Qwen3.8-Max 사양과 가격표 읽는 법

Qwen3.8-Max는 알리바바 Qwen 팀이 2026년 8월 3일 공개한 2조 4천억 파라미터 규모의 MoE(전문가 혼합) 모델입니다. MoE는 전체 파라미터 중 일부만 골라 계산에 참여시키는 구조여서, 모델이 커져도 한 번 답할 때 드는 계산량은 그만큼 늘지 않습니다. 파라미터는 학습으로 정해진 모델 내부의 수치이고, 공식 모델 카드에는 전체 2조 4천억 개 가운데 950억 개가 활성으로 적혀 있습니다. 계산에는 일부만 참여해도 전체 모델을 메모리에 올려야 하므로, 장비 크기는 활성 950억이 아니라 전체 2조 4천억을 기준으로 정합니다.

이번 발표에서 눈에 띄는 부분은 점수보다 알리바바가 성능을 보여 주려고 고른 실험입니다. 알리바바는 질문 하나에 잘 답하는지가 아니라, 사람이 거의 개입하지 않은 채 2주 넘게 프로젝트 하나를 끝까지 이어 가는지를 앞세웠습니다.

벤치마크는 정해진 과제로 모델을 평가하는 시험입니다. 아래는 알리바바가 발표와 함께 낸 벤치마크 차트 16종입니다. 파란색이 Qwen3.8-Max이고, 회색이 비교 대상인 Claude Opus 4.8, Claude Fable 5, Gemini 3.1 Pro, GPT-5.6 Sol입니다. 2026년 9월 2일에는 같은 모델을 추가 학습한 Qwen3.8-Max-0902가 API에 올라왔고, 그 차이는 뒤의 0902 절에서 따로 설명합니다.

Qwen3.8-Max의 사양과 가격

API는 프로그램이 다른 서비스에 요청을 보내고 결과를 받는 방식입니다. Qwen3.8-Max API를 쓰면 알리바바 서버의 모델에 요청을 보내고 사용한 만큼 요금을 냅니다. 공개 가중치는 따로 내려받아 직접 실행하는 모델 파일이며, 이 절의 사양은 API 기준입니다.

토큰은 AI가 글을 나누어 처리하는 단위이며 한국어 한 글자와 정확히 같지 않습니다. 컨텍스트 창은 한 요청에서 입력과 대화, 생성 내용을 합쳐 다룰 수 있는 용량입니다. QwenCloud의 API 제품 페이지에 적힌 핵심 사양은 이렇습니다.

Qwen3.8-Max API의 핵심 사양

• 2.4조전체 파라미터토큰당 활성 950억
• 100만 토큰컨텍스트 창최대 입력 991K
• 131K 토큰최대 출력최대 추론 예산 262K

입력은 텍스트와 이미지, 영상을 받고, 추론 강도는 reasoning_effort 값으로 low, medium, xhigh 가운데 고릅니다. 사고 모드는 답을 내기 전에 추론을 더 거치는 방식입니다. 최대 입력과 최대 출력은 한 요청에서 동시에 다 채울 수 있는 양이 아니고, 최대 추론 예산도 요청마다 다 쓰는 양이 아니라 상한입니다.

100만 토큰당 API 단가

아래 가격은 QwenCloud 모델 페이지의 100만 토큰당 API 단가이며 앱 구독료와 다릅니다. 캐시는 요청 앞부분의 같은 내용을 다시 쓰는 기능으로, 캐시에 적중한 부분에만 낮은 입력 단가가 붙습니다. 명시적 캐시를 쓰면 캐시를 만들 때의 생성 비용도 따로 냅니다.

직전 세대인 Qwen3.7-Max의 정가는 입력 $2.50, 출력 $7.50이었으므로 약 20% 내려갔습니다. 발표 당시 정가로 다른 모델과 출력 단가를 나란히 놓으면 차이가 더 크게 보입니다.

100만 토큰당 출력 단가(발표 당시 정가)

• Qwen3.8-Max6달러입력 2달러
• Kimi K315달러입력 3달러
• GPT-5.6 Sol30달러입력 5달러
• Claude Fable 550달러입력 10달러

출력 기준으로 Qwen3.8-Max는 Fable 5의 약 8분의 1, GPT-5.6 Sol의 5분의 1입니다. OpenAI는 2026년 8월 21일부터 11월 21일까지 Sol을 입력 $4, 출력 $20으로 한시 인하했고, 이 기간에는 Qwen3.8-Max의 출력 단가가 Sol의 약 3분의 1이 됩니다. 세 모델의 특징과 선택 기준은 Kimi K3, Claude Fable 5, GPT-5.6 Sol 비교 글에 정리했습니다.

2026년 9월 2일 업그레이드 Qwen3.8-Max-0902

Qwen3.8-Max-0902는 알리바바가 2026년 9월 2일 API에 올린 업그레이드 스냅샷입니다. 스냅샷은 같은 모델을 특정 날짜 기준으로 저장해 둔 판이고, 이름 뒤의 0902가 그 날짜입니다. QwenCloud 공식 모델 페이지는 별칭 qwen3.8-max-2026-09-02도 함께 적어 두었습니다.

0902는 새 모델이 아니라 같은 2조 4천억 파라미터 모델에 코딩과 협업(Cowork) 작업을 추가 학습한 판입니다. 추가 학습은 이미 만든 모델에 특정 작업 자료를 더 가르치는 일이어서, 규모가 같아도 작업별 성능이 달라집니다.

8월판과 0902판에서 같은 것과 달라진 것

항목	8월판qwen3.8-max	0902판qwen3.8-max-0902
100만 토큰 컨텍스트	제공	제공
사고 모드와 내장 도구	제공	제공
입력 2달러, 출력 6달러	제공	제공
코딩과 협업 에이전트 추가 학습	제공하지 않음	제공
공개 가중치 파일	제공	제공하지 않음

알리바바가 X에 올린 비교표 기준으로 8월판과의 차이는 코딩 쪽에서 큽니다.

터미널 코딩과 프로그램 재현 점수는 8월판의 두세 배로 올랐지만, 대부분의 줄에서 Opus 5가 앞섭니다. 0902가 앞선 항목은 저장소 이해(SWE-Atlas QnA)뿐이고, 장기 에이전트 코딩에서는 차이가 남아 있습니다.

TerminalBench는 버전마다 다른 시험입니다. 뒤의 8월 표에 나오는 TerminalBench 2.1의 86.6과 이 표의 3.0 점수 29.0은 서로 다른 시험의 점수여서 두 숫자를 바로 비교할 수 없습니다.

공식 업그레이드 공지에 따라 9월 5일부터는 기존 이름 qwen3.8-max도 0902판을 가리킵니다. 같은 이름으로 호출해도 9월 5일 전후의 결과는 다른 판에서 나온 것이므로, 비교 기록에는 공급자와 날짜가 붙은 모델 ID, 요청 설정을 함께 남깁니다.

여러 날에 걸친 자율작업 실험 4가지

알리바바가 발표에서 가장 앞에 둔 것은 벤치마크 점수가 아니라 네 건의 실행 기록입니다. 네 건 모두 알리바바가 직접 수행하고 공개했습니다. 첫 번째 코딩 프로젝트에서 모델이 16일 동안 되풀이한 순서는 이렇습니다.

oh-my-cli 16일 동안 되풀이한 작업 순서

1. 11. 피드백 받기사용자와 개발자의
   요청과 불만
2. 22. 이슈로 정리할 일과 문제를
   기록으로 남김
3. 33. 작업 나누기이슈 하나를
   작은 단위로 쪼갬
4. 44. 코드 작성나눈 단위별로
   코드 변경
5. 55. 테스트변경이 기존 기능을
   해치지 않는지
6. 66. 병합통과한 변경을
   저장소에 합침

• 16일간의 코딩 프로젝트: 빈 저장소에서 시작해 oh-my-cli라는 명령줄 도구를 만들었습니다. 약 16일 동안 커밋(코드 변경 기록) 265건, 풀 리퀘스트(변경을 합치자는 제안) 127건, 이슈(할 일과 문제 기록) 151건이 쌓였습니다.
• 논문 재현: 계산에 약 125시간을 쓰면서 코드 7,600줄을 짜고 GPU 훈련 작업 33건을 돌려 논문의 처리 과정을 다시 만들었습니다. 알리바바는 그 결과가 원 논문보다 2.71점 높았다고 발표했습니다.
• 칩 설계 최적화: 암호화 회로를 대상으로 약 500회의 상호작용과 71회의 평가를 거쳐 논리 게이트를 8,298개에서 678개로 줄였습니다. 물리 구현 단계에서는 면적이 81% 줄고, 배선 길이가 33,369마이크로미터에서 4,187마이크로미터로 짧아졌으며, 500MHz에서 타이밍 조건을 맞췄습니다.
• 이커머스 1년 운영 시뮬레이션: 익명화한 타오바오와 티몰 거래 데이터로 만든 가상 소매 운영 환경입니다. 사기 공급업체 152곳과 무작위 공급 충격이 섞인 환경에서 초기 자본 10만 위안으로 시작해 1년 뒤 총자산 416,252위안으로 끝났습니다. 해당 평가 논문은 이 결과를 Qwen3.8-Max-Preview의 것으로 구분하고, 공개 가중치 모델 가운데 가장 높으며 GLM-5.2보다 38% 높다고 설명합니다. 전체 비교에서 총자산이 가장 큰 모델은 GPT-5.6 Sol입니다.

이 밖에 데이터 분석 대회 플랫폼 톈츠에서 24시간 동안 혼자 참가해, 사람이 참가한 526개 팀 가운데 458개 팀보다 높은 성적을 낸 기록도 공개됐습니다.

이커머스의 1년은 가상 환경 안에서 흐른 시간이고, 총자산도 시뮬레이션 안의 숫자입니다. 네 실험이 공통으로 보여 주려는 것은 정답을 한 번 맞히는 능력이 아니라, 중간에 실패한 시도를 스스로 정리하고 방향을 다시 잡아 끝까지 가는 능력입니다.

위 그래프는 알리바바가 함께 공개한 학습 곡선입니다. SFT는 예시 답으로 학습하는 단계이고 RL은 결과에 따른 보상으로 학습하는 강화학습입니다. 가로축은 강화학습에 쓴 훈련 환경의 개수, 세로축은 10개 이상 벤치마크를 묶은 종합 점수입니다. 지도학습만 마친 시점의 0.474에서 시작해 훈련 환경 4,000개에서 0.725로 가장 높았고, 그 뒤로는 0.689로 내려갑니다. 이 실험에서는 환경을 늘린다고 점수가 계속 오르지 않았습니다.

Qwen3.8-Max 벤치마크 수치와 측정 조건

8월 발표에서 주요 항목을 비교 모델과 함께 정리하면 이렇습니다.

결과는 항목마다 다릅니다. 논문 재현(PaperBench)과 컴퓨터 조작(OSWorld-Verified)에서는 비교 대상을 모두 앞섰고, 터미널 작업(TerminalBench 2.1)은 GPT-5.6 Sol이 앞섭니다. 소프트웨어 수정 능력을 보는 SWE-bench Pro와 FrontierSWE에서는 Fable 5와 차이가 큽니다. 가장 많이 앞선 항목과 가장 많이 뒤진 항목을 나란히 놓으면 이렇습니다.

Qwen3.8-Max가 앞선 시험과 뒤진 시험

• PaperBench, Qwen3.8-Max93비교 모델 중 1위
• PaperBench, GPT-5.6 Sol90.5
• SWE-bench Pro, Fable 580비교 모델 중 1위
• SWE-bench Pro, Qwen3.8-Max67.7

측정 방식도 항목마다 다릅니다. 공식 모델 카드에는 자체 측정 점수와 다른 평가에서 공개한 점수를 함께 쓴 항목이 있고, 과제를 수정해 비교 모델을 다시 평가한 항목도 있습니다. 실행 도구와 시간 제한, 반복 횟수는 항목별 각주에서 밝힙니다.

발표 자료에 나온 벤치마크 일부는 알리바바가 만든 것입니다. QwenReactBench, QwenSWEBench, QwenQoderBench처럼 이름에 Qwen이 붙은 항목이 그렇고, 애플리케이션 재현 능력을 보는 RecreationBench도 이번에 함께 소개된 자체 벤치마크입니다.

여러 에이전트 실행 도구에서 고르게 나온 점수

에이전트 실행 도구는 모델에 명령을 전달하고 파일과 터미널을 다루게 해 주는 프로그램입니다. Claude Code, Codex, OpenClaw가 여기에 해당합니다. 아래 막대그래프는 같은 모델을 서로 다른 실행 도구에 붙였을 때 점수가 얼마나 달라지는지 보여 줍니다.

CoWorkBench와 WorkspaceBench는 QwenWork, Claude Code, Codex, OpenClaw, Hermes 다섯 도구를 비교했고, JobBench는 OpenCode까지 여섯 도구를 비교했습니다. 점수 범위는 CoWorkBench 73.2에서 75.8, WorkspaceBench 67.0에서 71.2, JobBench 53.4에서 59.8이었습니다. 직전 세대인 Qwen3.7-Max의 JobBench 점수가 31.3이었으니 많이 올랐습니다.

여러 도구를 오가며 일하는 팀에게는 이 고른 점수가 표의 최고점보다 중요합니다. 다만 그래프에 이름이 나온 도구라도 그 도구에서 Qwen3.8-Max를 바로 고를 수 있는지는 도구마다 다릅니다. 도구의 공급자 연결 목록과 인증, 도구 호출 설정에서 Qwen 연결을 지원하는지부터 봅니다.

Arena 순위: 8월판 4위, 0902판 1위

Arena.ai는 사람이 두 모델의 결과를 나란히 보고 더 나은 쪽에 투표해 만드는 순위표입니다. 점수는 정답률이 아니라 투표 결과로 매긴 등급 점수입니다.

웹 프런트엔드 부문 Arena 순위

• 4위8월판, 프런트엔드 코드1,668점
• 1위0902판, Code Arena WebDev1,691점

Qwen3.8-Max 8월판은 8월 3일 공식 보도자료 기준 이미지 부문 2위, 텍스트 부문 5위, 프런트엔드 코드 부문 4위였습니다. 같은 부문 1위는 1,705점의 Claude Opus 5, 2위는 1,676점의 Kimi K3였습니다.

0902판은 웹 화면을 만드는 Code Arena WebDev 부문에 1,691점으로 1위에 올랐다고 Arena가 직접 발표했습니다. 웹 프런트엔드 작업에 쓸 모델을 찾는 팀이라면 먼저 시험해 볼 근거가 됩니다. Arena 순위는 사람의 투표로, 앞 절의 표는 정해진 과제로 얻은 결과여서 두 자료를 한 점수로 합치지 않습니다.

Qwen3.8-Max 가중치는 받을 수 있나요?

네, 받을 수 있습니다. 가중치는 학습이 끝난 모델 파일 자체이고, 이 파일이 있으면 알리바바 서버를 거치지 않고 내 장비에서 모델을 돌릴 수 있습니다. 허깅페이스의 Qwen 계정에 2026년 8월 8일 Qwen3.8-2.4T-A95B와 FP8판이 올라왔습니다. FP8은 수치를 8비트 부동소수점으로 저장해 파일 크기를 줄인 형식이고, 0902판과는 관계가 없습니다. Qwen 계열 Max급 모델의 가중치가 공개된 것은 이번이 처음입니다.

모델 카드는 이 저장소가 추가 학습을 마친 모델이며 Qwen3.8-Max 서비스의 바탕이라고 설명합니다. 서비스판과 파일의 차이는 이렇습니다.

API 서비스판과 공개 파일의 차이

항목	Qwen3.8-MaxAPI 서비스판	Qwen3.8-2.4T-A95B공개 가중치
기본 컨텍스트	100만 토큰	262,144토큰 설정으로 확장
이미지 입력	제공	–
비사고 모드	제공	–
내장 도구	제공	–
0902 업그레이드	제공	제공하지 않음
라이선스	–	Qwen3.8-Max 별도 라이선스

받기 전에 따져 볼 것은 세 가지입니다.

• 라이선스가 아파치 2.0이 아닙니다. 2.4T-A95B 저장소의 라이선스 항목은 other로 표시돼 있고 Qwen3.8-Max 별도 라이선스가 붙어 있습니다. 이용과 재배포는 허용하지만 고지를 보존해야 하고, 사업 형태와 규모에 따라 추가 조건이 붙습니다. 같은 세대의 Qwen3.8-27B는 8월 5일 아파치 2.0으로 올라왔으므로, 상업적으로 쓰려면 두 저장소의 라이선스 원문을 각각 읽습니다.
• 다운로드 파일은 0902판이 아닙니다. 공식 Qwen 계정의 Qwen3.8 목록에는 2.4T-A95B와 FP8 저장소만 있고 0902 저장소는 없습니다(2026년 10월 4일 기준). 자기 서버에서 돌리는 판과 API로 쓰는 판이 다르므로, 성능을 비교할 때 어느 판인지 적어 둡니다.
• 2조 4천억 파라미터는 일반 노트북에서 돌릴 수 없습니다. 자체 서버에 올리려면 메모리와 실행 방식부터 정해야 합니다. 내 장비에서 돌릴 Qwen 모델이 필요하다면 Qwen3.8-27B가 현실적이고, 맥에서 돌리는 조건은 Qwen3.8-27B 로컬 실행 정리에 있습니다.

한 달 API 비용 계산 예시

가격표의 단가는 100만 토큰 기준이라, 실제 비용은 토큰 수 ÷ 1,000,000 × 단가로 입력과 출력을 따로 구해 더합니다. 예를 들어 긴 문서 묶음을 넣고 보고서를 받는 작업이 한 번에 입력 20만 토큰, 출력 3만 토큰을 쓰고 이 작업을 한 달에 100번 돌린다고 해 보겠습니다. 출력에는 요금이 붙는 사고 토큰도 들어 있고, 도구 요금과 세금, 환율, 캐시는 뺍니다.

같은 방식으로 출력만 6만 토큰으로 늘리면 한 번 0.76달러, 월 76달러입니다. 출력이 두 배가 돼도 입력은 그대로여서 총액은 두 배가 되지 않습니다. 같은 토큰 수에 Fable 5 정가를 넣으면 월 입력 200달러와 출력 150달러로 350달러입니다.

입력 20만 토큰 작업을 월 100회 돌릴 때

• Qwen3.8-Max, 출력 3만58달러
• Qwen3.8-Max, 출력 6만76달러출력 두 배, 총액 1.3배
• Fable 5 정가, 출력 3만350달러같은 토큰 수로 계산

요청을 한 번 보내면 사용 내역에 입력, 출력, 캐시 토큰이 따로 기록됩니다. 재시도와 이어진 도구 호출은 사용량을 더 만들고, 출력에는 화면에 보이지 않는 사고 토큰도 들어갑니다. 청구액이 예상보다 크면 답변 길이가 아니라 사용 내역의 출력 토큰을 위 식에 다시 넣어 봅니다.

모델을 고를 때는 비용 말고도 두 가지를 더 따집니다.

• 작업 성격과 벤치마크가 맞는지 봅니다. Qwen3.8-Max가 앞선 항목은 논문 재현과 컴퓨터 조작이고, 기존 코드를 수정하는 작업은 Fable 5가 앞섰습니다. 평소 반복하는 작은 과제를 같은 입력으로 두 모델에 맡기고 완료 기준을 정해 비교합니다. 회의록에서 담당자와 날짜를 뽑는 작업이라면 원문에 없는 정보를 만들지 않고 모든 항목이 맞아야 통과입니다. 통과할 때까지 다시 요청한 비용과 사람이 확인한 시간도 함께 적습니다.
• 데이터 처리 조건을 봅니다. 공식 API로 보낸 요청은 알리바바 클라우드를 거치고, 다른 공급자의 API로 쓰면 그 공급자의 약관도 함께 적용됩니다. 고객 데이터나 미공개 자료를 넣으려면 저장 위치와 학습 이용 여부를 약관에서 먼저 봅니다. 데이터가 오가는 구조는 API 기초에 정리했습니다.

Sources

• Alibaba Cloud 공식 보도자료: Alibaba Unveils Qwen3.8-Max
• Qwen 공식 블로그: Qwen3.8
• Qwen3.8-Max-0902 모델 페이지 (QwenCloud)
• Qwen/Qwen3.8-2.4T-A95B 모델 카드 (Hugging Face)

3줄 요약

1. Qwen3.8-Max는 알리바바가 2026년 8월 3일 공개한 전체 2조 4천억 파라미터의 MoE 모델이며 9월 2일 코딩을 추가 학습한 0902판이 API에 올라왔습니다.

2. API 단가는 100만 토큰당 입력 2달러와 출력 6달러여서 입력 20만과 출력 3만 토큰 작업은 한 번에 0.58달러, 월 100회면 58달러입니다.

3. 공개 가중치 Qwen3.8-2.4T-A95B는 0902판이 아니고 기본 컨텍스트도 API보다 짧아서 성능을 비교할 때는 어느 판으로 시험했는지 적어야 합니다.