¿Qué es Qwen3Guard?
Qwen3Guard es una familia de modelos de moderación del equipo Qwen de Alibaba, publicada en septiembre de 2025 y basada en Qwen3. Viene en dos formas, cada una en tamaños de 0.6B, 4B y 8B. Qwen3Guard-Gen lee un prompt completo o un prompt con su respuesta y escribe una etiqueta de seguridad y sus categorías. Qwen3Guard-Stream añade una cabeza de clasificación que etiqueta cada token a medida que lo genera el modelo principal, así que una respuesta insegura puede cortarse a mitad de emisión.
En lugar de un sí o un no, devuelve una de tres etiquetas: seguro, controvertido o inseguro. Controvertido cubre contenido cuyo daño depende del contexto; en modo estricto lo tratas como inseguro y en modo laxo como seguro. Las categorías son contenido violento, actos ilegales no violentos, contenido sexual, datos personales, suicidio y autolesiones, actos poco éticos, temas políticamente sensibles, infracción de copyright y, solo para entradas, jailbreaks. Las comprobaciones de respuestas indican también si el modelo se negó.
Los modelos se entrenaron con 1.19 millones de prompts y respuestas etiquetados y admiten 119 idiomas y dialectos. Los pesos son Apache 2.0 y sin acceso restringido en Hugging Face; el modelo Gen de 8B se descargó 110,997 veces en el último mes.
¿Cuánto cuesta Qwen3Guard?
| Plan | Precio | Qué incluye |
|---|---|---|
| Qwen3Guard-Gen | Free | 0.6B, 4B u 8B; prompt o respuesta completos |
| Qwen3Guard-Stream | Free | 0.6B, 4B u 8B; token a token |
Pesos abiertos gratuitos bajo Apache 2.0, sin acceso restringido en Hugging Face, en tamaños de 0.6B, 4B y 8B; autoalojado. Alibaba Cloud ofrece además un servicio alojado AI Guardrails basado en él.
¿Merece la pena Qwen3Guard?
La ventaja de Qwen3Guard son los idiomas. En el informe técnico del equipo Qwen, el modelo Gen de 8B promedia 85.1 de F1 en benchmarks de prompts en chino frente a 44.1 de Llama Guard 4 12B, y 85.0 en el conjunto multilingüe RTP-LX frente a 41.7. En inglés promedia 90.0 en prompts y 83.9 en respuestas, por delante de WildGuard 7B con 85.8 y 79.9. Una salvedad: los promedios de Qwen toman el mejor de los modos estricto y laxo en cada benchmark, lo que lo favorece algo.
La etiqueta de tres vías es la decisión de diseño que importa en la práctica. Una aplicación educativa infantil y una plataforma de ficción para adultos discrepan sobre el mismo texto límite; con Qwen3Guard comparten un modelo y solo difieren en si controvertido significa bloquear.
La variante Stream es el otro motivo para fijarse. Puntúa cada token generado, y el informe dice que se queda a unos dos puntos de F1 del modelo Gen. En 813 respuestas inseguras señaló exactamente la primera frase insegura alrededor del 86.0% de las veces, y en trazas de razonamiento detectó contenido inseguro dentro de los primeros 128 tokens en torno al 66.8% de los casos. El coste es la integración: lee IDs de tokens de Qwen3, así que otras familias de modelos necesitan retokenizar su salida, y el soporte de Stream en vLLM y SGLang sigue en desarrollo.
La documentación es tosca. El ejemplo de moderación de respuestas del README usa un nombre de modelo equivocado e imprime una variable no definida, las tablas de benchmarks solo son imágenes en la ficha del modelo y el repositorio de GitHub no ha cambiado desde octubre de 2025. Los modelos son sólidos; cuenta con leer el informe en lugar del README.
Dónde se gana su sitio
Un equipo de confianza y seguridad de una app de mensajería con usuarios en Asia y Latinoamérica
Moderar prompts de usuarios y respuestas del bot en chino, indonesio, español y portugués
Sirve Qwen3Guard-Gen-4B con vLLM tras un endpoint compatible con OpenAI y pasa cada turno por él; trata controvertido como inseguro en cuentas de menores y como seguro en el resto.
Un ingeniero con un asistente basado en Qwen3 que emite respuestas largas en streaming
Parar una respuesta insegura mientras todavía se está generando
Pasa cada ID de token generado a Qwen3Guard-Stream con Transformers y cierra el stream cuando un token salga etiquetado como inseguro, en lugar de esperar a revisar la respuesta completa.
Un investigador que entrena un modelo con aprendizaje por refuerzo
Premiar respuestas seguras sin premiar las negativas por sistema
Usa la etiqueta de seguridad de Gen y su campo de negativa como señales de recompensa, como hizo Qwen con Gen-4B para entrenar Qwen3-4B-SafeRL; un tamaño menor abarata el modelo de recompensa.
Antes de decidirte
- Puesta en marcha
- vllm serve Qwen/Qwen3Guard-Gen-4B --max-model-len 32768 (vLLM 0.9.0+ o SGLang 0.4.6.post1+) y después analiza las líneas Safety y Categories de la respuesta. Stream necesita Transformers 4.51+ con trust_remote_code.
- Integraciones
- Transformers, vLLM y SGLang para Gen; endpoints compatibles con OpenAI; el servicio alojado AI Guardrails de Alibaba Cloud funciona con él.
- Datos y privacidad
- Autoalojado, así que el texto se queda en tu hardware. Apache 2.0 permite el uso comercial.
- Coste a escala
- Sin tarifa de API; pagas tus propias GPU, y el tamaño de 0.6B es el más barato de servir. El coste de Stream crece de forma casi lineal con la longitud de la respuesta, mientras que revisar con Gen una respuesta que crece cuesta mucho más.
- Límites
- La longitud de contexto no se indica más allá de los ejemplos de servicio de 32,768 tokens; Stream depende del tokenizador de Qwen3; las categorías son fijas.
Lo bueno
- 119 idiomas y dialectos; buenas puntuaciones en chino y multilingües en el informe de Qwen
- Etiquetas seguro, controvertido e inseguro con modos estricto y laxo
- La variante Stream modera token a token durante la generación
- Apache 2.0, sin acceso restringido, tamaños de 0.6B a 8B
Lo malo
- Los promedios de Qwen eligen el mejor modo en cada benchmark
- Stream necesita tokens de Qwen3; aún sin soporte en vLLM ni SGLang
- Los ejemplos del README contienen errores
- Categorías fijas; sin políticas propias en lenguaje llano
Ideal para
Equipos que moderan chats o salidas de modelos en muchos idiomas y quieren un modelo abierto con un término medio ajustable entre seguro e inseguro.
Alternativas a Qwen3Guard
Qwen3Guard: preguntas frecuentes
- ¿Merece la pena Qwen3Guard?
- El modelo de guarda abierto a batir en moderación multilingüe, con una etiqueta de controvertido que ahorra discusiones sobre casos límite y un modo en streaming que revisa las respuestas mientras se escriben. Le damos un 4.3 sobre 5.
- ¿Cuánto cuesta Qwen3Guard?
- Pesos abiertos gratuitos bajo Apache 2.0, sin acceso restringido en Hugging Face, en tamaños de 0.6B, 4B y 8B; autoalojado. Alibaba Cloud ofrece además un servicio alojado AI Guardrails basado en él.
- ¿Qué inconvenientes tiene Qwen3Guard?
- Los promedios de Qwen eligen el mejor modo en cada benchmark; stream necesita tokens de Qwen3; aún sin soporte en vLLM ni SGLang; los ejemplos del README contienen errores; categorías fijas; sin políticas propias en lenguaje llano.
- ¿Para quién es Qwen3Guard?
- Equipos que moderan chats o salidas de modelos en muchos idiomas y quieren un modelo abierto con un término medio ajustable entre seguro e inseguro.
- ¿Cuánto cuesta Qwen3Guard para un equipo o en producción?
- Sin tarifa de API; pagas tus propias GPU, y el tamaño de 0.6B es el más barato de servir. El coste de Stream crece de forma casi lineal con la longitud de la respuesta, mientras que revisar con Gen una respuesta que crece cuesta mucho más.
- ¿Es Qwen3Guard seguro para los datos de la empresa?
- Autoalojado, así que el texto se queda en tu hardware. Apache 2.0 permite el uso comercial.
- ¿Cuáles son las mejores alternativas a Qwen3Guard?
- Las alternativas más cercanas que hemos analizado son Granite Guardian 4.1 8B, Shieldstral 1.0 3B y gpt-oss-safeguard.
Respuestas comprobadas el 6 nov 2026.
¿Desarrollas Qwen3Guard? Muestra esta nota en tu web
