알리바바 Qwen3.8-Max 출시, 2.4조 파라미터로 프론티어 모델 정조준…오픈 웨이트도 다음 주 공개

알리바바 Qwen팀의 출시 발표에 따르면 8월 3일(현지시간) 자사의 새 플래그십 모델 Qwen3.8-Max를 정식 출시했다. 2.4조 파라미터 규모의 MoE(전문가 혼합) 모델로, 지난 7월 19일 상하이 세계인공지능대회(WAIC)에서 프리뷰로 처음 공개된 지 2주 만에 벤치마크 표와 API 가격을 갖춘 정식 버전으로 전환됐다. 이번 출시에서 가장 눈에 띄는 대목은 두 가지다. 입력 토큰 가격을 이전 세대보다 20% 낮췄고, 플래그십 모델로는 이례적으로 오픈 웨이트 공개를 다음 주로 예고했다.

알리바바는 이 모델을 "지금까지 나온 것 중 가장 강력한 모델"이라 소개하며 코딩과 협업(cowork) 작업에서 새로운 기준을 제시했다고 주장한다. 실제로 독립 벤치마크 기관들의 검증에서도 SWE-bench 87.3%를 기록해 GPT-5.5와 GLM-5.2를 앞서는 등 상당한 경쟁력을 확인시켜줬다. 오픈 웨이트 제공과 상업적 사용 허용은 별개이므로, 실제 배포 전에는 해당 버전의 라이선스와 모델 카드를 확인해야 한다.

프리뷰에서 정식 출시까지, 2주의 기록

핵심만 먼저 짚으면 이렇다. Qwen3.8-Max는 7월 19일 프리뷰 공개 당시엔 벤치마크도 API 가격도 없이 "Fable 5에만 뒤진다"는 알리바바의 자체 주장만 있는 상태였다. 정확히 2주 뒤인 8월 3일, 알리바바는 완전한 벤치마크 표와 표준 API 가격을 갖춘 정식 버전을 내놓으며 이 주장을 구체적 수치로 뒷받침했다.

출시 발표는 2.4조 파라미터 규모를 안내한다. Vals AI의 평가 설정에는 100만 토큰 컨텍스트와 최대 128K 출력이 기재돼 있다. 모델 크기, 실제 활성 파라미터, API 요청 제한은 서로 다른 값이므로 하나의 숫자로 실행 비용을 추정하면 안 된다.

벤치마크로 본 실력: "Fable 5에 근접" 주장, 어디까지 사실인가

알리바바는 출시 당시 자체 코딩·에이전트 평가 결과를 공개했다. 회사 평가와 외부 평가의 점수를 합쳐 하나의 순위로 읽으면 안 된다. 아래는 평가기관이 직접 공개한 결과와 측정 조건을 기준으로 읽는다.

Vals AI의 평가 설명에 나온 Terminal-Bench 2.1 점수는 67.4점으로, 알리바바가 발표한 86.6점과 상당한 차이가 있다. Vals AI는 이 차이의 원인으로 알리바바가 벤치마크의 제한시간(timeout) 설정을 자체적으로 수정한 반면 자신들은 원래 설정을 그대로 유지했다는 방법론적 차이를 지목했다. 벤치마크 수치를 인용할 때 "누가, 어떤 조건으로 측정했는지"를 함께 봐야 하는 이유가 여기에 있다.

Vals AI가 공개한 당시 결과를 보면 Vals Index에서 66.1점을 받아 오픈 웨이트 모델 중 2위, 전체 43개 모델 중 10위에 올랐다. 실행 조건과 비용 기록에서 클로드 Opus 4.7과 같은 66.1점이면서 평가당 비용은 각각 2.68달러와 6.17달러였다. Vals는 temperature 0.7과 기본 top-p·top-k를 사용했다. 이 비용은 해당 평가의 과제 비용이며, API 토큰 단가나 모든 업무의 비용을 뜻하지 않는다. SWE-bench에서는 87.3%를 기록해 GPT-5.5(82.6%)와 GLM-5.2(83.3%)를 앞섰지만 Opus 4.8(89.2%)에는 살짝 못 미쳤다. Vals가 기록한 전작 점수가 57.5점이었던 걸 감안하면 2.5개월 만에 8.6점을 끌어올린 셈이다.

Arena의 당시 Frontend Code 발표에서는 1,668 Elo로 전체 4위에 올랐다. 1위 Opus 5(Max)의 1,705점에는 못 미쳤지만 2위 Kimi K3(Max)의 1,676점과는 큰 차이가 없었다. Vision Arena 발표에서는 1,305점으로 2위(Fable 5 High보다 단 13점 낮음)를 기록했다.

알리바바가 내세운 '10일 자율 코딩'의 실체

Qwen 공식 발표는 10일 이상 코딩, 500회 이상 상호작용하는 칩 설계, 365일치 전자상거래 운영 시뮬레이션을 사례로 제시한다. 이는 회사가 구성한 환경에서의 사례이며 독립 재현 결과로 보아서는 안 된다.

Cline은 자체 내부 평가에서 오픈 웨이트 모델의 검증 습관을 살리는 하네스 변경으로 경쟁 하네스보다 약 20% 향상을 관측했다고 밝혔다. Cline 측의 관측이며 Qwen3.8-Max만의 독립 측정 결과는 아니다. 모델을 고를 때는 실행 환경과 도구 설정까지 함께 비교해야 한다.

가격과 접근성: $2/$6, 그리고 예고된 오픈 웨이트

가격 정책도 이번 출시의 핵심 변화 중 하나다. Qwen3.8-Max는 입력 100만 토큰당 2달러, 출력 100만 토큰당 6달러로 책정됐다. 전작인 Qwen3.7-Max의 2.50달러/7.50달러보다 확실히 낮아진 가격이다. 캐시된 입력 토큰은 100만 토큰당 0.25달러로 신규 입력 대비 8배 저렴하다. 반복적으로 같은 코드베이스나 도구 실행 기록을 참조하는 에이전트 워크로드에서는 이 캐시 요금이 실질적인 비용 절감으로 이어질 수 있다.

가장 큰 화제는 따로 있다. 알리바바는 공식 발표에서 "다음 주 안에 Qwen3.8-Max의 오픈 웨이트를 공개하고, 소형 버전인 Qwen3.8-27B도 함께 오픈 웨이트로 내놓겠다"고 못박았다. 지금까지 알리바바의 'Max'급 최상위 모델은 항상 API 전용으로 유지돼왔고, 오픈 웨이트는 별도의 하위 라인(Qwen3.6 등)이 담당해왔다. 최상위 플래그십을 오픈 웨이트로 전환하겠다는 이번 선언은 그 자체로 전략적 방향 전환이다.

오픈 웨이트 예고만으로 지역별 사용 허용이나 상업적 배포 권한까지 판단할 수는 없다. 실제 공개된 버전의 라이선스 전문과 제공 조건을 확인하는 것이 먼저다.

'오픈'이라는 말의 함정: 2.4조 파라미터를 실제로 돌리려면

오픈 웨이트가 공개돼도 곧바로 노트북에서 실행할 수 있다는 뜻은 아니다. 모델 가중치와 KV 캐시, 정밀도, 병렬화 방식에 따라 메모리 요구량이 달라진다. 활성 파라미터 수가 작더라도 전체 가중치를 저장·배치하는 비용은 따로 확인해야 한다. 구체적인 장비 수는 공식 모델 카드와 실제 배포 조건 없이 단정하지 않는다.

이 관점에서 보면 이번 발표에서 실질적으로 더 중요한 건 플래그십인 Qwen3.8-Max가 아니라 함께 예고된 Qwen3.8-27B라는 시각이 많다. 270억 파라미터급이라면 일반적인 온프레미스 GPU 서버로도 충분히 감당할 수 있는 규모이기 때문이다. 2.4조 파라미터 플래그십이 벤치마크 순위와 생태계 영향력을 위한 '얼굴마담' 역할을 한다면, 실제 채택은 27B 쪽에서 훨씬 폭넓게 이뤄질 가능성이 크다는 관측이다.

비교할 때 남겨야 할 기록

출시 발표, 외부 평가, 실제 배포는 각각 답하는 질문이 다르다. 발표 자료는 회사가 제시한 기능과 조건을, Vals와 Arena는 각 평가 환경에서의 결과를 보여준다. 자신의 저장소나 업무에서 성공하는지는 별도 테스트가 필요하다. 모델 버전·하네스·시간 제한·토큰 비용을 함께 기록해야 다음 모델과도 같은 기준으로 비교할 수 있다.

정리하며

결국 이번 발표를 한 줄로 요약하면 **"수치는 인상적이지만 아직 검증이 끝나지 않은 오픈 웨이트 약속"**이다. 가격 인하와 향상된 벤치마크는 실제 수치로 확인됐고, Vals AI 같은 독립 기관의 검증도 나쁘지 않은 결과를 보여준다. 하지만 알리바바 자체 벤치마크와 제3자 측정치 사이의 격차, 실제 공개본의 라이선스 조건, 그리고 "다음 주"로 예고된 오픈 웨이트가 실제로 언제 어떤 조건으로 풀릴지는 여전히 지켜봐야 할 변수다.

개발자 입장에서 지금 당장 할 수 있는 일은 명확하다. API는 이미 열려 있으니 OpenAI 호환 엔드포인트로 바로 테스트해볼 수 있고, 자체 배포를 고려한다면 오픈 웨이트가 실제로 올라오는 시점과 라이선스 조항부터 확인하는 게 순서다. 대형 플래그십의 화려한 사례보다, 실제로 손에 넣게 될 27B 모델의 성능이 이번 출시의 진짜 승부처가 될 가능성이 높다.

---

위 순위와 가격은 2026년 8월 출시 당시 발표·평가 기록이다. 9월 7일 수정에서는 출처와 평가 조건을 보강했으며 현재 순위나 가격으로 갱신한 것이 아니다.