Qwen vs Gemma: cómo elegir tu modelo local en Ollama

Guía práctica para elegir entre Qwen y Gemma al correr modelos de IA en local: código, hardware modesto, tareas multilingües y uso general con Ollama.

Tabla de Contenidos

Qwen y Gemma, en una frase cada una
El marco de decisión: cuatro preguntas antes de elegir
Cuándo Qwen suele ganar
Cuándo Gemma suele ganar
Cómo probarlos tú mismo sin comprometerte
Errores comunes al comparar Qwen y Gemma
Preguntas frecuentes
La conclusión práctica

Qwen y Gemma, en una frase cada una

Qwen (Alibaba) es la familia que apuesta por cobertura amplia: muchísimos tamaños, ventanas de contexto largas, buen soporte multilingüe y, dentro de la misma familia, una rama dedicada específicamente a programación (qwen3-coder). Si tu caso de uso cambia con frecuencia —hoy resumes un documento, mañana programas, pasado mañana traduces algo— Qwen te da un solo ecosistema con la variante adecuada para cada tarea.

Gemma (Google) apuesta por eficiencia y naturalidad: modelos pensados para correr bien en hardware modesto gracias a variantes de "parámetros efectivos" (los tags e2b, e4b) y a cuantización entrenada (QAT), además de un registro de escritura que mucha gente percibe como menos robótico. También trae algo que Qwen no ofrece: entrada de audio nativa en sus variantes edge y en el modelo unificado de 12B.

Ninguna de las dos es "la mejor" en abstracto. La pregunta correcta no es cuál familia gana, sino cuál gana para lo que tú vas a hacer.

El marco de decisión: cuatro preguntas antes de elegir

1. ¿Cuál es tu tarea principal?

Si programas con regularidad —sobre todo si trabajas con un repositorio completo y no solo con fragmentos sueltos— la rama qwen3-coder está entrenada específicamente para eso, con una proporción alta de código en su entrenamiento y refuerzo dirigido a que el código generado realmente se ejecute. Gemma no tiene un equivalente directo enfocado en código a ese nivel; es competente para tareas de programación general, pero no es su especialidad declarada.

Si tu uso es más bien redacción, resúmenes, correos, análisis de documentos o conversación general, ambas familias rinden bien y la diferencia empieza a depender más del tamaño y la cuantización que de la familia en sí.

2. ¿Qué hardware tienes?

Aquí Gemma tiene una ventaja de diseño: las variantes e2b y e4b están pensadas desde el entrenamiento para correr con menos memoria de la que su nombre sugiere, y las versiones -it-qat (cuantización consciente del entrenamiento) reducen aún más el consumo sin la pérdida de calidad típica de comprimir un modelo después de entrenarlo. Si tu equipo tiene 8 GB de RAM o menos, o si buscas algo para correr en un dispositivo edge, empieza por ahí.

Qwen también publica tamaños pequeños (2B, 4B) que funcionan bien en equipos modestos, pero su fortaleza como familia se nota más a partir de los tamaños medios (9B en adelante), donde la relación calidad-peso se vuelve muy competitiva.

3. ¿Necesitas soporte multilingüe amplio?

Qwen suele destacar aquí. Es una familia entrenada con fuerte énfasis multilingüe desde su origen, lo que se nota especialmente en idiomas asiáticos y en tareas de traducción entre pares de idiomas menos comunes. Si tu trabajo involucra contenido en varios idiomas de forma constante, es el punto de partida más razonable.

Gemma también maneja bien varios idiomas, pero su fortaleza distintiva está en otro lado: la calidad y naturalidad del texto en los idiomas donde ya es fuerte, más que en la amplitud de cobertura.

4. ¿Te importa la modalidad de entrada?

Si necesitas que el modelo entienda audio directamente —una nota de voz, un fragmento de una llamada— Gemma es la opción, porque sus variantes edge y su modelo unificado de 12B lo soportan de forma nativa. Ninguna variante de Qwen ofrece esto hoy. Si solo necesitas texto e imagen, ambas familias te cubren sin problema, incluyendo llamada a herramientas y modo de razonamiento en la mayoría de sus tamaños.

Cuándo Qwen suele ganar

Programación agéntica o sobre repositorios completos (qwen3-coder).
Trabajo multilingüe variado, especialmente con idiomas asiáticos.
Cuando quieres una sola familia que cubra desde tareas simples hasta razonamiento serio, con muchos escalones de tamaño intermedios.
Cuando necesitas ventanas de contexto muy largas de forma consistente en toda la familia.

Cuándo Gemma suele ganar

Hardware modesto o escenarios edge, gracias a los tamaños de parámetros efectivos y QAT.
Tareas donde la calidad de redacción y el tono natural del texto importan más que la velocidad de razonamiento puro.
Cuando necesitas que el modelo procese audio directamente, sin pasar primero por un transcriptor.
Documentos largos con buena densidad memoria/contexto en tamaños medios.

Ninguna de estas reglas es absoluta. Son tendencias observables entre las dos familias, no garantías de que un modelo específico vaya a superar al otro en tu caso particular. La única forma de saberlo con certeza es probar ambos con tu propia tarea.

Cómo probarlos tú mismo sin comprometerte

No hace falta elegir una familia "para siempre". Puedes tener ambas descargadas y decidir según la tarea:

ollama pull qwen3.5:9b
ollama pull gemma4:e4b-it-qat

Con eso ya tienes un representante razonable de cada familia en un tamaño manejable para equipos de 16 GB. Prueba la misma tarea real —tu correo, tu resumen, tu fragmento de código— en los dos y compara. Es más informativo que cualquier tabla de benchmarks, porque mide exactamente lo que te importa a ti.

Si tu equipo es más modesto, sustituye por versiones más pequeñas de cada una (qwen3.5:4b y gemma4:e2b-it-qat); si programas con regularidad, agrega qwen3-coder:30b a la mezcla cuando tengas la memoria para sostenerlo.

Errores comunes al comparar Qwen y Gemma

Comparar por nombre de versión en vez de por tamaño y cuantización. Un qwen3.5:4b y un gemma4:e4b-it-qat no son comparables solo porque ambos "caben" en tu equipo: tienen arquitecturas y objetivos de entrenamiento distintos. Compara casos de uso concretos, no números de versión.

Asumir que la familia más nueva siempre es mejor para ti. Alibaba y Google publican actualizaciones con frecuencia, y no toda actualización mejora lo que a ti te importa. Una versión nueva puede subir en benchmarks de razonamiento y no cambiar nada en calidad de redacción, por ejemplo.

Quedarse con benchmarks de terceros sin verificar la fuente. El catálogo de modelos locales cambia rápido y circulan muchas cifras de rendimiento no verificadas o directamente contradictorias entre sitios. Antes de decidir por un número, revisa el catálogo oficial en ollama.com/library y, si el dato importa de verdad, la ficha técnica del modelo en la fuente original (Alibaba o Google).

Ignorar el plan de código de pago de Qwen y asumir que todo es gratis. Los pesos de Qwen y su CLI son de uso libre bajo licencia Apache 2.0 y puedes correrlos completamente gratis con Ollama. Alibaba también ofrece por separado un plan de suscripción para Qwen Code alojado en la nube; es una oferta distinta, no un requisito para usar los modelos en local.

Preguntas frecuentes

¿Qwen3.5:9b o gemma4:e4b, cuál elijo?

Depende de la tarea, no de cuál es "mejor" en general. Para programación o trabajo multilingüe variado, empieza con Qwen. Para hardware más ajustado, tono de escritura natural o si necesitas procesar audio, empieza con Gemma. Ambos caben cómodos en equipos de 16 GB y vale la pena probar los dos con tu propia tarea antes de decidirte.

¿Ya existe "Qwen 4"?

Al momento de escribir esto, Qwen3.5 es la versión con lanzamiento oficial confirmado por Alibaba, con tamaños desde 0.8B hasta 122B. Alibaba publica actualizaciones de la serie Qwen 3 con frecuencia, así que antes de instalar revisa los tags disponibles en ollama.com/library/qwen3.5 para confirmar cuál es la versión vigente en el momento en que leas esto.

¿Qué es el plan de código de Qwen?

Es una suscripción de pago que ofrece Alibaba para usar Qwen Code alojado en su infraestructura, pensada para equipos que quieren el modelo sin gestionar su propio hardware. Es independiente de correr los mismos modelos gratis y en local vía Ollama.

¿Cuál de las dos familias es mejor para programar?

Para tareas de código a escala de repositorio, la rama qwen3-coder es la opción con entrenamiento y ajuste específicos para esa tarea. Gemma es competente en programación general, pero no tiene una variante equivalente dedicada.

¿Cuál de las dos es mejor si mi equipo es modesto?

Gemma, gracias a sus variantes de parámetros efectivos (e2b, e4b) y a la cuantización entrenada (QAT), que reduce el consumo de memoria sin la pérdida de calidad típica de comprimir un modelo después de entrenarlo.

La conclusión práctica

No existe una respuesta única a "Qwen o Gemma". Existe una respuesta única a "Qwen o Gemma para programar en mi laptop de 16 GB", y esa sí la puedes construir con el marco de arriba: qué vas a hacer, qué hardware tienes, si el multilingüe importa y si necesitas otra modalidad además de texto e imagen. Descarga un representante de cada familia, pruébalos con tu propia tarea, y quédate con el que resuelva mejor lo que tú necesitas —no con el que gane en la tabla de benchmarks de turno.

Los tamaños, tags y capacidades citados en esta guía corresponden al catálogo oficial de Ollama y a las fichas técnicas de Alibaba y Google consultadas en septiembre de 2026. Ambas familias reciben actualizaciones con frecuencia: verifica los tags vigentes en ollama.com antes de descargar.