알리바바 Qwen팀이 자사 최대 규모 언어 모델 Qwen3.8-Max를 정식 서비스 단계로 올렸다. 총 2.4조 파라미터 규모의 MoE(전문가 혼합) 구조로, 텍스트뿐 아니라 이미지와 영상을 입력으로 받아 텍스트를 출력한다. 함께 예고된 오픈웨이트 공개는 다음 주로 잡혔고, 대상은 Qwen3.8-Max와 소형 체크포인트 Qwen3.8-27B 두 종류다. 중국계 모델 진영이 가중치 공개를 무기로 삼아 온 흐름이 최상위 모델까지 확장되는 셈이다.
사양은 장문 처리에 무게가 실렸다. 컨텍스트 창은 100만 토큰급으로, 최대 입력이 991K 토큰이고 사고 과정(thinking)을 켜면 983K로 줄어든다. 최대 출력은 두 모드 모두 131K 토큰이며 추론에 할당할 수 있는 예산은 262K 토큰까지다. 가격은 100만 토큰 기준 입력 2달러, 출력 6달러로 책정됐다. 여기서 실질적인 비용 변수는 캐시다. 암묵적 캐시 읽기가 100만 토큰당 0.25달러여서 신규 입력 대비 8분의 1 수준이고, 명시적 캐시는 생성 2.50달러·읽기 0.17달러다. 프롬프트 길이 자체보다 앞부분을 얼마나 고정해 재사용하느냐가 청구서를 좌우하는 구조다.
성능 수치는 코딩·에이전트 영역에서 상위권 경쟁에 진입했음을 보여준다. 터미널 기반 작업을 평가하는 Terminal-Bench 2.1에서 86.6을 기록해 84.6에 머문 클로드 Opus 4.8과 Fable 5를 앞섰지만, 88.8을 받은 GPT-5.6 Sol(max)에는 미치지 못했다. 반면 SWE-bench Pro는 67.7로 Fable 5의 80.0과 격차가 있고, FrontierSWE도 73.5에 그쳐 같은 항목에서 88.8을 기록한 Fable 5에 뒤진다. PaperBench 93.0과 IFBench 82.8에서는 1위를 차지했고 GPQA Diamond는 92.6으로 전작 Qwen3.7-Max의 92.4에서 소폭 오르는 데 그쳤다. 자사 전 세대와 비교하면 상승 폭이 두드러진다. DeepSWE 1.1이 21.6에서 56.6으로, FrontierSWE가 40.7에서 73.5로, JobBench가 31.3에서 53.4로 올랐다. 순수 추론보다 멀티모달과 에이전트 수행 쪽에서 개선이 집중된 양상이다.
다만 수치를 그대로 받아들이기 어려운 대목도 있다. 멀티모달 비교표의 기준선이 동급인 Qwen3.7-Max가 아니라 하위 등급인 Qwen3.7-Plus여서, 세대 간 격차가 실제보다 크게 보이도록 배치됐다는 지적이 나온다. 알리바바가 함께 제시한 강화학습 스케일링 곡선도 단선적이지 않다. 훈련 환경 4,000개 부근에서 0.725로 정점을 찍은 뒤 0.719, 0.689로 내려앉아, 환경 수를 늘리는 방식의 확장이 어느 지점에서 한계에 부딪힌다는 점을 자체 데이터가 드러낸다.
도입 관점에서 보면 API와 가중치의 성격이 갈린다. 호스팅 API는 오픈AI 및 DashScope 호환이라 기존 코드에서 base URL과 모델 ID만 교체하면 연동되고, 기업 규모와 무관하게 오늘부터 쓸 수 있다. 반면 2.4조 파라미터 체크포인트는 다중 노드 데이터센터를 전제로 한 산출물이다. 알리바바가 활성 파라미터 수와 라이선스 조건을 아직 공개하지 않아 실제 서빙 비용을 계산할 근거도 없다. 자체 인프라에 올려 운용하려는 조직에는 27B 체크포인트가 현실적인 선택지가 된다. 결국 다음 주 공개될 라이선스 문구와 활성 파라미터 정보가 이번 발표의 실질적 파급력을 결정할 전망이다.
저작권자 © STORIUM 무단전재 및 재배포 금지
