Junyang Lin, el exlíder técnico del proyecto Qwen de Alibaba, publicó una crítica detallada del enfoque de pensamiento híbrido que impulsó la generación Qwen3 y explicó por qué cree que el pensamiento agentivo, no las cadenas de razonamiento más largas, es el camino correcto a seguir.
Lin dejó su cargo en Alibaba en marzo de 2026 y ahora opera como investigador independiente. Su análisis, presentado primero en una charla titulada Qwen: Towards a Generalist Model / Agent y expandido en una publicación de blog posterior, representa una de las perspectivas internas más detalladas hasta la fecha sobre las compensaciones arquitectónicas y de entrenamiento detrás de una gran familia de modelos.
El problema del pensamiento híbrido
Qwen3 se lanzó con dos modos distintos: un modo de pensamiento que produce cadenas de razonamiento paso a paso, y un modo de no pensamiento (instruct) para respuestas casi instantáneas. La idea era ofrecer lo mejor de ambos mundos en un solo modelo.
Lin sostiene que esta fusión es fundamentalmente más difícil de lo que parece. El modo instruct recompensa la franqueza, la brevedad y la baja latencia. El modo de pensamiento recompensa gastar tokens adicionales en problemas difíciles. Fusionar ambos en un solo modelo, dice, degrada ambos.
“Cadenas de razonamiento más largas no hacen que un modelo sea más inteligente”, escribió Lin. “El pensamiento debería estar moldeado por la carga de trabajo objetivo, no por el benchmark.”
Qwen3 utilizó un pipeline de post-entrenamiento de cuatro etapas — inicio en frío de cadena de pensamiento larga, aprendizaje por refuerzo de razonamiento y “fusión de modo de pensamiento” — para intentar la fusión. Pero versiones posteriores enviaron variantes Instruct y Thinking separadas, cediendo efectivamente que el enfoque unificado no funcionaba como se pretendía.
Lin enmarcó la dificultad como un problema de datos más que un problema de arquitectura de modelo. “Esto es más un problema de datos que un problema de modelo”, dijo, señalando la dificultad de construir datos de entrenamiento que sirvan bien a ambos modos simultáneamente.
Reconoció el enfoque de Anthropic con Claude 3.7 Sonnet, que expone un presupuesto de pensamiento configurable por el usuario, como un “correctivo útil” ante la prisa del campo por los modelos híbridos.
Del razonamiento al pensamiento agentivo
El argumento más significativo de Lin se refiere a lo que viene después. Divide el progreso reciente de la IA en dos eras:
Era 1 — Razonamiento reflexivo, ejemplificado por la serie o de OpenAI y DeepSeek-R1. El aprendizaje por refuerzo requiere recompensas deterministas y verificables, lo que sesga naturalmente el entrenamiento hacia matemáticas, código y lógica formal. El RL se convierte en un problema de ingeniería de sistemas — despliegues a gran escala y pipelines de verificación.
Era 2 — Pensamiento agentivo, que Lin sostiene es la frontera actual. El objetivo pasa de producir una respuesta correcta a mantener el progreso mientras se actúa en un entorno interactivo. Un agente debe decidir cuándo dejar de deliberar y pasar a la acción, qué herramienta invocar y en qué orden, cómo incorporar retroalimentación ruidosa del mundo y cómo revisar planes después de fallos.
“Pensar para responder no es lo mismo que pensar para actuar”, escribió.
La tabla comparativa de su publicación de blog establece la distinción claramente:
| Dimensión | Razonamiento reflexivo | Pensamiento agentivo |
|———–|———————–|———————|
| Evaluado por | Calidad de la deliberación interna antes de una respuesta | Si se mantiene el progreso mientras se actúa |
| Señal de recompensa | Respuestas verificables (matemáticas, código, lógica) | Éxito de la tarea en un entorno interactivo |
| Objeto central de entrenamiento | La cadena de pensamiento en sí misma | La política que selecciona acciones, lee la retroalimentación del entorno y se adapta |
Lin espera que la “ingeniería de orquestación” — la capa de orquestación que enruta el trabajo entre subagentes especializados — importe más que la capacidad bruta del modelo en los próximos años. Un solo modelo generalista podría ser finalmente menos importante que un sistema que pueda planificar, delegar, verificar y recuperarse.
La propia familia Qwen demostró esta trayectoria. La diapositiva de cierre de la charla termina con una línea: “Training models -> training agents.”
Puntos concretos para desarrolladores
El análisis de Lin también ofrece orientación tangible para los profesionales. La bandera `enable_thinking` de Qwen3, que cambia entre modos en la plantilla de chat, es el tipo de detalle ergonómico en el que él cree que el campo debería enfocarse en simplificar:
“`python
from transformers import AutoModelForCausalLM, AutoTokenizer
name = “Qwen/Qwen3-8B”
tok = AutoTokenizer.from_pretrained(name)
model = AutoModelForCausalLM.from_pretrained(name, torch_dtype=”auto”, device_map=”auto”)
enable_thinking=True -> modo de razonamiento paso a paso
enable_thinking=False -> modo casi instantáneo, sin pensamiento
text = tok.apply_chat_template(messages, tokenize=False, add_generation_prompt=True,
enable_thinking=True)
“`
Para implementaciones agentivas, Lin recomienda la orquestación multi-agente: un modelo orquestador planifica y enruta el trabajo, mientras que subagentes especializados ejecutan tareas más específicas. Esta arquitectura controla la contaminación del contexto — un problema que empeora a medida que las tareas agentivas abarcan muchas iteraciones y llamadas a herramientas — mejor que los agentes monolíticos.
La propia demo Deep Research de Qwen, que descompone preguntas de investigación en subconsultas, realiza búsquedas externas, evalúa la calidad de las fuentes y devuelve citas fundamentadas, se presenta como un ejemplo temprano del paradigma agentivo en acción.
La familia Qwen3, publicada bajo Apache 2.0, abarca tamaños de modelo desde 0,6 mil millones hasta 235 mil millones de parámetros, con variantes MoE (30B-A3B y 235B-A22B) que activan 8 de 128 expertos por token. Formatos cuantizados como GGUF, GPTQ, AWQ y MLX están disponibles.
Fuentes: Qwen’s Former Lead on What Hybrid Thinking Got Wrong and Why He Now Backs Agents (MarkTechPost, julio de 2026); Qwen: Towards a Generalist Model / Agent (charla) (YouTube); Alibaba’s Qwen tech lead steps down (TechCrunch, marzo de 2026); From ‘Reasoning’ Thinking to ‘Agentic’ Thinking (blog de Lin)
Traducido por Alessandra