Qwen3.8-27B는 최상위 폐쇄형 AI 모델에 얼마나 가까울까

또한 대규모 상업 이용자에게 적용될 수 있다는 매출 공유 조건은 27B 모델이 아니라 2.4조 파라미터급 플래그십인 Qwen3.8-Max의 별도 라이선스와 관련된 내용이다. 따라서 Qwen 제품군 전체를 하나의 라이선스로 묶어 이해해서는 안 된다.

일부 목록에서 입력·출력 토큰당 가격이 0달러로 표시되지만, 이를 알리바바 클라우드의 영구적이고 보편적인 공식 가격으로 해석하는 것도 주의해야 한다. 당시 Qwen3.8-27B의 호스팅 엔드포인트는 아직 제공 예정으로 표시됐고, 실제 API 가격은 제공 업체에 따라 달라질 수 있다.

Intelligence Index에서는 GPT-5.6 Luna와 동점

Artificial Analysis의 Intelligence Index는 코딩, 과학, 추론, 전문 업무 등을 다루는 9개 평가를 합산한 지표다. 여러 모델의 전반적인 능력을 비교하는 데 유용하지만, 모든 실제 업무 흐름이나 에이전트 활용 능력을 그대로 보여주는 지표는 아니다.

이 표에서 확인할 수 있는 가장 안전한 결론은 명확하다. Qwen3.8-27B는 해당 평가와 설정에서 GPT-5.6 Luna와 동점이며, GPT-5.6 Terra보다 높은 점수를 기록했다. 그러나 이 결과만으로 Claude Opus 4.8, DeepSeek V4 Pro, GLM-5.2를 전체적으로 능가한다고 말할 수는 없다.

Qwen3.8-27B가 Agentic Index에서 51점을 기록했다는 보도도 있다. 하지만 다른 자료가 제시하는 것은 τ²-Bench의 개별 에이전트 평가 결과 48%다. 이는 종합 Agentic Index와 동일한 수치가 아니다. 따라서 현재 자료만으로 모든 모델의 에이전트 성능을 일관되게 순위화하기는 어렵다.

27B 모델이 이 정도 성능을 내는 이유

Qwen3.8-27B의 실질적인 가치는 52점이라는 숫자에만 있지 않다. 오픈 웨이트 모델은 개발자가 가중치를 내려받아 직접 실행하고, 양자화하거나, 파인튜닝하고, 자체 시스템에 통합할 수 있게 한다. 특정 API 사업자에 전적으로 의존하지 않아도 된다는 뜻이다.

이런 특성은 다음과 같은 환경에서 특히 유용할 수 있다.

• 민감한 데이터를 외부 클라우드로 보내기 어려운 기업 업무
• 사내 코드 분석과 개발 보조
• 인터넷 연결 없이 동작해야 하는 오프라인 애플리케이션
• 응답 지연 시간이 중요한 서비스
• 특정 산업이나 조직에 맞춘 파인튜닝과 에이전트 구축

Apache 2.0 라이선스는 라이선스 조건을 준수하는 범위에서 사용, 수정, 재배포, 상업적 활용을 폭넓게 허용한다. 이는 독점 클라우드 엔드포인트로만 제공되는 모델과 근본적으로 다른 접근이다.

다만 클라우드 모델과의 비교가 완전히 대칭적인 것은 아니다. 클라우드 서비스는 하드웨어, 확장성, 가용성, 업데이트, 모니터링과 운영 안정성을 함께 제공한다. 반대로 자체 호스팅을 선택하면 GPU와 메모리, 전력, 최적화, 유지보수 비용을 사용자가 부담해야 한다. 토큰 가격이 0달러라고 해서 전체 운영 비용까지 0달러가 되는 것은 아니다.

파라미터 수만으로 모델을 비교할 수 없는 이유

모델의 파라미터 수는 눈에 잘 들어오는 숫자지만, 성능 순위를 결정하는 단일 기준은 아니다. Qwen3.8-27B는 모든 추론 단계에서 전체 파라미터를 사용하는 dense 모델인 반면, 일부 오픈 웨이트 모델은 여러 전문가 중 일부만 활성화하는 mixture-of-experts, 즉 MoE 구조를 사용한다.

Artificial Analysis는 DeepSeek V4 Pro를 총 1.6조 파라미터, 추론 시 활성 파라미터 490억 개로, GLM-5.2를 총 7530억 파라미터, 활성 파라미터 400억 개로 기록한다. 따라서 총 파라미터와 활성 파라미터는 구분해서 봐야 한다.

Qwen3.8-Max의 보고된 2.4조 파라미터, Kimi K3에 제시된 2.8조 파라미터, 그리고 규모가 공개되지 않은 미국 모델을 단순히 나열하는 것만으로는 우열을 판단할 수 없다. 아키텍처, 학습 데이터, 후속 학습, 추론 예산, 도구 사용, 서빙 시스템의 효율이 최종 결과에 더 큰 영향을 줄 수 있다.

미국 AI 인프라 투자에 대한 의미

Qwen3.8-27B의 성능이 미국의 대규모 데이터센터 투자가 비효율적이라는 뜻은 아니다. 최첨단 AI 인프라는 대형 모델 학습뿐 아니라 연구 반복 속도, 멀티모달 기능, 안전성 검증, 서비스 안정성, 대규모 추론 처리와 가장 어려운 작업에서의 성능을 위해 필요하다.

다만 모델의 규모가 곧 독점적인 경쟁 우위로 이어지는 것은 아니라는 점은 보여준다. 더 나은 후속 학습, 효율적인 추론, 지식 증류, 전문 데이터 파이프라인, 시스템 최적화와 개방형 배포 전략이 결합되면 훨씬 작은 모델도 실제 업무에서 매우 경쟁력 있는 결과를 낼 수 있다.

결국 투자 판단의 질문도 바뀐다. 누가 가장 큰 모델을 보유했는지만 볼 것이 아니라, 누가 성능 대비 비용을 가장 잘 낮추는지, 누가 배포 채널을 장악하는지, 누가 개발자가 쉽게 활용할 수 있는 생태계를 만드는지를 함께 봐야 한다.

알리바바의 오픈 웨이트 전략과 미·중 AI 경쟁

알리바바는 Qwen 제품군이 460개 이상의 오픈 모델을 출시했고, 6개월 동안 전 세계에서 30억 회 이상의 다운로드를 기록했다고 밝혔다. 이는 회사가 제시한 생태계 수치로, 고유 사용자 수나 실제 매출, 운영 환경에서의 사용량을 의미하지는 않는다.

한편 Hugging Face에서 집계한 독립적인 범위의 자료는 2026년 해당 플랫폼에서 Qwen 모델의 다운로드가 약 20억4500만 건이었다고 제시한다. 이 수치는 다른 플랫폼의 다운로드를 포함하지 않는다.

오픈 웨이트의 강점은 배포가 반복될수록 커질 수 있다는 데 있다. 개발자, 클라우드 사업자, 하드웨어 업체와 지역 시스템 통합업체가 알리바바의 API를 기다리지 않고 Qwen 기반의 파인튜닝 모델, 양자화 버전과 특화 제품을 만들 수 있기 때문이다. 기기 제조사와 AI 가속기 업체와의 협력은 로컬 추론을 더 쉽고 효율적으로 만들어 이 확산을 강화할 수 있다.

라이선스 구조도 전략적이다. 27B 모델에 Apache 2.0을 적용하면 최대한 많은 개발자가 모델을 채택할 수 있다. 반면 Qwen3.8-Max에는 별도의 상업 조건을 적용해 대규모 상용 서비스에서 알리바바가 가치를 회수할 수 있는 경로를 남겨뒀다.

이는 미·중 AI 경쟁의 무대가 단순히 ‘가장 강력한 폐쇄형 모델’을 만드는 경쟁에 그치지 않는다는 점을 보여준다. 개발자 생태계, 하드웨어 최적화, 지역별 배포망과 파생 모델의 확산도 중요한 경쟁 자산이 되고 있다.

개발자와 기업이 얻는 결론

데이터 통제, 로컬 실행, 파인튜닝 또는 폐쇄형 API 의존도 축소가 중요한 팀이라면 Qwen3.8-27B는 진지하게 검토할 만한 선택지다. Artificial Analysis Intelligence Index 52점은 특정 비교에서 GPT-5.6 Luna와 동급이며, GPT-5.6 Terra보다 높은 수준이다.

반면 즉시 사용할 수 있는 관리형 서비스, 대규모 확장성, 운영 안정성 또는 더 넓은 컨텍스트가 중요한 기업에는 호스팅 기반 프런티어 모델이 여전히 더 적합할 수 있다. 최종 선택은 벤치마크 점수나 파라미터 수만이 아니라 총비용, 개인정보 보호, 하드웨어, 라이선스와 실제 업무 흐름을 기준으로 내려야 한다.

Qwen3.8-27B는 프런티어 AI가 이미 완전히 범용 상품이 됐다는 증거는 아니다. 대신 강력한 오픈 웨이트 모델이 빠르게 확산되면서 로컬 배포, 맞춤화, 데이터 통제와 특정 클라우드 사업자로부터의 독립성이 점점 더 중요한 경쟁력이 되고 있음을 보여준다.