácticamente, esto significa: el modelo es más inteligente de lo que cabría esperar de su velocidad. Procesa solicitudes significativamente más rápido que los modelos densos de calidad comparable, mientras que requiere mucho menos VRAM para la inferencia. Por eso MoE se ha convertido en la arquitectura dominante para los modelos más grandes de 2025-2026.

La ventana de contexto de Qwen3-235B es de 131.072 tokens (~100.000 palabras), lo que es suficiente para analizar libros enteros, bases de código o documentos legales extensos en una sola solicitud. El modelo es compatible con 119 idiomas, incluidos ruso, inglés, chino, árabe, hindi y decenas de otros, lo que lo convierte en uno de los modelos multilingües más versátiles del mercado.

Qwen3-235B compite con los modelos cerrados y abiertos más grandes. Aquí tienes una comparación de las características clave:

Qwen3-235B muestra un nivel de calidad comparable al de GPT-5.5 y Claude Sonnet 4.6 en la mayoría de los benchmarks, y como modelo MoE de pesos abiertos sale muchas veces más barato que sus equivalentes propietarios: la arquitectura MoE activa solo una parte de los parámetros por consulta y reduce drásticamente los costes computacionales. Ese mismo principio de inference descentralizado y económico es el que la red Gonka aplica hoy a sus modelos activos — MiniMax M2.7, DeepSeek V4 Flash y GLM-5.3 Flash, disponibles a través de JoinGonka Gateway por $0.0062 por 1M de tokens (cientos o miles de veces más barato que GPT-5.5 y Claude).

En los benchmarks MMLU-Pro, HumanEval, MATH-500 y GSM8K, el modelo se sitúa entre los tres mejores modelos open-source, solo por detrás de DeepSeek-R1 en tareas de razonamiento matemático (reasoning). En generación de código, traducción y seguimiento de instrucciones, Qwen3-235B supera de forma constante a Llama 4 Maverick y está a la altura de Claude Sonnet 4.6.

Cuando Qwen3-235B era el modelo principal de la red, funcionaba en la red Gonka de forma distribuida — mediante el protocolo DiLoCo, adaptado para inference. El modelo completo en formato FP8 requiere alrededor de 640 GB de memoria de vídeo (VRAM), algo imposible de alojar en una sola GPU — ni siquiera una H100 80GB o una H200 141GB son suficientes. Por eso el modelo se dividía por capas (tensor parallelism + pipeline parallelism) entre varias ML-nodes.

En la práctica, Qwen3-235B funcionaba en un clúster de 8—16 GPU-nodes, cada una con un mínimo de 40 GB de VRAM. Los Transfer Agents enrutaban la consulta al clúster correspondiente, vLLM en cada node procesaba su fragmento del modelo, los resultados se agregaban y se devolvían al usuario. Todo el proceso duraba cientos de milisegundos — el usuario no percibía que su consulta había sido procesada por una decena de GPU en distintos puntos del planeta. Ese mismo principio de inference distribuido lo aplica la red también ahora — ya con los modelos activos.

Un detalle técnico importante: Gonka utiliza vLLM como motor de serving. vLLM es un proyecto de código abierto que ofrece generación de texto de alto rendimiento mediante PagedAttention — un algoritmo que optimiza el uso de la memoria de vídeo al procesar en paralelo multitud de consultas. Esto permite que cada node procese muchas consultas en paralelo sin perder calidad.

El modelo admite tool calling nativo — invocación de funciones y herramientas directamente desde la respuesta del modelo. Esta funcionalidad se añadió a Gonka mediante el PR #767 con un umbral de 0.958 para detectar llamadas a herramientas. Con Qwen3-235B esto permitía a los desarrolladores construir agentes de IA que interactúan con API externas, bases de datos y herramientas — todo a través de una única consulta. El soporte de tool calling se ha mantenido también en los modelos activos de la red.

Ahora mismo, en la red Gonka hay 1,293 GPU (H100, H200, B300 y otras). Si antes esta potencia se destinaba a Qwen3-235B, hoy da servicio a los modelos activos de la red — MiniMax M2.7, DeepSeek V4 Flash y GLM-5.3 Flash.

Respuesta directa: a través de la red Gonka, ya no. Qwen3-235B fue retirada de la red, así que invocarla por su identificador qwen3-235b-a22b a través de nuestro Gateway ya no es posible. Como el modelo es abierto (Apache 2.0), todavía puedes ejecutarlo por tu cuenta o acceder a él mediante hostings externos de modelos open-weights — por ejemplo, a través de OpenRouter (aproximadamente $0.071/$0.100 por 1M de tokens).

Ahora bien, si lo que buscas es ese inference descentralizado tan barato por el que la gente llega a Gonka, no ha desaparecido: simplemente ahora funciona con los modelos activos de la red. A través del JoinGonka API Gateway tienes disponibles MiniMax M2.7, DeepSeek V4 Flash y GLM-5.3 Flash con una API compatible con OpenAI: cualquier código escrito para OpenAI funciona sin cambios — basta con sustituir la URL, la API key y el nombre del modelo.

Ejemplo de petición a un modelo activo:

curl https://gate.joingonka.ai/api/v1/chat/completions \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "MiniMaxAI/MiniMax-M2.7",
    "messages": [{"role": "user", "content": "Explain the MoE architecture"}]
  }'

Coste: $0.0062 por 1 millón de tokens — es unas 810 veces más barato que GPT-5.5 ($5.00/1M) y unas 490 veces más barato que Claude Sonnet 4.6 ($3.00/1M). Al registrarte recibes 3M tokens gratis para probar.

El Gateway es compatible con las herramientas de desarrollo más populares: la Quick Start describe la conexión mediante Python, Node.js y curl. También se admiten integraciones con IDEs — Cursor, Continue, Cline, Aider y Claude Code — y frameworks para agentes de IA: LangChain, n8n, LibreChat, Open WebUI.

Para empezar rápido:

1. Regístrate en gate.joingonka.ai (conecta una wallet o crea una nueva)
2. Obtén tu API key en el Dashboard
3. Sustituye api.openai.com por gate.joingonka.ai/api en tu código
4. Indica el modelo activo de la red — MiniMaxAI/MiniMax-M2.7, deepseek-ai/DeepSeek-V4-Flash-0731 o zai-org/GLM-5.3-Flash (la lista completa está en el endpoint GET /v1/models)

El inference descentralizado con nivel enterprise a precio de proyecto hobby sigue aquí — Qwen3-235B solo dejó su lugar a modelos más nuevos de la red. Esa misma combinación de precio y calidad ahora funciona con MiniMax M2.7, DeepSeek V4 Flash y GLM-5.3 Flash.