알리바바 Qwen4-Max 출시, 제3자 지수 43점

AI model illustration: a layered core glowing red with small figures below

알리바바 통이첸원(Qwen) 팀이 지금까지 가장 큰 모델인 Qwen4-Max를 공개했다. 총 파라미터는 2.4조 개이고 전문가 혼합(MoE) 구조를 채택했으며, 토큰당 실제로 활성화되는 파라미터는 약 710억 개다. 여기에 3280억 개 파라미터 규모의 N-gram 임베딩 모듈이 별도로 붙는다. 텍스트와 이미지 입력을 지원하고 추론 모드를 갖추고 있으며, 컨텍스트 길이는 공식 설명 기준으로 100만 토큰 수준이다.

프리뷰 버전은 먼저 알리바바의 Token Plan에서 제공되며, 기간 한정으로 최대 90% 할인(최저 1할 가격)이 적용된다. Qoder, Qwen 앱, QwenStudio는 이미 새 모델로 바뀌었고, API는 알리바바 클라우드를 통해 제공된다. 가중치는 다운로드로 공개되지 않는다. Qwen2.5-Max 이후 Max 시리즈를 자체 클라우드로만 내놓아 온 방식이 이어지는 셈이다. 팀은 Qwen4 제품군의 소형 모델을 같은 아키텍처와 학습 방식으로 오픈소스로 공개하겠다고 밝혔지만, 크기와 라이선스, 공개 시점은 제시하지 않았다.

알리바바가 직접 내놓은 수치

Qwen 팀은 출시 블로그에서 이 모델을 연속으로 일할 수 있는 "AI 팀원"으로 규정하고 몇 가지 적용 사례를 들었다. 자동차 부품 업체 두 곳이 가공 프로그램 작성에 사용해 부품 하나당 프로그래밍 시간을 약 475분에서 24분으로 줄였다. 상장 전 법률 실사에서는 모델이 198건의 자료를 정리해 86쪽짜리 보고서를 내놓았다. 또 48시간 동안 자율 운행하며 데이터센터용 냉각액을 설계했고, 이를 자동화 실험실이 실제로 합성했다고 한다. 이 사례들은 모두 회사의 자체 설명이며, 고객사 이름과 검수 기준은 공개되지 않았다.

비용 면에서 알리바바는 비슷한 작업의 토큰 소모가 Qwen3.8-Max보다 눈에 띄게 줄었다고 밝혔다. 자체 Work360 벤치마크에서 과제당 비용은 4.43달러에서 1.67달러로 떨어졌다.

알리바바는 항목별 성적표도 공개했는데, 강점과 약점이 함께 드러난다. 법률 에이전트 벤치마크 HLAB-Vals 1.1에서는 21.3점으로 Claude Opus 5.5의 9.2점을 앞섰다. 코딩 벤치마크 DeepSWE v1.1에서는 75.7점으로 Opus 5.5, GPT-6.1 Sol, Kimi K3.1과 함께 74~76점 사이에 몰려 있다. 반면 Terminal-Bench 4.0에서는 48.5점에 그쳐 Kimi K3.1의 67.2점에 못 미치고, ProgramBench에서도 31.5점으로 Opus 5.5의 65.0점과 차이가 크다.

제3자 순위에서의 위치

독립 평가 기관 Artificial Analysis는 Qwen4-Max의 지능 지수를 43점으로 매겼다. Qwen3.8-Max의 34점보다 9점 높고, 같은 가격대 81개 모델 중 38위로 중앙값 41점을 약간 웃돈다. 직접 비교 대상인 상위 10개 모델 중에서는 9위로, 앞에는 Claude Fable 5.2(65), Gemini 4 Carbon(60), Claude Opus 5.5(59), GPT-6 Astra(57) 등이 있다. 중국 모델 가운데 이보다 앞선 것은 Moonshot AI의 Kimi K3.1 Pro(46)다.

다른 순위표에서는 결과가 더 좋다. Arena 발표에 따르면 Qwen4-Max는 Agent Arena에서 중국 모델 1위를 차지했고, 알리바바는 종합 순위에서 14위로 올라섰다.

가격이 가장 큰 무기다. Artificial Analysis가 기록한 공식 요금 기준으로 입력은 100만 토큰당 1.50달러, 출력은 4.50달러이며, 캐시에 적중한 입력은 95% 더 깎아 준다. 지능 지수 문제 하나를 푸는 평균 비용은 3.27달러로, Qwen3.8-Max의 10.02달러보다 67% 낮고 Kimi K3.1 Pro의 3.68달러보다도 약간 낮다. Tencent의 Hy4는 약 1.03달러로 더 저렴하지만 점수는 8점 낮다.

대가는 말이 많다는 점이다. 평가 기간 동안 Qwen4-Max는 총 1.27억 개의 토큰을 출력했는데, 비슷한 모델의 중앙값은 7860만 개로 대략 60% 정도 더 많다(개략 계산). 단가는 낮췄지만 사용량이 늘어 절감분의 일부가 다시 나간다.

같은 급 모델과 나란히 놓고 보면

중국 주력 모델을 나란히 놓으면 구도가 비교적 분명하다. Kimi K3.1 Pro는 지능 지수가 3점 높고 문제당 비용은 약 0.4달러 비싸며, 터미널 계열 작업에서 확실히 강하다. Qwen4-Max는 법률, 장시간 작업, 가격에서 우위에 있다. Tencent의 Hy4는 극단적인 저가 노선을 택했다. 세 모델 중 가중치를 공개하지 않는 것은 Qwen4-Max뿐이며, Qwen이 오픈소스 모델로 쌓아 온 개발자 커뮤니티야말로 나머지 두 곳과 갈리는 지점이다.

중국 개발자라면 지금 할 수 있는 일은 Token Plan 할인 기간에 실제 과제로 한 차례 시험해 보는 것이다. Max는 오픈소스가 아니어서 사내 구축형 배포는 소형 모델이 나올 때까지 기다려야 한다. 언제, 어느 크기까지 공개할지는 알리바바가 아직 밝히지 않았다. 또 알리바바 블로그의 여러 점수는 자체 측정 기준이며, Artificial Analysis는 아직 문제당 소요 시간 데이터를 내놓지 않았다. 지연 시간 성능은 현재로서는 확인할 수 없다.

참고 출처: Qwen 팀 출시 블로그, Artificial Analysis 모델 페이지(지능 지수, 과제당 비용, 출력 토큰 수), CocoLoop, Arena 순위표, Trending Topics. 제공 채널과 할인은 차이롄서(Cailian Press) 보도로 교차 확인했으며, 파라미터와 항목별 성적은 알리바바가 공개한 수치를 따랐다.