Alibaba는 8월 3일, Qwen 제품군 중 현재까지 가장 큰 모델로 Qwen3.8-Max를 출시했습니다. 공식 발표에 따르면 이 모델은 2.4T 파라미터의 전문가 혼합 (Mixture-of-Experts, MoE) 모델로, 활성 파라미터는 약 95B이며, 멀티모달 (Multimodal) 입력을 지원하고 QwenCloud를 통해 사용할 수 있습니다. Alibaba는 또한 다음 주에 오픈 웨이트 (Open weights)를 공개할 계획이라고 밝혔습니다.

공식 발표

주요 수치들은 흥미롭지만, 그것이 개발자 관점의 이야기 전부를 담고 있지는 않습니다. 모델이 매우 큰 컨텍스트 윈도우 (Context window)와 강력한 코딩 데모를 가지고 있더라도, 도구 레이어 (Tool layer), 상태 관리 (State handling), 권한 (Permissions) 또는 복구 루프 (Recovery loop)가 취약하다면 에이전트 (Agent)는 여전히 실패할 수 있습니다.

Alibaba가 주장하는 내용

Qwen은 이슈 접수, 배정, 코드 생성, 테스트 및 자가 수리 (Self-repair)를 통해 oh-my-cli 프로젝트를 구축하고 발전시킨 10일 이상의 자율 코딩 실행 결과를 보고했습니다. 또한 코딩, 연구, 업무 및 멀티모달 작업에 걸친 벤치마크 (Benchmark) 결과와 예시를 공개했습니다. 이것들은 **공급업체가 보고한 결과 (Vendor-reported results)**입니다. 이는 Qwen 팀이 시연하기로 선택한 것을 보여주는 것이지, 코딩 에이전트 신뢰성에 대한 독립적인 비교가 아닙니다.

공식 릴리스는 또한 조정 가능한 추론 노력 (Reasoning_effort) 설정인 low, medium, xhigh를 지원합니다. 이는 비용과 지연 시간 (Latency)이 모델 품질뿐만 아니라 평가의 영역에 포함됨을 의미합니다.

신뢰하기 전에 내가 실행해 볼 테스트

Qwen3.8-Max가 더 나은지 묻는 대신, 고정된 예산 내에서 동일한 하네스 (Harness)를 통해 동일한 리포지토리 (Repository) 작업을 실행해 보십시오:

1. 익숙하지 않은 리포지토리에서 작은 이슈를 부여합니다.
2. 초기 계획, 도구 호출 (Tool calls), 수정된 파일, 테스트 명령, 실패 및 최종 디프 (Diff)를 기록합니다.
3. 명령 실패 후 작업을 중단하고 저장된 상태에서 재개합니다.
4. low, medium, xhigh 추론 노력 설정으로 반복합니다.
5. 알려진 잘못된 권한 테스트와 알려진 올바른 쓰기 테스트를 실행합니다.
6. 입출력 토큰 (Input/output tokens), 실제 소요 시간 (Wall-clock time), 도구 오류, 재시도, 인간의 개입을 기록합니다.

최소한의 결과 기록은 다음과 같을 수 있습니다:

{
  "model": "qwen3.8-max",
  "reasoning_effort": "medium",
...

빈 필드(null fields)는 제공자(provider)나 하네스(harness)가 신뢰할 수 있는 사용 데이터를 공개할 때까지 의도적으로 비워둔 것입니다. 이 필드들을 추정치로 채우는 것은 비교 결과가 실제보다 더 정밀해 보이게 만들 수 있습니다.

개발자가 주목해야 할 점

95B의 활성 파라미터(active-parameter) 수치는 에이전트 실행의 총비용을 알려주지 않습니다. 컨텍스트 길이(Context length), 도구 호출(tool-call) 횟수, 재시도(retries), 출력 길이(output length), 제공자 지연 시간(provider latency), 그리고 실패한 복구 시도 등이 비용의 대부분을 차지할 수 있습니다. 1M 토큰의 컨텍스트 윈도우(context window)가 있다고 해서 이전의 모든 도구 결과를 영구적으로 보관해야 하는 것도 아닙니다. 지속 가능한 상태(Durable state), 요약(summaries), 체크포인트(checkpoints), 그리고 명시적인 재생 경계(explicit replay boundaries)는 여전히 중요합니다.

오픈 웨이트(open-weight) 발표는 헤드라인에 나오는 파라미터 수보다 잠재적으로 더 중요하지만, 실질적인 질문은 실제로 무엇이 출시되는지, 어떤 라이선스(license) 하에 제공되는지, 그리고 어떤 하드웨어 및 서빙(serving) 요구사항을 갖는지입니다. 웨이트(weights)와 라이선스가 공개될 때까지 로컬 배포(local deployment)에 대한 주장은 잠정적인 것으로 간주해야 합니다.

나의 결론: Qwen3.8-Max는 지금 바로 API를 통해 테스트해 볼 가치가 있지만, 흥미로운 엔지니어링 작업은 출시 벤치마크 표를 그대로 복사하는 것이 아닙니다. 그것은 저장소(repository)가 생소하고, 도구가 실패하며, 권한이 제한적이고, 에이전트가 권한을 조용히 확장하지 않으면서 스스로 복구해야 할 때도 모델이 유용하게 유지되는지를 측정하는 것입니다.

만약 테스트를 수행한다면, 사용한 하네스(harness), 실패 사례, 정확한 설정, 그리고 비용 회계(cost accounting)를 공개하십시오. 모델 데모는 단 한 번 일어난 일을 우리에게 보여줄 뿐입니다. 재현 가능한 에이전트 테스트는 다음에 무엇을 기대할 수 있는지를 우리에게 알려줍니다.

출처:

• Qwen3.8-Max 공식 발표
• Alibaba Cloud 출시 세부 정보
• QwenCloud 모델/API 페이지