다음 주 Qwen3.8-27B 오픈 웨이트도 공개한다고 발표함. Qwen3.6-27B는 벤치마크에만 과도하게 맞추지 않은 로컬 모델 중 훨씬 큰 모델을 제외하면 대적할 모델이 거의 없어 최고 수준으로 평가받는데, 3.8이 실제로 개선됐다면 상당히 기대됨

Qwen3.6-35B를 매일 사용하며, 지난 4월 Claude 구독을 취소하게 만든 모델이기도 함. 여러 로컬 모델을 써봤지만 Qwen3.6 계열이 단연 최고였고, 지금도 노트북에서 F# 코드의 버그를 검토하고 수정하는 중임

미세조정한 Qwen3.6-27B 배포판을 여전히 성공적으로 사용 중이지만 지능이 조금 더 높아질 필요가 있어 기다리던 소식임

로컬 모델 중 Qwen3.6-27B가 가장 균형 잡힌 선택이었고, Pi 하네스와 함께 사용했을 때도 결과가 좋았기에 기대됨

훈련이 잘됐고 컴퓨터 사용까지 가능하다면 새로운 시대가 열릴 수도 있음. 회사가 PC에 Qwen3.8-27B를 설치하고 직원을 없앨지도 모른다는 농담이 나올 정도임

오늘 공개했다는 설명이 이해되지 않음. 7월 19일 발표에서는 Qwen3.8 출시와 오픈 웨이트 전환을 예고하면서 Qwen3.8-Max-Preview를 Alibaba Token Plan, Qoder, QoderWork에서 바로 시험할 수 있다고 했음
당시 이 모델로 펠리컨도 그려봤는데, 그렇다면 오늘 새로 공개하는 것이 무엇인지 궁금함

7월 19일에는 Max-Preview였고 오늘 발표에서는 Preview가 빠졌음. 무엇이 달라졌는지는 불분명하지만, 제공 범위가 넓어졌거나 체크포인트가 조금 개선됐을 수 있음

Preview 모델은 보통 강화학습 중간 단계의 체크포인트이고, 훈련 결과에 만족했을 때 정식 공개하는 것으로 이해함. Preview 발표 당시 성능을 더 개선하겠다고 했으니 추가 훈련이 이어졌을 가능성이 큼

다른 설명대로 2주 전 것은 Qwen3.8-Max-Preview였고, 이번에는 정식 Qwen3.8-Max임. 새 모델로 펠리컨을 다시 생성해보니 11분이 걸렸고 바퀴를 빼먹었지만, 물고기가 삐져나온 바구니를 손잡이에 달면 매력과 펠리컨다운 맥락이 더해진다는 추론 과정은 훌륭했음
입출력 가격이 각각 100만 토큰당 $2/$6라면 비용은 약 17센트였음

오픈 웨이트 모델 금지가 가능했던 시기가 빠르게 끝나가는 듯함. 미국 정부가 그 기회를 놓쳐 새 법을 위반하지 않으면서도 적어도 일부 측면에서 Fable급 모델을 장기적인 로컬 기준선으로 사용할 수 있기를 바람

미국 정부가 실제로 이를 막기 위해 무엇을 할 수 있는지 의문임

OpenAI와 Anthropic이 상장하면 이런 발표가 나올 때마다 확실한 매도 신호가 될 것임

한두 번은 주가가 내려가겠지만 이후 시장이 무뎌지면 무시할 가능성이 큼

OpenAI나 Anthropic에 유리한 강력한 논거가 잘 보이지 않음. 오픈 모델은 이미 필요한 작업을 처리할 만큼 좋아졌고 앞으로 더 개선될 여지도 큼
효율까지 높아져 약 700억 매개변수 모델이 요구를 충족한다면 타사 추론 서비스에 비용을 낼 이유가 완전히 사라짐. 지난해 같은 시기의 오픈 모델 수준과 비교하면 전혀 비현실적이지 않은데, 무엇을 놓치고 있는지 궁금함

MiniMax M3 Pro, DeepSeek-v4-Pro 정식판, GLM5.5까지 예정돼 있어 OpenAI와 Anthropic이 여전히 상장할 수 있을지 의문임. 앞으로 몇 주에서 몇 달간 악재만 이어질 수도 있음

이런 발표가 미국 기업을 자국 모델에 묶고 중국 AI 사용을 금지하는 규제 포획에 가까워지도록 돕는다면 단순한 악재로만 볼 수 없음

미국 AI 연구소들이 종말론과 공포 전략을 쓰는 방식은 불쾌함. Altman과 Dario는 AI가 노동자를 대체할 것이며 국가안보를 위해 거대 언어 모델을 규제해야 한다고 계속 말하지만, 에이전트형 코딩에서 유용하다는 사실과 모든 일자리를 대체한다는 주장은 전혀 다름
외국 모델을 금지하도록 미국 정부를 압박하는 것도 이상함. 거대 언어 모델은 인터넷에 견줄 만큼 유용하므로 더 저렴하고 접근하기 쉬워지는 것이 모두에게 이로움
중국이 거대 언어 모델의 범용재화화 가능성을 보여준 상황에서 Anthropic과 OpenAI의 공포 조장은 미국 시장을 자국 모델로 독점해 이익을 지키려는 시도로 보임. 미국 연구소들은 더 저렴한 모델이나 더 나은 실행 도구를 만들어야 하며, Altman과 Dario는 신뢰하기 어려움

여기서 진짜 소식은 Qwen3.8-27B임

이제 cowork도 업계 전반에서 쓰는 용어인지 궁금함. programming이 coding으로 대체되는 데도 이제 막 익숙해지던 참임

코딩과 무관한 지식을 제거해 모델을 훨씬 가볍게 만들 수 있는지 궁금함. 교수에게 전문 분야가 있듯 AI 모델도 전문화할 수 있지 않을까 싶음

가능은 하지만 성능을 망가뜨리지 않는 것이 관건임. 무관해 보이는 다양한 지식이 실제로는 코딩 성능을 높여주는 경우가 많음

요구사항을 영어든 우르두어든 입력하면 코드를 작성해주는 것이 핵심인데, 코드 작성 외의 능력을 모두 잘라내면 사실상 필요한 능력도 전부 제거하게 됨

가능했다면 이미 전문화 모델이 널리 나왔을 것임. 사람이 만든 의미 있는 데이터는 거의 모두 모델의 전반적 역량을 향상하는 것으로 보임

제거할 수는 있겠지만 쓸모가 크게 줄어들 것임. 모델의 강점은 상황을 이해하고 명시되지 않은 내용을 추론하는 데 있으며, 코드 작성 속도뿐 아니라 데이터 구조와 목적까지 파악해 시간을 절약해줌
범용 모델은 코드베이스의 테이블과 데이터 사이에서 선언되지 않은 논리적 관계도 찾고, 급여는 SalariesTable.php에 표시해야 하거나 가격에 부가가치세를 포함해야 한다는 사실까지 추론함. 사람과 완전한 모델은 부가가치세와 가격의 관계를 알지만 지식을 제거한 모델은 모르게 됨

Qwen을 Fusion 360 MCP 서버와 함께 사용해본 사람이 있는지 궁금함. Python으로 도형을 그리는 것도 비슷해 보이지만 실제 결과가 궁금함

비용 관련 내용은 reasoning_effort로 추론 깊이와 비용을 조절할 수 있다는 부분뿐인 듯함. xhigh는 복잡한 작업을 위한 기본값이고, medium은 정확도와 속도의 균형, low는 속도와 비용을 최적화함
거의 무료에 가까운 DeepSeek의 사용료가 만족스러워 하루 몇 센트 수준에서 갈아타려면 Qwen이 상당히 저렴해야 함

공식 게시물에 가격이 명시돼 있음. 입력은 100만 토큰당 $2, 출력은 $6, 암묵적 캐싱은 $0.25임