포스트

Qwen3.8-Max 2.4조 파라미터 MoE: 95B 활성 구조와 오픈 웨이트 계획

Qwen3.8-Max를 검토할 때는 2.4조라는 전체 파라미터보다 요청당 활성화되는 950억 파라미터, 실제 API 비용, 장기 작업의 실패 복구 방식을 함께 봐야 합니다. 100만 토큰 문맥은 많은 자료를 넣을 수 있다는 상한이지, 모든 내용을 같은 정확도로 기억하거나 코드베이스 전체를 무인 운영할 수 있다는 보장은 아닙니다. 오픈 웨이트 역시 발표 당시 계획이었으므로 실제 배포와 라이선스를 확인하기 전에는 자체 호스팅을 확정하면 안 됩니다.

flowchart TD
    A[알리바바 Qwen3.8-Max 공식 출시] --> B[2.4조 파라미터 MoE 구조]
    B --> C[추론 시 95B 활성 파라미터 사용]
    A --> D[장기 자율 코딩 및 소프트웨어 작업]
    D --> E[사람 개입 없이 며칠간 연속 실행]
    A --> F[다음 주 오픈 웨이트 공개 예정]
    F --> G[Qwen3.8-Max & Qwen3.8-27B]
    A --> H[Model Studio API 제공]
    H --> I[입력 $2 / 출력 $6 per 1M 토큰]

위 다이어그램은 발표에 포함된 모델 구조, API와 오픈 웨이트 계획을 구분해 보여줍니다.

무슨 일이 벌어진 걸까?

알리바바가 2026년 8월 3일 2.4조 파라미터 규모의 초거대 AI 모델인 Qwen3.8-Max를 정식으로 세상에 내놓았습니다 [1].

Qwen3.8-Max의 전체 파라미터는 2조 4,000억 개이며, 연산을 수행할 때 필요한 전문가를 고르는 Mixture-of-Experts(MoE) 방식을 채택했습니다 [1]. 실제 추론 과정에서는 전체의 일부인 950억 개(95B)의 활성 파라미터가 작동한다고 설명됐습니다 [3]. 이는 토큰마다 모든 파라미터를 계산하지 않는다는 뜻이지만, 전체 가중치의 저장과 분산 실행 부담까지 95B 밀집 모델과 같아진다는 뜻은 아닙니다.

100만 토큰(1-million-token)의 컨텍스트 윈도우를 지원하며, 텍스트뿐만 아니라 이미지와 비디오 입력을 처리할 수 있는 멀티모달 모델로 소개됐습니다 [2]. 실제로 긴 문맥을 모두 채우면 입력 비용과 지연 시간도 늘고, 중요한 지시가 긴 자료 사이에 묻힐 수 있으므로 상한과 유효 활용량을 구분해야 합니다.

입력 데이터가 들어오면 100만 토큰 대용량 메모리를 거쳐 MoE 시스템이 연산을 최적화하는 흐름을 보여줍니다.

며칠간 자율 코딩했다는 주장을 어떻게 검증할까?

발표에서 특히 강조된 항목은 ‘장기 자율 코딩’ 능력입니다.

알리바바의 내부 테스트와 시연에서는 사람이 중간에 수정하지 않은 채 며칠 동안 소프트웨어 엔지니어링 과제를 이어간 결과가 소개됐습니다 [1]. 그러나 실행 시간이 길다는 사실만으로 결과가 정확하거나 비용 효율적이라고 판단할 수는 없습니다. 같은 테스트를 반복했을 때의 성공률, 잘못 변경한 파일 수, 되돌림과 재시도 횟수, 최종 테스트 통과 여부를 함께 확인해야 합니다.

장기 작업에서는 모델 성능 외에도 실행 장치가 중요합니다. 체크포인트 없이 며칠간 진행하면 한 번의 오류나 만료된 세션으로 앞선 작업을 잃을 수 있고, 넓은 셸 권한을 주면 잘못된 명령의 피해가 커집니다. 작업을 작은 단계로 나누고 각 단계의 변경 내역과 테스트 결과를 저장하며, 비용, 시간, 파일 변경 범위에 상한을 두어야 발표의 시연을 운영 가능한 워크플로로 바꿀 수 있습니다.

sequenceDiagram
    autonumber
    participant Dev as 개발자 / 시스템
    participant Qwen as Qwen3.8-Max
    participant Code as 코드베이스 / 테스트 환경
    Dev->>Qwen: 장기 프롬프트 및 소프트웨어 과제 전달
    loop 며칠간 인간 개입 없는 무인 자율 수행
        Qwen->>Code: 코드 작성 및 수정
        Code-->>Qwen: 테스트 실행 및 결과 반환
        Qwen->>Qwen: 오류 분석 및 차세대 작업 자율 계획
    end
    Qwen-->>Dev: 최종 완결된 소프트웨어 엔지니어링 결과 전달

사람의 개입 없이 AI가 주도적으로 코드를 수정하고 테스트를 반복하는 루프가 핵심입니다.

알리바바 클라우드 Model Studio의 Qwen3.8-Max API 가격은 입력 100만 토큰당 2달러($2), 출력 100만 토큰당 6달러($6)로 소개됐습니다 [3]. 100만 토큰을 모두 입력하는 호출이라면 표시 단가만으로도 입력 비용이 2달러이므로, 긴 문맥을 반복해서 보내는 에이전트는 호출 횟수와 출력량까지 포함해 예산을 잡아야 합니다.

{
  "type": "bar",
  "data": {
    "labels": ["입력 토큰 (1M당)", "출력 토큰 (1M당)"],
    "datasets": [
      {
        "label": "Qwen3.8-Max API 가격 (USD)",
        "data": [2, 6]
      }
    ]
  },
  "options": {
    "plugins": {
      "title": {
        "display": true,
        "text": "Qwen3.8-Max Model Studio API 이용 비용 ($)"
      }
    }
  }
}

차트는 발표 시점의 입력 및 출력 토큰 표시 단가를 보여줍니다.

API와 자체 호스팅 중 무엇을 선택할까?

Model Studio API는 인프라를 먼저 마련하지 않고 Qwen3.8-Max의 긴 문맥과 도구 사용을 시험하는 경로입니다 [3]. 대규모 코드베이스나 여러 문서를 입력 후보로 삼을 수 있지만, 전부 한 번에 넣기보다 검색으로 필요한 부분을 고른 방식과 품질, 비용을 비교하는 것이 좋습니다 [1].

발표 당시 알리바바는 Qwen3.8-Max와 270억 파라미터 Qwen3.8-27B의 오픈 웨이트를 다음 주에 공개할 계획이라고 밝혔습니다 [1]. 계획과 실제 배포는 구분해야 하며, 자체 서버 도입 여부는 파일 공개와 라이선스, 지원 엔진을 확인한 뒤 판단해야 합니다.

구 분Qwen3.8-MaxQwen3.8-27B
전체 파라미터2조 4,000억 개 (2.4T MoE)270억 개 (27B)
활성 파라미터950억 개 (95B)미공개 (단일/MoE 여부 미확인)
컨텍스트 윈도우100만 토큰 (1M)미공개
오픈 웨이트 공개다음 주 예정다음 주 예정
API 가격입력 $2 / 출력 $6 (1M 토큰 기준)Model Studio 사양 확인 필요

직접 써보거나 지켜볼 포인트

당장 사용할 수 있는 옵션과 다음 주 오픈 웨이트 공개 이후 선택지를 전략적으로 구분할 필요가 있습니다.

발표 시점에는 알리바바 클라우드 Model Studio에서 Qwen3.8-Max API를 호출할 수 있다고 안내됐습니다 [3]. 긴 비디오 분석이나 프로젝트 코드 리팩터링을 시험한다면, 정답이 알려진 작은 자료로 시작해 입력 길이를 늘리면서 누락과 비용이 어떻게 변하는지 확인하는 편이 안전합니다.

flowchart TD
    A[기업 / 개발자의 선택] --> B{자체 인프라 보유 여부}
    B -- 클라우드 API 선호 --> C[Alibaba Cloud Model Studio 활용]
    C --> D[입력 $2/1M, 출력 $6/1M 로 즉시 연동]
    B -- 온프레미스 / 보안 선호 --> E[다음 주 오픈 웨이트 가중치 다운로드]
    E --> F[Qwen3.8-Max 2.4T 대형 구축]
    E --> G[Qwen3.8-27B 경량화 서빙]

기업의 인프라 조건과 보안 요구사항에 따른 최적의 도입 경로입니다.

자체 구축을 고려하는 연구소나 기업은 실제 오픈 웨이트 저장소와 라이선스가 공개됐는지부터 확인해야 합니다. 가중치를 받을 수 있다는 사실만으로 현재 추론 엔진에서 바로 실행되거나 자체 데이터 학습이 허용된다고 볼 수 없으며, 모델별 하드웨어와 소프트웨어 지원 조건을 따로 검증해야 합니다 [1].

API 시험에서는 긴 문맥과 장기 실행을 한꺼번에 켜기보다 변수를 나눠야 합니다. 먼저 짧은 코드 작업의 정확성과 도구 호출 형식을 확인하고, 같은 과제에서 입력 길이만 늘린 뒤, 마지막으로 체크포인트를 둔 장기 작업을 평가합니다. 이렇게 해야 오류가 모델의 기본 추론, 문맥 검색, 에이전트 실행기 중 어디에서 생겼는지 구분할 수 있고 표시 단가와 실제 완료 작업당 비용도 연결할 수 있습니다.

실패한 실행도 결과에서 빼지 않아야 합니다. 성공한 한 번의 비용만 보고하면 재시도와 사람이 되돌린 변경이 사라져 장기 에이전트의 실제 효율을 과대평가하게 됩니다.

아직은 선을 그어야 할 부분

기술적 성과와 별개로, 실제 현장 도입 시 냉정하게 따져봐야 할 확인되지 않은 사실과 제한 요소가 있습니다.

첫째, 알리바바는 발표 당시 다음 주 오픈 웨이트 공개를 예고했지만 정확한 배포 일자와 라이선스 조건은 명시하지 않았습니다 [1]. 상업 이용과 재배포 조건은 가중치 저장소의 실제 라이선스를 확인해야 합니다.

둘째, 2.4조 파라미터 오픈 웨이트가 배포되더라도 자체 구동 비용은 별개의 문제입니다. 추론 시 950억 개가 활성화된다는 설명만으로 저장, 메모리, 장치 간 통신 요구를 계산할 수 없으며, 정밀도와 양자화, 추론 엔진에 따라 필요한 구성이 달라집니다. 공식 하드웨어 지침과 작은 벤치마크 없이 운영 규모를 추정해서는 안 됩니다.

원문과 버전 확인

함께 읽으면 이해가 이어지는 글

자주 묻는 질문

Qwen3.8-Max의 파라미터 규모와 활성 파라미터는 각각 얼마인가요?

Qwen3.8-Max는 전체 2조 4,000억 개(2.4T)의 파라미터로 구성된 MoE 모델이며, 실제 추론 연산 시에는 950억 개(95B)의 활성 파라미터만 작동합니다.

Qwen3.8-Max API의 이용 가격은 어떻게 되나요?

알리바바 클라우드 Model Studio 기준으로 입력 토큰 100만 개당 2달러($2), 출력 토큰 100만 개당 6달러($6)에 제공됩니다.

Qwen3.8-Max 모델 가중치(오픈 웨이트)를 직접 다운로드할 수 있나요?

발표 당시 알리바바는 Qwen3.8-Max와 Qwen3.8-27B의 오픈 웨이트를 다음 주에 공개할 계획이라고 밝혔습니다. 다만 이 글의 근거 범위에는 실제 배포 완료 여부와 라이선스 조건이 포함되지 않으므로 저장소에서 다시 확인해야 합니다.

직접 확인한 원문

  1. Alibaba Cloud Community — Qwen3.8-Max: A New Bar for Coding and Cowork (2026-08-03)
  2. South China Morning Post — Alibaba's AI model Qwen3.8-Max widely accessible ahead of open-weights release (2026-08-03)
  3. VentureBeat — Qwen3.8-Max arrives with a bold claim: it outperforms GPT-5.6 Sol Max and Fable 5 on agentic computer use (2026-08-03)

이 글은 위 원문을 직접 확인해 작성했습니다. 가격, 기능 범위, 지역별 제공 여부는 게시 후 바뀔 수 있으니 실제 도입 전 공식 문서를 다시 확인하세요.

THE END / OPSOAI

여기까지 읽었습니다

핵심 장면을 한 번 더 떠올려 보세요. 이해가 남았다면 이 책은 제 역할을 다했습니다.

다른 책 고르기
표지 1 —

←→ 키와 좌우 스와이프를 지원합니다. 읽던 페이지는 이 기기에 저장됩니다.

CONTENTS

이 책의 목차

    9개 장 18 분읽는 시간