알리바바, 2.4조 매개변수 초거대모델 '퀜3.8-맥스' 정식 공개...다음 주 오픈웨이트 배포 예고, 코딩·멀티모달 성능 앞세워 프런티어 시장 정조준

[한국정보기술신문] 중국 알리바바의 인공지능 연구조직 퀜(Qwen)팀이 매개변수 2조4000억 개 규모의 초거대 언어모델 '퀜3.8-맥스(Qwen3.8-Max)'를 8월 3일 정식 공개했다. 지난 7월 19일 상하이에서 열린 세계인공지능대회(WAIC)에서 프리뷰 형태로 처음 선보인 지 약 보름 만이다. 알리바바는 공식 블로그를 통해 이번 모델을 "현재 이용 가능한 가장 강력한 모델 중 하나이며, 앤스로픽의 파블 5(Fable 5)에 이어 두 번째"라고 소개했다.

퀜3.8-맥스는 전문가 혼합(MoE·Mixture-of-Experts) 구조를 채택한 모델이다. MoE는 모델 전체를 매번 사용하지 않고, 입력에 맞는 일부 전문가 신경망만 골라 작동시키는 방식이다. 전체 매개변수는 2조4000억 개에 이르지만, 실제 추론 과정에서 작동하는 매개변수는 약 950억 개 수준이라고 알리바바는 밝혔다. 알리바바는 이러한 구조가 추론 효율을 높이면서 코딩, 추론, 멀티모달 작업을 함께 지원하기 위한 것이라고 설명했다.

이 모델은 텍스트뿐 아니라 이미지와 영상을 입력받아 텍스트로 답변한다. 알리바바는 △저장소 규모의 코딩 작업 △장문 문서 기반 지식 검색 △장시간 영상 색인 △구조화된 데이터 추출 △다단계 연구 보조 등을 주요 활용 분야로 제시했다. 소프트웨어 개발, 법률·금융 문서 검토, 미디어·전자상거래 운영, 디자인 등 네 개 산업을 겨냥한다는 것이 회사 측 설명이다.

기술 사양을 보면 퀜3.8-맥스는 최대 100만 토큰 규모의 문맥을 처리한다. 최대 입력은 99만1000 토큰이며, 추론 기능을 켜면 98만3000 토큰으로 줄어든다. 최대 출력은 두 경우 모두 13만1000 토큰, 최대 추론 예산은 26만2000 토큰이다. 분당 처리 한도는 200만 토큰, 1만5000건의 요청이다.

이용 가격은 입력 100만 토큰당 2달러, 출력 100만 토큰당 6달러다. 캐시된 입력을 다시 읽을 경우 100만 토큰당 0.25달러로, 새 입력보다 8배가량 저렴하다. 함수 호출, 구조화된 출력, 미세조정(파인튜닝) 등을 지원하며, 코드 실행과 웹 검색 등 5종의 내장 도구도 함께 제공된다. 응용프로그램인터페이스(API)는 오픈AI 및 알리바바 대시스코프(DashScope)와 호환돼, 주소와 모델명만 바꾸면 기존 시스템에 연동할 수 있다.

알리바바는 이번 공개와 함께 자체 성능 평가표를 내놨다. 터미널벤치 2.1에서 퀜3.8-맥스는 86.6점을 기록해, 각각 84.6점을 받은 클로드 오퍼스 4.8 및 클로드 파블 5를 앞섰다. 다만 88.8점을 받은 GPT-5.6 솔(Sol)에는 뒤졌다. 페이퍼벤치(93.0점)와 IF벤치(82.8점)에서는 선두를 기록했고, GPQA 다이아몬드는 92.6점으로 이전 모델인 퀜3.7-맥스(92.4점)보다 소폭 올랐다.

멀티모달과 에이전트 관련 항목에서 개선 폭이 두드러졌다. 화면 조작 평가인 OS월드-베리파이드는 86.1점, 도면 이해 평가인 파라메트릭 CAD 벤치는 91.5점, 문서 처리 평가인 옴니독벤치 1.5는 92.1점을 기록했다. 반면 소프트웨어 개발 능력을 평가하는 SWE-벤치 프로에서는 67.7점으로 파블 5(80.0점)에 뒤졌고, 프런티어SWE에서도 73.5점으로 파블 5(88.8점)에 미치지 못했다.

알리바바는 퀜3.8-맥스의 가중치(오픈웨이트)를 다음 주 알리바바 클라우드 '모델 스튜디오'를 통해 공개하겠다고 밝혔다. 다만 2조4000억 개 규모의 모델은 여러 대의 데이터센터급 장비가 필요해, 실제 자체 구축이 가능한 것은 일반 GPU 환경에서도 돌릴 수 있는 소형 모델 '퀜3.8-27B'라는 분석이 나온다. 이 27B 모델 역시 오픈웨이트로 함께 공개될 예정이다.

성능 수치를 해석할 때 유의할 점도 있다. 멀티모달 평가표가 이전 세대의 최상위 모델(퀜3.7-맥스)이 아니라 하위 모델(퀜3.7-플러스)과 비교돼, 세대 간 개선 폭이 실제보다 커 보일 수 있다. 또 알리바바가 공개한 강화학습 성능 곡선은 훈련 환경이 약 4000개에 이르렀을 때 0.725로 정점을 찍은 뒤 0.719, 0.689로 하락했다. 이번 성능 수치는 알리바바가 자체적으로 산출한 것으로, 아직 제3자의 독립적인 검증은 이뤄지지 않았다. 파블 5에 이어 두 번째라는 평가 역시 회사 측의 자체 주장이다.