알리바바, 차세대 LLM「Qwen3.8-Flash-Next」프리뷰 공개

알리바바의 Qwen팀이 새로운 아키텍처를 도입한 언어모델 「Qwen3.8-Flash-Next」의 프리뷰 버전을 공개했다. 이 모델은 Qwen4 세대의 아키텍처를 선행하여 보여주는 것으로 위치지어지고 있으며, 훈련 비용을 대폭 절감하면서도 높은 성능을 달성했다고 알려져 있다.

이 모델이 채택한 「MoE(혼합 전문가)」라고 불리는 구조는 대량의 파라미터(모델의 학습된 지식량을 나타내는 지표)를 보유하면서도, 실제 추론 시에는 일부만 사용하는 방식이다. 구체적으로는 총 파라미터 수 1250억 중에서, 1토큰(단어의 한 묶음)을 처리할 때마다 활성화되는 것은 60억분만이다. 전체의 5% 이하만 작동시켜도 출력을 생성할 수 있으므로, 계산 비용을 대폭 줄일 수 있다.

Qwen팀에 따르면 훈련에 소요된 비용은 동규모의 경쟁 모델과 비교하여 약 9분의 1 수준에 그쳤다고 한다. 그럼에도 불구하고 코딩이나 오피스 업무 벤치마크(성능 평가 테스트)에서는 DeepSeek의 DeepSeek-V4-Flash나 Anthropic의 Claude Opus 4.6과 같이 더 대규모인 모델을 능가하는 결과를 보여주었다.

이러한 「저비용·고성능」의 조합은 AI 모델의 가격 경쟁이라는 맥락에서 주목할 가치가 있다. OpenAI와 Anthropic을 비롯한 주요 제공업체들에게 비용 효율성 측면에서 새로운 압박이 될 수 있다는 견해가 있다. AI 산업에서는 모델의 성능이 향상되는 한편 API 사용 요금은 하락 추세가 지속되고 있으며, 이번 발표가 그 흐름을 더욱 가속화할 가능성이 있다.

또한 이번 릴리스는 알리바바가 본격적인 Qwen4 세대를 투입하기 전의 「선행 프리뷰」라는 성격을 가지고 있다. 아키텍처의 방향성을 외부에 제시하는 단계에서의 공개이며, 향후 정식 릴리스를 향한 기술적 기초라고 볼 수 있다. MoE 구조의 활용은 DeepSeek 등 중국의 AI 개발진이 지난 몇 년간 적극적으로 추진해온 기법이며, 알리바바도 이 방향을 발전시킨 형태이다.

비용 효율성과 모델 성능의 양립이 입증된다면, API를 통해 AI를 활용하는 기업이나 개발자들에게는 더욱 저렴한 서비스 접근이 확대될 가능성이 있다. 한편 현재의 공개는 어디까지나 프리뷰일 뿐이며, 실제 제품 전개나 가격 책정의 세부 사항은 향후 정식 발표를 기다려야 한다. Qwen4의 전모가 어떤 형태로 등장할지가 다음의 주목 사항이라고 할 수 있겠다.