Qwen4-Max Preview puede analizar vídeos. ¿Encuentra el momento exacto?
Un vídeo de formación largo sirve para poner a prueba Qwen4-Max Preview. Comprueba si la respuesta señala la escena correcta y qué cambia con un fragmento más corto.
Un vídeo de formación indica que solo hay que archivar un registro después de comprobar su estado de conservación. Cuarenta minutos más tarde, una segunda demostración abre la misma pantalla y pasa por ella de largo. Una persona que se está formando pregunta en qué escena se ve toda la secuencia. Una respuesta pulida se lee con facilidad. La marca de tiempo correcta vale mucho más.
El 11 de noviembre de 2026, QwenCloud inició una vista previa limitada de Qwen4-Max-Preview, un modelo insignia que acepta texto, imágenes y vídeo. Su documentación indica una longitud de contexto de un millón de tokens. La vista previa solo está disponible mediante Token Plan y está previsto que termine a las 24:00 del 25 de noviembre, UTC+8. Después, QwenCloud dice que retirará este identificador de modelo. Documentación del modelo de QwenCloud
Un modelo así permite hacer preguntas sobre una grabación larga. Lo útil es que pueda llevar a alguien al pasaje exacto que respalda la respuesta. Un vídeo de formación permite distinguir con facilidad tres tareas, encontrar la escena correcta, entenderla y explicarla con claridad.
Una ventana larga da al modelo más escenas donde buscar
La especificación de un millón de tokens es un límite de contexto. Sirve de poco para predecir cuánto detalle útil transmitirá un vídeo concreto. El procesamiento de vídeo, el muestreo de fotogramas, los límites de archivo, la ruta de la API y el resto de la instrucción pueden influir en el contenido de una solicitud. Dos grabaciones de la misma duración pueden diferir mucho en lo que debe observar quien las ve. Un estado que aparece un instante en pantalla puede ser más difícil de encontrar que una sección visible durante varios minutos. Revisa la documentación de entrada de vídeo para el punto de conexión y el método que uses.
QwenCloud documenta salidas estructuradas y controles independientes para la intensidad del razonamiento. Esas funciones permiten pedir una respuesta con formato constante y comparar ajustes. Dan al modelo una forma de expresar una afirmación y una marca de tiempo. La prueba sigue siendo lo que el vídeo muestra en ese momento. Capacidades del modelo de QwenCloud
Imagina un tutorial de software de 50 minutos. El cuadro de archivado aparece dos veces. En la explicación completa, quien enseña lee primero un campo de conservación y comprueba una fecha antes de continuar. En el repaso, muestra dónde se abre el cuadro y pasa por alto el campo. Una respuesta útil identifica la explicación completa y nombra la señal visible. Guiarse solo por el título del cuadro puede llevar a la escena equivocada.
Plantea la evaluación alrededor de esa diferencia. Para cada pregunta, pide a una persona que marque el intervalo que respalda la respuesta, indique la prueba visual y anote si bastaría la transcripción. Si dos intervalos aportan pruebas suficientes, marca los dos como válidos. Así la prueba admite un pasaje alternativo útil. Si la respuesta depende del orden de dos acciones, indica el intervalo necesario para ver ambas.
Una marca de tiempo sirve cuando puedes abrirla y ver la prueba. Ilustración original de Telli.sh.
Pide una respuesta que se pueda comprobar
La respuesta estructurada puede ser pequeña. Incluye la respuesta, el inicio y el final según el reloj del vídeo original, una descripción breve de la señal que la respalda y un estado explícito para la falta de pruebas. La interfaz puede abrir el vídeo al principio del intervalo propuesto. Pide a quien revise que vea la evidencia antes de leer la explicación generada. Así, una explicación convincente tiene menos posibilidades de condicionar el juicio.
La petición puede ser directa. «Encuentra la secuencia completa de archivado. Devuelve el inicio y el fin de la escena, identifica el campo de estado de conservación e indica si la fecha aparece antes de confirmar el archivado. Si la grabación nunca muestra la secuencia completa, informa de que faltan pruebas». Los campos deben referirse a cosas que una persona pueda ver. Evita pedir una «confianza» numérica salvo que puedas comprobar si se corresponde con los resultados reales.
Haz preguntas sobre texto, orden y ausencia. Para el texto, elige una etiqueta visible cuyo significado cambie entre dos escenas. Para el orden, pregunta qué aparece antes o después de una señal clara. Para la ausencia, pregunta por un paso plausible que el vídeo nunca muestra. Un modelo puede acertar en preguntas normales siguiendo convenciones conocidas. Un ejemplo negativo revela cómo se comporta cuando esas convenciones chocan con la grabación.
Define también qué significan las marcas de tiempo. Si el reproductor empieza en cero y la transcripción usa códigos de la grabación original, alínea ambos antes de puntuar. Si recortas cinco minutos de un vídeo largo, guarda el desfase entre el tiempo del fragmento y el del original. Exportar 04:15 de un fragmento y abrir 04:15 del original puede producir un error convincente aunque el modelo encontrara el fotograma correcto.
Prueba una búsqueda amplia y una comprobación acotada con las mismas preguntas
Hay al menos dos maneras razonables de buscar en la grabación. Puedes pasar el vídeo entero al modelo y pedir intervalos candidatos. También puedes dividirlo en capítulos conocidos, seleccionar unos pocos por sus nombres o la transcripción y pedir al modelo que revise esos fragmentos. Usa las mismas preguntas y los mismos intervalos de referencia humana. Compara los métodos antes de decidir si la solicitud más grande justifica el tiempo y el coste.
| Método | En qué ayuda | Qué comprobar |
|---|---|---|
| Vídeo completo en una solicitud | Una acción que se repite en escenas alejadas | Si encuentra la ocurrencia correcta, latencia total y respuestas incompletas |
| Búsqueda por capítulos y fragmento corto | Un tema conocido con detalles visuales pequeños | Fallos al elegir capítulo y desfases de tiempo |
| Transcripción primero, comprobación visual después | Un proceso narrado con confirmación en pantalla | Si coinciden lo dicho y lo que se ve hacer |
Usa un mismo conjunto de escenas de referencia para comparar vías de búsqueda. Ilustración original de Telli.sh.
El camino corto puede ser más barato, pero introduce la posibilidad de fallar antes de que el modelo vea la evidencia. El vídeo completo puede recuperar una escena de un capítulo inesperado. También puede encontrar la zona general y perder la señal concreta. Clasifica cada fallo. Un error de búsqueda pide mejorar la selección de capítulos. Un error de evidencia pide otra entrada visual u otra revisión. Un error en el tiempo de origen requiere arreglar el reproductor o la conversión.
La prueba queda más clara si separas encontrar la escena de dar una respuesta completa. Marca si el intervalo sugerido se solapa con una escena de referencia válida. Después comprueba si la respuesta identifica correctamente el campo visible y el orden de las acciones. Define antes una tolerancia, como diez segundos para una explicación pausada. Una transición rápida puede exigir un margen menor. Guarda el criterio con la evaluación para medir otro modelo de la misma manera.
Mide el tiempo desde que la persona pregunta hasta que puede reproducir la evidencia. Una explicación rápida sin un intervalo útil le obliga a buscar de nuevo. Distingue el primer resultado utilizable del tiempo total. En una respuesta de mucho valor puede merecer la pena abrir los dos primeros candidatos. Para una pregunta rutinaria pueden bastar la respuesta correcta y un enlace a la prueba.
Tres vídeos parecidos pueden revelar tres fallos distintos
Crea un conjunto pequeño con una dificultad clara por grabación. En una explicación narrada, haz que la instrucción verbal coincida con lo que se ve. En otra, muestra una secuencia de botones distinta a la que describe quien habla. En la tercera, pon una escena parecida al principio y la correcta hacia el final. Un modelo puede resolver un tutorial ejemplar y fallar en el caso para el que alguien necesita ayuda.
Elige una tarea cuya respuesta dependa de una señal visual precisa. En la segunda grabación, la narración dice que hay que pulsar Submit, pero el botón visible indica Save as draft y el documento nunca llega a la cola de revisión. Quien quiere enviar el documento necesita distinguirlo. Separa qué recomendó la persona de qué ocurrió. Marca el campo que indica el estado final como prueba que se debe encontrar. La marca de tiempo correcta debe empezar con antelación suficiente para mostrar por qué cambió la pantalla.
Da a quien revise una tabla sencilla de decisiones. Un intervalo correcto con una interpretación equivocada cuenta como error de lectura. Una interpretación correcta asociada a otra escena cuenta como error de búsqueda. Informar de que faltan pruebas es correcto en un fragmento incompleto a propósito y equivocado cuando el fragmento incluye una secuencia clara. Cuenta estos casos de forma explícita para que el modelo no pueda mejorar su puntuación evitando todas las solicitudes difíciles. Aplica la misma puntuación a cada variante.
Comprueba que el texto sea legible antes de atribuir al modelo lo que no encontró. Abre el archivo exacto que se envió al tamaño previsto y compáralo con los fotogramas que ve quien revisa. La compresión puede volver ilegible un campo de estado antes de que el modelo lo reciba. Prueba con un recorte si una solicitud amplia encuentra el capítulo de forma constante, pero pierde un detalle pequeño. Así puedes saber si mejorar el detalle visual local ayuda más que volver a enviar toda la grabación.
Los equipos de formación también deben decidir cuánto puede acortarse el intervalo de evidencia. Cinco segundos pueden mostrar el estado final y omitir la decisión que lo provocó. Indica si el aprendiz necesita ver una selección de menú previa, un aviso o una pantalla de confirmación. Así la interfaz puede abrir un pasaje que, además de demostrar la respuesta, explique la tarea.
Aprovecha la vista previa como periodo de evaluación
QwenCloud identifica el modelo como qwen4-max-preview. Su página indica que el acceso se hace con Token Plan y que esta vista previa carece de pago por uso. El proveedor documenta compatibilidad con Chat Completions y Responses al estilo de OpenAI y con Messages al estilo de Anthropic. Comprueba las reglas de entrada visual del protocolo elegido antes de reutilizar un cliente pensado solo para texto. Acceso a la vista previa de QwenCloud
QwenCloud también documenta un máximo de salida de 393.216 tokens compartidos entre el razonamiento y la respuesta final. En la interfaz compatible con Chat Completions, el presupuesto máximo de generación abarca ambos. Para esta evaluación pide una respuesta breve y vigila las salidas incompletas. Una salida muy larga aporta poco a quien busca una escena de 20 segundos. Al comparar ajustes de razonamiento, mantén fijos vídeo, preguntas y reglas de validación para no confundir un cambio de tamaño de entrada con un cambio de calidad.
Elige un vídeo que tengas permiso para enviar al servicio. Un tutorial sintético o un fragmento de formación público basta para probar la búsqueda de pruebas. Puede incluir dos demostraciones parecidas con una diferencia deliberada, sin contener datos de clientes ni procedimientos internos. Si después necesitas grabaciones del trabajo, comprueba los términos actuales del proveedor y el permiso del equipo para subir el material.
Prepara la evaluación para que siga siendo útil cuando termine la vista previa. Guarda las referencias de archivos, los límites de capítulos, los intervalos correctos, las preguntas y los criterios junto al ID del modelo y la fecha. Conserva los vídeos en un almacenamiento autorizado propio. Si necesitas comparar el modelo de reemplazo, ya tendrás la parte más costosa de reconstruir, el conjunto de ejemplos verificados.
El enlace a la prueba es la interfaz
Una ventana de contexto larga permite ensayar otra forma de encontrar una escena. Un intervalo preciso que se puede reproducir hace útil el resultado para la persona que lo recibe. En formación, la mejor prueba mide si el aprendiz puede llegar al momento correcto y entender la acción sin volver a ver toda la lección. La prueba seguirá sirviendo cuando termine esta vista previa.
Fuentes
- Especificaciones de QwenCloud, protocolos compatibles y periodo de vista previa
- Guía de desarrollo y documentación de entrada visual de QwenCloud
Para conservar las notas de formación y las decisiones que respaldan en un registro consultable, crea una cuenta en Telli.sh.