Probé Qwen3.8-Flash-Next en Strata e hice que OpenCode creara tres proyectos

Probé el modelo abierto MoE de 125B «Qwen3.8-Flash-Next» mediante Strata en un PC con Windows y una sola RTX 4090, usándolo como agente de implementación de OpenCode.

Probé tres proyectos: un juego 3D con Three.js, una aplicación web de orientación práctica y un motion graphic de 30 segundos. La conclusión por adelantado es que el juego y la aplicación web tuvieron éxito. El vídeo llegó a generarse, pero la calidad visual aún está lejos de ser suficiente.

No es un benchmark riguroso, sino una prueba de trabajo real bastante subjetiva.

Entorno de ejecución

Elemento	Configuración
GPU	NVIDIA GeForce RTX 4090 24GB
CPU	Intel Core i7-13700K (16 núcleos / 24 hilos)
RAM	64GB
SO	Windows 11 Pro
Inferencia	Strata v0.1.40.2 / Qwen3.8-Flash-Next IQ2_XS
Contexto	262.144 tokens
Agente de programación	OpenCode v1.17.13

El modelo en sí ocupa unos 70 GB. En la 4090, las respuestas cortas alcanzaron unos 86–108 tok/s, y hasta los prompts largos de 32K–128K se cargaron a unos 4.400–5.000 tok/s. También llegó a procesar 255K tokens en la práctica.

Sin embargo, la principal limitación fue la RAM, no la VRAM. Strata consume mucha memoria, así que ejecutar Docker, compilaciones de Next.js y Playwright simultáneamente en la misma máquina de 64 GB resulta bastante difícil. Si se quiere desarrollar en paralelo en serio, creo que lo más realista es contar con 96 GB o más, o separar el PC de inferencia del PC de desarrollo.

1. Juego 3D con Three.js: éxito

Primero le pedí crear una versión 3D de Lights Out de 3×3×3 con Three.js. El prompt se envió una sola vez e incluía neón, bloom, efectos de sonido, interfaz en japonés e inglés, deshacer y una animación al superar el nivel.

La pila técnica consistía en un único archivo HTML y Three.js. Son 559 líneas de implementación que integran renderizado, posprocesado, Web Audio y controles de ratón. Generó unos 31.000 tokens y tardó aproximadamente 5 minutos.

Al comprobarlo con Chrome en modo headless, hubo 0 errores de JavaScript. Los clics, la rotación de la vista y completar el nivel funcionaron de verdad.

Hubo un fallo: la forma de construir el tablero difería entre la generación de nivel y el reinicio. Sin embargo, como este tablero de 3×3×3 es matemáticamente resoluble desde cualquier configuración, el juego no se vuelve imposible de completar.

• Tasa de éxito subjetiva: 90%
• Tiempo necesario: unos 5 minutos
• Evaluación: muy bueno para una generación de una sola pasada. Tanto el aspecto como el funcionamiento lo convierten suficientemente en una «obra»

2. Una aplicación web con bastantes funciones: éxito

Después fue ORBIT, una consola de gestión de reservas para un estudio. No es un simple panel: le pedí crear una aplicación Next.js de 12 pantallas y unas 5.700 líneas.

La pila técnica es Next.js 16.4 (App Router / TypeScript), Tailwind CSS, Prisma 6.19, SQLite, recharts, date-fns, zod, jose y bcryptjs. Implementa inicio de sesión, calendarios mensuales, semanales y diarios, gestión de reservas, clientes, salas, personal, facturas, informes y ajustes.

El primer desarrollo autónomo tardó 62 minutos. Sin embargo, pasó 37 minutos detenido en una prueba de humo que no terminaba, de modo que el tiempo real de trabajo del LLM fue de unos 25 minutos. Las 12 pantallas estuvieron listas 26 minutos después de empezar. Solo el desarrollo inicial generó 157.000 tokens.

En la validación final, 24 de 25 elementos E2E obtuvieron PASS. También pasaron TypeScript, la compilación, Lint y la prueba de humo. Pudo corregir 7 de las 8 solicitudes de corrección.

Por otro lado, en la primera pasada declaró que «se cumplían todas las condiciones» pese a que quedaban errores de Lint. También queda un caso de desplazamiento horizontal en la vista móvil. No conviene confiar sin más en sus autoinformes; es necesario disponer de un responsable de pruebas independiente.

El otro fallo fue la configuración con PostgreSQL + Docker. Con 64 GB de RAM no había margen para ejecutar al mismo tiempo Strata, Docker y la compilación, así que finalmente cambié a SQLite. El agente también fue terminado forzosamente dos veces por falta de memoria.

• Tasa de éxito subjetiva: 95%
• Tiempo necesario: unos 62 minutos (unos 25 minutos de trabajo real) + unos 30 minutos de correcciones
• Evaluación: al menos parece capaz de crear de punta a punta una aplicación web convencional

3. Vídeo de motion graphics: la generación tuvo éxito, pero la calidad aún deja mucho que desear

Por último, un motion graphic 4K de 30 segundos sincronizado con música: «STRATA // SIGNAL».

La pila técnica es Python, Skia, NumPy, SciPy, Pillow y FFmpeg. No solo genera el vídeo: también crea mediante código música algorítmica de 128 BPM y 16 compases. El archivo final es de 3840×2160, 30 fps, 900 fotogramas y 30,000 segundos. El audio es estéreo a 48 kHz y -14 LUFS.

Desde el inicio hasta completar el 4K tardó aproximadamente una hora y media. Durante el proceso hubo una sesión que repitió el mismo razonamiento hasta el límite de salida de 32K, otra en la que OpenCode se quedó detenido 13 minutos tras iniciar y un cierre por falta de memoria durante el renderizado final. El renderizado 4K propiamente dicho duró unos 11 minutos y medio.

Como archivo de vídeo, es válido. Pero los anillos de neón y las estelas que se habían especificado apenas se ven en 4K, y el resultado general es oscuro. El ruido granular es intenso, los cambios de escena son débiles y también resulta difícil percibir la sincronización entre el vídeo y el ritmo. Es valorable que pudiera llevarlo por sí solo hasta 30 segundos, 4K y con audio, pero resulta difícil afirmar que la calidad creativa sea aprobatoria.

• Tasa de éxito subjetiva: 50%
• Tiempo necesario: aproximadamente una hora y media
• Evaluación: puede construir el pipeline de generación. Sin embargo, la composición visual requiere revisión humana y varias rondas de correcciones

Resumen: probablemente el modelo abierto más potente hasta ahora que funciona en una RTX 4090

Es una opinión muy subjetiva, pero como modelo de código abierto que puede ejecutarse en una RTX 4090, Qwen3.8-Flash-Next es probablemente el más potente que he probado hasta ahora.

Destaca especialmente en el desarrollo de aplicaciones web. Si se le proporciona una especificación, puede planificar, implementar y avanzar hasta la compilación y las pruebas de una aplicación con muchas pantallas. Por supuesto, no hay que confiar en su autoinforme de «ya está hecho»: una verificación independiente es imprescindible. Aun así, es francamente impresionante que un modelo local pueda llegar tan lejos.

Por sensaciones, tiene una utilidad comparable a Sonnet —no recuerdo qué versión— en la época en que Opus era demasiado caro como para usarlo con soltura. El juego también estuvo bastante bien. En cambio, las tareas como los motion graphics, donde existe una gran distancia entre que el código funcione y que el resultado sea bueno como obra, todavía necesitan validación.

Y lo que más problemas dio esta vez no fue la inteligencia del modelo, sino los 64 GB de RAM.

Los LLM locales realmente están evolucionando.