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

알리바바 Qwen팀이 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. 다만 라이선스 조항을 둘러싼 지역 제한 논란도 함께 불거지고 있어, "오픈"이라는 표현을 곧이곧대로 받아들이기는 아직 이르다.

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.

스펙은 이렇다. 2.4조 파라미터의 희소 MoE 구조이며, 텍스트·이미지·비디오를 입력받아 텍스트를 출력한다. 컨텍스트 윈도우는 100만 토큰(추론 모드 활성화 시 입력 한도가 98만 3천 토큰으로 소폭 줄어든다)이고, 최대 출력은 13만 1천 토큰, 추론에 쓸 수 있는 토큰 예산은 최대 26만 2천 토큰이다. 분당 200만 토큰, 분당 1만 5천 건의 요청 처리가 가능하다. 활성 파라미터 수는 알리바바가 공식적으로 밝히지 않았지만, 업계 분석 계정들은 약 950억 개로 추정한다. 맞다면 전체의 4% 정도만 활성화하는 셈인데, 이전 세대인 Qwen3-235B-A22B의 활성화 비율(약 10%)보다 훨씬 희소한 구조다.

추론(thinking) 기능은 항상 켜져 있으며 low·high·xhigh 세 단계로 강도를 조절할 수 있고 xhigh가 기본값이다. API는 OpenAI 스펙과 DashScope, 앤스로픽 스펙까지 함께 지원해 기존에 다른 모델로 짜둔 코드를 베이스 URL과 모델 ID만 바꾸면 그대로 옮길 수 있다.

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

알리바바가 공개한 자체 벤치마크에 따르면 Qwen3.8-Max는 Terminal-Bench 2.1에서 86.6점을 받아 클로드 Opus 4.8·Fable 5의 84.6점을 앞섰고, GPT-5.6 Sol(max)의 88.8점에는 못 미쳤다. PaperBench(93.0)와 IFBench(82.8)에서는 선두를 차지했고, GPQA Diamond는 92.6점으로 전작 대비 소폭 상승했다. 전작인 Qwen3.7-Max와 비교하면 도약폭이 크다. DeepSWE 1.1은 21.6점에서 56.6점으로, FrontierSWE는 40.7점에서 73.5점으로 뛰었다.

문제는 이 수치들을 어디까지 그대로 믿을 수 있느냐다. 독립 평가기관 Vals AI가 자체 측정한 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.

그럼에도 Vals AI의 독립 측정 결과 자체는 나쁘지 않다. Vals Index에서 66.1점을 받아 오픈 웨이트 모델 중 2위, 전체 43개 모델 중 10위에 올랐다. 이는 클로드 Opus 4.7과 정확히 같은 점수(66.1 대 66.1)이면서 테스트당 비용은 2.3배 저렴하다(2.68달러 대 6.17달러). 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. 전작 Qwen3.7-Max의 Vals Index 점수가 57.5점이었던 걸 감안하면 2.5개월 만에 8.6점을 끌어올린 셈이다.

LMArena 순위도 참고할 만하다. Frontend Code Arena에서는 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 Arena에서는 1,305점으로 2위(Fable 5 High보다 단 13점 낮음)를 기록했다.

알리바바가 내세운 '10일 자율 코딩'의 실체

이번 발표에서 알리바바가 가장 힘줘 강조한 대목은 정량 벤치마크가 아니라 장기 자율 작업 사례들이다. 공식 발표 자료에는 스스로 진화하는 코딩 하네스를 처음부터 구축해 10일 넘게 무인 코딩을 수행한 사례, 논문 하나의 파이프라인을 처음부터 재현한 뒤 125시간 동안 반복적으로 연구 루프를 돌려 원 논문의 벤치마크를 2.71점 상회하는 새 데이터 선택 기법을 스스로 고안한 사례, 실리콘 설계 전 과정(RTL 편집→시뮬레이션→합성→물리 레이아웃)을 수행해 암호가속기의 게이트 수를 8,298개에서 678개로, 다이 면적을 81% 줄이면서도 500MHz 타이밍 요구조건을 맞춘 사례 등이 담겼다. 365일치 이커머스 매장 운영을 시뮬레이션한 벤치마크에서는 지속적인 협상과 재고 관리를 통해 4.16배의 수익률을 냈다고도 밝혔다.

인상적인 수치들이지만, 이런 장기 자율 작업 성과를 "모델의 순수 지능"으로만 해석하는 데는 신중해야 한다는 지적도 나온다. 최근 에이전트 업계에서는 장기 자율 수행 능력이 모델 단독이 아니라 모델과 실행 하네스(harness)의 조합에서 나온다는 공감대가 커지고 있다. 실제로 한 에이전트 도구 개발사는 오픈 웨이트 모델들이 검증에 토큰을 더 쓰도록 강화학습된 경향이 있어, 하네스가 이 습성을 살려주기만 해도 별도의 모델 개선 없이 약 20%의 성능 향상을 얻었다고 밝히기도 했다. 이번 발표의 화려한 사례들 역시 Qwen3.8-Max 단독의 능력이라기보다, 알리바바가 함께 설계한 실행 환경과의 결합 성과로 보는 게 더 정확하다.

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.

다만 곧바로 논란도 따라붙었다. 커뮤니티 일부에서는 공개된 라이선스 조항이 미국·EU·영국·한국에서의 사용, 심지어 다운로드 자체를 제한하는 것으로 읽힌다는 문제 제기가 나왔다. 비슷한 시기 공개된 다른 중국 오픈 모델(MiniMax H3)에서도 같은 논란이 있었는데, 그쪽은 이후 "완전 금지가 아니라 별도의 공식 승인 절차가 필요한 것"이라는 해명이 나온 반면 Qwen 쪽은 이 글을 쓰는 시점까지 알리바바의 명확한 해명이 나오지 않은 상태다. "오픈 웨이트"라는 표현과 실제 사용 가능 범위 사이에 간극이 있을 수 있다는 뜻이니, 상업적 배포를 검토하는 기업이라면 라이선스 전문을 직접 확인할 필요가 있다.

'오픈'이라는 말의 함정: 2.4조 파라미터를 실제로 돌리려면

오픈 웨이트가 공개된다 해도 "누구나 노트북에서 돌릴 수 있다"는 뜻은 아니다. 2.4조 파라미터급 MoE 모델은 결코 만만한 로컬 모델이 아니다. 비슷한 체급인 Kimi K3(2.8조 파라미터, 오픈 웨이트)는 가중치를 불러오는 데만 1테라바이트가 넘는 메모리가 필요하고, 최소 8개의 H100·B200급 GPU가 있어야 구동이 가능하며, 개발사인 문샷은 64개 이상의 가속기로 구성된 슈퍼노드급 인프라를 권장한다. Qwen3.8-Max의 활성 파라미터가 상대적으로 적다 해도(약 950억 개로 추정) 이 정도 규모의 모델을 자체 서버에 올리는 건 웬만한 기업의 역량을 넘어서는 일이다.

그래서 업계에서는 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.

왜 지금 이 타이밍인가: 중국발 오픈 웨이트 랠리

이번 출시는 진공 상태에서 나온 게 아니다. 지난해 있었던 이른바 'Qwen 엑소더스'(핵심 인력 이탈) 이후 새 경영진이 오픈소스보다 폐쇄형 API 위주로 방향을 틀면서, 이 팀이 계속 의미 있는 오픈 모델을 낼 수 있을지에 대한 업계의 의구심이 있었다. 이번 Qwen3.8-Max와 27B의 동시 오픈 웨이트 예고는 그 의구심에 대한 알리바바 나름의 답변으로 읽힌다.

배경에는 2026년 여름 내내 이어진 중국 랩들의 초대형 오픈 웨이트 모델 경쟁이 있다. 문샷의 Kimi K3(2.8조 파라미터)가 7월 27일 오픈 웨이트로 먼저 풀렸고, GLM-5.2와 딥시크의 최신 버전들도 비슷한 시기에 잇달아 나왔다. 파라미터 규모만 놓고 보면 Qwen3.8-Max는 Kimi K3에 이어 두 번째로 큰 공개 모델이다. 시장 분석 기관들은 "폐쇄형 최상위 모델에서는 미국 랩들이 여전히 3~9개월가량 앞서지만, 오픈 웨이트 프론티어는 지난 2년간 중국 랩들이 계속 주도해왔다"고 평가한다. 이번 출시를 두고 코딩·디자인 등 일부 영역에서는 그 격차가 눈에 띄게 좁혀지고 있다는 반응이 나오는 이유다. 물론 "Opus 4.8이 사실상 따라잡혔다"는 식의 일부 소셜미디어발 주장은 검증된 평가라기보다 흥분 섞인 해석에 가깝다는 점은 짚고 넘어갈 필요가 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, 아직 명확히 해명되지 않은 라이선스 조항, 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.

---

참고: MarkTechPost, Yotta Labs, Latent.Space(AI News), Alibaba Qwen 공식 X(트위터) 계정 등 종합