요약
- 알리바바 큐원 팀이 9월 2일 큐원3.8-맥스-0902를 공개했어요. 2.4조 파라미터, 100만 토큰 컨텍스트는 유지하고 코딩·협업 특화로 재훈련했어요.
- 터미널벤치 3.0 점수가 11.3에서 29.0으로 뛰었지만 클로드 오퍼스5의 42.7에는 아직 못 미쳤어요.
- 모델명
- Qwen3.8-Max-0902
- 발표
- 2026년 9월 2일, Alibaba_Qwen X 계정
- 구조
- 전체 2.4조 파라미터 전문가 혼합(MoE), 활성 파라미터 비공개
- 컨텍스트 창
- 100만 토큰
- 추가 훈련
- 코딩·협업(Coding & Cowork) 특화 후속 학습
- TerminalBench 3.0
- 29.0 (이전 버전 11.3, 클로드 오퍼스5 42.7)
- WorkArena Elo
- 1468 (클로드 오퍼스5 1437, GPT5.6 Sol 1482)
- 비교 모델
- Claude-Opus-5, Fable5, GPT5.6 Sol
큐원3.8-맥스, 0902 버전으로 업그레이드
알리바바 큐원 팀이 9월 2일 공식 X 계정을 통해 큐원3.8-맥스의 새 버전인 큐원3.8-맥스-0902를 공개했어요. 파라미터 2.4조 개짜리 전문가 혼합(MoE) 구조와 100만 토큰 컨텍스트 창은 기존 그대로 두고, 코딩과 협업(Coding & Cowork) 작업에 맞춰 추가로 훈련시켜 복잡한 기업 업무와 과학 연구 과제에서 성능을 끌어올렸다고 밝혔어요.
풀어서 설명하면, 큐원3.8-맥스는 알리바바의 최상위 언어모델로 지난달 초 처음 공개됐고 8월 초에는 에이전틱 지수에서 1위에 오른 적이 있어요. 이번 0902 버전은 그 모델을 그대로 두고 코딩과 사무 협업 작업에 맞춰 다시 훈련시킨 후속판이에요.
관련 기사: Qwen3.8-Max, 에이전틱 지수 1위·종합 지능 지수 5위 기록
코딩 벤치마크: 큰 폭 상승, 격차는 여전
알리바바가 공개한 비교표를 보면 코딩 관련 지표 대부분이 이전 버전보다 크게 올랐어요. 다만 클로드 오퍼스5와 비교하면 아직 앞서지 못한 항목이 많아요.
| 벤치마크 | 0902 | 이전 버전 | 클로드 오퍼스5 | Fable5 | GPT5.6 Sol |
|---|---|---|---|---|---|
| 터미널 에이전트 코딩 (TerminalBench 3.0) | 29.0 | 11.3 | 42.7 | 34.0 | 34.6 |
| 저장소 단위 코드 생성 (NL2Repo-Bench) | 64.9 | 55.9 | 72.3 | 70.2 | -- |
| 복잡한 실무 소프트웨어 엔지니어링 (QwenSWEBench V2) | 70.0 | 55.1 | 68.0 | 67.1 | -- |
특히 터미널벤치 3.0은 11.3에서 29.0으로 거의 세 배 가까이 뛰었지만, 클로드 오퍼스5의 42.7과는 여전히 13점 넘게 차이가 나요. 반면 QwenSWEBench V2 같은 알리바바 자체 벤치마크에서는 클로드 오퍼스5를 앞섰어요.
사무 업무 에이전트: 워크아레나에서 클로드 앞서
장기 사무 업무와 직무 수행 능력을 재는 지표에서는 좀 더 균형 잡힌 결과가 나왔어요.
| 벤치마크 | 0902 | 이전 버전 | 클로드 오퍼스5 | Fable5 | GPT5.6 Sol |
|---|---|---|---|---|---|
| 장기 사무 업무 (CoWorkBench) | 76.1 | 74.8 | 79.6 | 75.9 | 71.5 |
| 전문 직무 과제 (JobBench) | 64.0 | 53.4 | 67.8 | 57.4 | 45.4 |
| 전문가 평가 협업 지수 (WorkArena Elo) | 1468 | 1348 | 1437 | -- | 1482 |
워크아레나는 145개 업무를 29개 산업에 걸쳐 사람이 직접 채점해 산출한 엘로 점수예요. 0902 버전은 이 지표에서 1468점을 받아 클로드 오퍼스5(1437)를 앞섰지만, GPT5.6 Sol(1482)에는 못 미쳤어요. 평가 방식은 각주에 따로 정리돼 있는데, 자동화 워크플로 지표인 Automation Bench v1.0.6은 Automation Bench PR #16을 반영한 뒤 측정했다고 밝혔어요.
멀티모달·체화 지능: 로봇 인식 벤치마크서 강세
이미지·영상까지 함께 이해하는 멀티모달 지표에서는 0902 버전이 눈에 띄는 격차를 냈어요.
| 벤치마크 | 0902 | 이전 버전 | 클로드 오퍼스5 | Fable5 | GPT5.6 Sol |
|---|---|---|---|---|---|
| 체화 지능 (ERQA) | 78.3 | 77.8 | 67.3 | 70.0 | 70.0 |
| 일반 시각 추론 (BabyVision) | 93.8 | 91.3 | -- | 90.5 | 88.9 |
| STEM 시각 추론 (MMMU-Pro) | 82.7 | 82.3 | 82.6 | 81.2 | 83.0 |
에디터의 시선
0902라는 버전 이름 자체가 알리바바의 출시 전략을 보여줘요. 완전히 새 모델을 내놓는 대신 같은 파라미터·컨텍스트 구조를 유지한 채 특정 작업군에 맞춘 후속 학습만 붙이는 방식인데, 이건 모델을 처음부터 다시 훈련하는 비용을 아끼면서도 경쟁 모델의 강점 영역만 콕 집어 따라잡으려는 움직임이에요. 지난달 초 공개 당시 활성 파라미터 수조차 공개하지 않았던 것과 비교하면, 이번엔 최소한 어느 작업에서 뭐가 좋아졌는지는 숫자로 명확히 보여준 셈이에요.
이런 식의 재훈련형 업데이트를 실무에 붙여 보면 결론이 늘 비슷해요 — 특정 벤치마크 점수가 크게 오른 모델은 그 벤치마크가 대표하는 작업군에서만 체감이 확실하고, 나머지 영역은 이전 버전과 큰 차이를 못 느끼는 경우가 많아요. 이번에도 터미널 기반의 장시간 자율 코딩 작업엔 아직 클로드 오퍼스5를 붙이는 편이 안전하지만, 사내 문서 작업이나 반복적인 사무 자동화라면 워크아레나 점수가 시사하듯 큐원 쪽이 비용 대비 쓸 만한 대안이 될 수 있어요.
국내 기업이 참고할 지점은 명확해요. 코딩 에이전트를 도입할 때 모델 하나로 전 작업을 커버하려 하지 말고, 장기 터미널 작업엔 다른 모델을 두고 사무 자동화·문서 처리엔 큐원3.8-맥스-0902를 시험해 보는 식으로 작업군별로 나눠 붙이는 게 지금 단계에선 합리적이에요. 앞으로 몇 주 안에는 클로드나 오픈AI 쪽에서도 비슷한 특화 재훈련 버전이 나올 가능성이 높아요 — 프론티어 모델 경쟁이 이제 전면 재훈련이 아니라 작업군별 핀포인트 업데이트로 옮겨가고 있다는 신호로 보면 될 것 같아요.
댓글