Qwen3.8 발표: 2.4T 파라미터, 오픈 웨이트 예정

TL;DR Highlight

Qwen3.8-Max-Preview가 Token Plan에 먼저 공개됐고 오픈 웨이트도 예고됐다

Who Should Read

LLM API 공급자를 바꿔 쓸 수 있는지 비용과 성능을 따져 보는 백엔드 개발자

Core Mechanics

Qwen3.8이 곧 오픈 웨이트로 나온다
- 파라미터는 2.4T라고 밝혔다.
- 공개 시점은 'soon'이라고만 적혀 있고 날짜는 없다.
Max-Preview가 먼저 공개됐다
- Alibaba의 Token Plan, Qoder, QoderWork에서 바로 써 볼 수 있다.
- 국제용과 중국용 Token Plan 가격 페이지가 따로 있다.
성능은 Fable 5 다음이라고 주장한다
- 'leading frontier AI models'에 견줄 만하다고 썼다.
- 'second only to Fable 5'라는 표현이 들어 있다.
원문에 벤치마크 수치는 없다
- 비교 모델별 점수나 가격, 컨텍스트 길이는 적혀 있지 않다.
- 성능은 회사 자체 주장일 뿐이다.

Community Reactions

Qwen 이전 모델 평가는 엇갈린다는 경험
- 직접 테스트해 보니 DeepSeek V4 Pro가 Qwen 3.7 Max보다 낫고 빠르고 훨씬 싸다는 의견이 있다.
- Qwen이 중국 모델 중 검열이 가장 심하다는 평가도 나왔다.
Qwen 3.7 Max는 말이 너무 길었다는 경험
- 질문 하나에 여러 문단으로 답해서 불편했다는 댓글이 있다.
- 이 댓글 작성자는 Qwen 벤치마크 점수를 믿지 않는다고 했다.
토큰을 많이 쓰는 큰 모델이 늘었다는 의견
- GLM 5.2와 Kimi K3는 토큰을 많이 써서 느리게 느껴진다는 댓글이 있다.
- Kimi K3는 $19 플랜에서 기능 하나로 5시간 한도 대부분을 썼다는 경험이 있다.
로컬 모델을 쓰는 사용자는 작은 크기를 원한다는 의견
- 35B MoE와 27B dense를 로컬로 쓰면 민감 데이터 요청에서 Claude를 거의 안 쓴다는 경험이 있다.
- mtplx로 Qwen 3.6 27B가 2-3배 빨라졌다는 경험도 있다.
OpenCode에서 쓰는 설정을 공유한 댓글이 있다
- provider에 qwen3.8-max-preview를 추가하고 context 1048576, output 65536을 썼다.
- 실제 한도를 몰라서 Qwen 3.7 Max 값을 그대로 맞췄다고 한다.

How to Apply

Qwen3.8-Max-Preview를 기존 프롬프트로 돌려 보기
- 지금 쓰는 모델의 대표 프롬프트 5~10개를 Qwen chat이나 Token Plan에 그대로 넣어라.
- 답변 길이, 정확도, 토큰 사용량을 현재 모델과 나란히 기록해라.
OpenCode 설정 JSON으로 연결해 보기
- 댓글에 공유된 provider 블록을 OpenCode 설정에 붙여라.
- limit 값은 확인된 공식 값이 아니므로 공식 문서와 맞춰 고쳐라.
답변 길이를 제한하는 지시를 시스템 프롬프트에 넣기
- 'verbose' 불만이 있었으니 간결하게 답하라는 규칙과 최대 문단 수를 명시해라.
- 같은 입력으로 지시 전후의 출력 토큰 수를 비교해라.
오픈 웨이트 공개 전에 모델 교체 평가셋 만들기
- 실제 서비스 요청 로그에서 케이스를 뽑아 평가셋으로 저장해라.
- 공개되면 같은 셋으로 현재 모델과 비용·지연·정답률을 비교해라.

Try It

복사해서 바로 해보기

# Claude나 ChatGPT에 붙여넣기: Qwen3.8 Max Preview 도입 전 비교 평가 설계 (원문 방법이 아니라 비교용 간이 프롬프트)

나는 LLM API를 쓰는 서비스 개발자다. 현재 모델은 {{현재 모델}}이고, 새로 Qwen3.8-Max-Preview를 테스트하려 한다.
내 서비스 용도: {{서비스 설명}}

아래 요청에 맞춰 비교 평가 계획을 만들어 줘.
1. 실제 요청 로그에서 뽑을 테스트 케이스 유형 8개
2. 케이스마다 정답 기준 또는 채점 기준
3. 측정할 지표: 정확도, 출력 토큰 수, 응답 시간, 답변 장황함
4. 결과를 기록할 표 양식(마크다운)

이어서 해 볼 것: 표 양식에 실제 결과를 채운 뒤 모델 교체 여부를 판단해 달라고 요청해라.

Terminology

open-weight학습된 모델 가중치 파일을 공개하는 방식이다. 직접 내려받아 자기 서버에서 돌릴 수 있지만 학습 데이터와 코드까지 공개된다는 뜻은 아니다.

2.4T 파라미터모델 내부 숫자 조절값이 2.4조 개라는 뜻이다. 클수록 보통 더 무겁고 돌리는 비용이 커진다.

Token Plan토큰 사용량 단위로 모델을 쓰는 Alibaba의 이용 요금제다. 월 구독처럼 한도를 사서 쓰는 방식으로 보인다.

MoE여러 전문가 모델 중 일부만 골라 켜서 계산하는 구조다. 전체 크기에 비해 실제 계산량이 적다.

quant모델 숫자를 낮은 정밀도로 줄여 메모리를 아끼는 기법이다. 사진 해상도를 낮춰 용량을 줄이는 것과 비슷하다.