La matriz de modelos de Qwen es completa y su integración está madura, pero no es la respuesta por defecto para todas las tareas. Los equipos que buscan cambiar de modelo suelen haber encontrado problemas concretos en alguna dimensión: costo de documentos largos, tasa de aprobación de código, multimodalidad, acceso regional o el deseo de diversificar el riesgo de proveedor.
Este artículo no hace un ranking. Desglosa la comparación por escritura en chino, código, contexto largo, multimodalidad, agentes, formas de integración y modelo de precios, y luego ofrece una tabla de escenarios y una lista de migración. Los modelos y precios se rigen por los precios de modelos del sitio.
Nota: Qwen, Tongyi Qianwen, Alibaba Cloud, Bailian y DashScope son marcas del Grupo Alibaba y de sus respectivos titulares; DeepSeek, GLM, Kimi y otras denominaciones también son marcas de sus titulares. Este artículo solo discute selección técnica y no implica afiliación, agencia ni relación de cooperación con esas empresas. Las capacidades, precios y condiciones de cada proveedor cambian; verifica la documentación oficial antes de integrar.
1. Confirma primero si el problema está realmente en el modelo
Antes de cambiar de proveedor, descarta cuatro tipos de problemas que no son del modelo: prompts sin criterios de aceptación, recuperación defectuosa en el sistema de búsqueda, uso del modelo más caro para todas las solicitudes y una sola clave compartida entre varios servicios. Cuando se corrigen estos puntos, la conclusión de que «hay que cambiar de modelo» suele desaparecer.
Si de verdad hace falta cambiar, normalmente aparecen estas señales: falta una capacidad objetivo (por ejemplo, entrada visual), el costo de las tareas de contexto largo se descontrola, el acceso es inestable en una región concreta, una falla de un solo proveedor afecta todo el negocio, o un requisito de cumplimiento exige que los datos circulen por otra ruta. Las señales deben validarse con una semana de datos de tasa de error, retrabajo y latencia.
2. Diferencias de posicionamiento entre los cuatro candidatos
| Modelo | Enfoque típico | Multimodalidad | Integración | Características de facturación |
|---|---|---|---|---|
| Qwen | Matriz completa: texto, visión y contexto largo | Capacidad visual bastante completa | Alibaba Cloud Bailian / DashScope, compatible con OpenAI | Facturación por token; algunos modelos se cobran por tramos |
| DeepSeek | Costo en razonamiento de texto y tareas de código | No es su línea principal; consulta la lista oficial de modelos | API propia, compatible con OpenAI | La entrada distingue aciertos de caché; la salida se factura aparte |
| GLM | Tareas en chino y combinación multimodal | Texto, visión y generación de imágenes | Plataforma abierta propia, compatible con OpenAI | Facturación por token; además hay suscripciones de tipo Coding |
| Kimi | Lectura de contexto largo y tareas de agente | Según la lista oficial de modelos | Plataforma abierta propia, compatible con OpenAI | Facturación por token; las entradas largas requieren medir el costo |
Esta tabla solo indica dónde invierte cada proveedor, no representa un orden de calidad. La diferencia de un mismo modelo entre prompts distintos suele ser mayor que la distancia promedio entre modelos.
3. Escritura en chino: construye un conjunto de evaluación por género
La escritura en chino no tiene una métrica única: la publicidad se mide por conversión, los documentos oficiales por formato, los contratos por consistencia de cláusulas y los guiones por ritmo. Qwen y GLM acumulan más experiencia con corpus en chino; la capacidad de razonamiento de DeepSeek ayuda en textos de estructura compleja, y Kimi encaja mejor cuando primero hay que leer material largo y luego reescribirlo.
Se recomienda extraer 30 tareas reales del negocio, cubriendo textos cortos, textos largos, reescritura y revisión en varias rondas, y evaluarlas a ciegas por dos personas. Divide la puntuación en exactitud de hechos, adecuación del tono, integridad de la estructura y tasa de utilización, para que «se lee fluido» no oculte errores de hecho. Números, nombres y citas deben probarse por separado; esa parte produce más incidentes que el estilo.
4. Código y tareas de ingeniería: deja hablar a la tasa de pruebas aprobadas
El escenario de código debe subdividirse: autocompletado de una línea, preguntas sobre el repositorio, generación de pruebas unitarias, revisión de código y modificación de varios archivos exigen contextos y llamadas a herramientas muy distintos. Los cuatro proveedores tienen modelos orientados a código; los nombres y versiones concretos dependen de la documentación oficial.
No evalúes solo si «el código parece correcto». Ejecuta pruebas unitarias y análisis estático, y registra la tasa de aprobación en el primer intento, el número de rondas de corrección y la proporción de problemas nuevos introducidos. En preguntas sobre el repositorio también hay que medir la precisión para localizar archivos. Si usas llamadas a herramientas, confirma que el modelo objetivo admite el esquema JSON, las llamadas en paralelo y la respuesta en streaming que necesitas; de lo contrario, la migración se atascará en la capa de adaptación.
5. Contexto largo y multimodalidad: calcula primero el costo de entrada
El contexto largo debe mirarse en dos niveles: si cabe y si, una vez dentro, responde correctamente. Meter un informe anual completo en el modelo no significa que pueda citar con precisión una página concreta. En las pruebas, coloca la frase clave al inicio, en el medio y al final, y pregunta una vez en cada posición.
El costo también se calcula aparte. Algunos modelos facturan la entrada muy larga por tramos, de modo que cuanto más larga es, mayor puede ser el precio unitario; los aciertos de caché reducen el costo del material repetido. La elección final debe medirse con la longitud real de tus documentos y tu forma de preguntar.
En multimodalidad, los modelos visuales de Qwen tienen una cobertura bastante completa y GLM combina visión con generación de imágenes; si DeepSeek y Kimi ofrecen interfaces equivalentes depende de la lista oficial de modelos. Si solo necesitas OCR o extracción de tablas, un servicio especializado de OCR puede ser más estable.
6. Agentes y llamadas a herramientas: la estabilidad importa más que los rankings
Los fallos en escenarios de agente a menudo no ocurren porque el modelo no sea inteligente, sino por formatos incorrectos de llamada a herramientas, parámetros faltantes o abandono a mitad de camino. Al elegir, ejecuta un flujo de trabajo real de 15 a 20 pasos y cuenta las llamadas inválidas a herramientas, la tasa de finalización y el número medio de pasos; eso es más útil que mirar rankings generales.
Los cuatro ofrecen llamadas a funciones, pero difieren en nombres de parámetros, llamadas en paralelo y estructura de eventos en streaming. Si ya tienes un framework de agentes, prioriza la interfaz con adaptación madura y mensajes de error claros; para enrutar varios modelos, conviene unificar el protocolo de herramientas en la capa de gateway y evitar escribir adaptadores distintos para cada modelo.
7. Integración y región: las tres configuraciones que más se equivocan
Los cuatro ofrecen interfaces compatibles con OpenAI, y la migración normalmente solo cambia tres puntos: la URL base, la clave de API y el nombre del modelo. Pero Qwen tiene un detalle adicional: la clave de API está vinculada a la región, las claves de Pekín y Singapur no se pueden mezclar, y una URL base que no coincide con la clave devuelve directamente un 401.
El siguiente código reúne la configuración de los cuatro proveedores en una tabla; al cambiar de modelo solo se modifican las variables de entorno:
import os
from openai import OpenAI
PROFILES = {
"qwen": {
"base_url": os.environ.get(
"QWEN_BASE_URL",
"https://dashscope.aliyuncs.com/compatible-mode/v1",
),
"model": os.environ["QWEN_MODEL"],
},
"deepseek": {
"base_url": os.environ.get("DEEPSEEK_BASE_URL", "https://api.deepseek.com/v1"),
"model": os.environ["DEEPSEEK_MODEL"],
},
"glm": {
"base_url": os.environ.get("GLM_BASE_URL", "https://open.bigmodel.cn/api/paas/v4"),
"model": os.environ["GLM_MODEL"],
},
"kimi": {
"base_url": os.environ.get("KIMI_BASE_URL", "https://api.moonshot.cn/v1"),
"model": os.environ["KIMI_MODEL"],
},
}
def client_for(name: str):
profile = PROFILES[name]
client = OpenAI(
api_key=os.environ[f"{name.upper()}_API_KEY"],
base_url=profile["base_url"],
)
return client, profile["model"]
No codifiques los nombres de modelo ni copies tutoriales antiguos. Cada proveedor retira versiones anteriores y ajusta los alias; los nombres de modelo deben tomarse de la documentación oficial y de la página de precios del sitio.
8. Modelo de precios: compara el «costo de completar una tarea aceptable»
Los cuatro facturan por token, pero con estructuras distintas: entrada y salida separadas, descuentos por caché, tramos de contexto largo, descuentos por lote, suscripciones y cuota gratuita. Todo esto afecta la factura. Mirar solo el precio por millón de tokens puede llevar a la conclusión opuesta.
Un cálculo más fiable consiste en sumar entrada, salida, reintentos y solicitudes fallidas, y dividir el total entre las tareas aceptadas. En tareas con salidas largas y muchos reintentos, el costo real puede duplicar o triplicar el precio de lista. Si necesitas una factura unificada, puedes integrarte a través del ZSQH AI Gateway; los multiplicadores concretos figuran en los precios de modelos, y los precios se ajustan con el proveedor.
9. Tabla de selección por escenario
| Escenario | Punto de partida sugerido | Explicación |
|---|---|---|
| Marketing en chino, atención al cliente, resúmenes | Qwen o GLM | Evalúa a ciegas con el mismo lote de muestras; no elijas por reputación |
| Autocompletado de código, pruebas unitarias, revisión | DeepSeek o modelos de código de Qwen | Guíate por la tasa de aprobación de pruebas y las rondas de retrabajo |
| Revisión de documentos largos, síntesis de material | Kimi o modelos de contexto largo de Qwen | Mide también la precisión de las citas y el costo de entrada |
| Comprensión de imágenes, capturas y tablas | Modelos visuales de Qwen o de GLM | Confirma antes los límites de resolución y tamaño de archivo |
| Flujos de agente de varios pasos | Cualquiera, con prueba de carga de herramientas | Observa las llamadas inválidas y la capacidad de recuperación |
| Entrada unificada para varios modelos | Gateway de API | Claves, facturación, logs y degradación unificados |
10. Lista de migración
- Inventaría todos los puntos de llamada y marca las interfaces que usan parámetros privados del proveedor.
- Fija una instantánea de la versión actual del modelo y conserva una configuración que permita volver atrás.
- Crea un conjunto de evaluación de 30 a 50 tareas reales con criterios de aceptación explícitos.
- Ejecuta el modelo antiguo y el nuevo en paralelo, manteniendo parámetros, prompts y longitud de salida.
- Despliega entre el 5 % y el 10 % del tráfico y observa la tasa de aceptación, la latencia p95 y la tasa de error.
- Configura un modelo de respaldo y el cambio automático, y define qué errores deben activarlo.
- Monitoriza por modelo, escenario y versión, contabilizando por separado los 429 y los timeouts.
- Actualiza la documentación y los criterios de facturación, dejando claros los nombres de modelo, la región y las diferencias conocidas.
11. Preguntas frecuentes (FAQ)
1. ¿Hay que cambiar obligatoriamente de Qwen API?
No necesariamente. Primero descarta problemas de prompts, recuperación, concurrencia y red; solo cuando la falta de capacidad, la estructura de costos o los requisitos de cumplimiento no se pueden resolver en el sitio actual, cambiar de modelo aporta un beneficio claro.
2. ¿DeepSeek, GLM o Kimi: cuál escribe mejor en chino?
No hay una respuesta única. La escritura, los comentarios de código y la síntesis de textos largos son tareas distintas, y un mismo modelo puede rendir de forma muy diferente. Una evaluación a ciegas con muestras reales es más fiable que un ranking.
3. ¿Cuánto código hay que cambiar al migrar de modelo?
Si la interfaz es compatible con OpenAI, normalmente solo cambian la URL base, la clave y el nombre del modelo; si usas parámetros privados, campos multimodales o formatos específicos de llamadas a herramientas, necesitarás una capa de adaptación y pruebas de regresión.
4. ¿Un modelo de contexto largo puede sustituir a RAG?
No lo sustituye sin más. El contexto largo sirve para leer de una vez y razonar entre secciones; RAG sirve para bases de conocimiento grandes y material que se actualiza con frecuencia. Ambos pueden combinarse: primero recuperar para reducir el alcance y luego analizar en profundidad.
5. ¿Cómo gestionar varios modelos de forma unificada?
La práctica habitual es usar un gateway que unifique claves, facturación, logs y enrutamiento de modelos, de modo que la aplicación solo conozca una entrada compatible con OpenAI. El costo es una dependencia adicional; conviene verificar la conmutación por falla y la gestión de cuotas.
Siguiente paso
Crea primero una clave de prueba en el ZSQH AI Gateway, conecta Qwen y los modelos candidatos a la misma entrada, ejecuta una ronda de comparación con el mismo lote de tareas y calcula el costo según los precios de modelos. La disponibilidad de modelos y las restricciones regionales se rigen por la documentación oficial.
