16일 동안 아무도 안 봤다는 깃허브 저장소 하나

깃허브에 oh-my-cli라는 저장소가 있다. 커밋 265개, 병합된 풀 리퀘스트 127개, 이슈 151개. 규모만 보면 개발자 두세 명이 한 달쯤 붙어서 만든 사이드 프로젝트처럼 보인다. 그런데 알리바바 주장에 따르면 이 저장소에는 사람이 손댄 흔적이 없다. 빈 폴더에서 시작해서, 모델이 스스로 사용자 요청을 이슈로 만들고, 자기한테 배정하고, 코드를 쓰고, 테스트를 돌리고, 실패하면 고치고, 자기가 만든 PR을 자기가 머지했다. 그렇게 16일. 2026년 7월 30일 기준의 숫자다.

이 이야기가 사실이라면 꽤 큰일이다. 지금까지 "장기 자율 에이전트"라는 건 대부분 데모였거든. 한두 시간짜리 태스크를 끝까지 끌고 가는 것만 해도 대단하다고 박수받던 시절이 불과 작년이다. 16일은 그런 시간 단위가 아니야. 그 사이에 컨텍스트는 수백 번 갈아엎어졌을 거고, 자기가 어제 짠 코드를 오늘 다시 읽어야 했을 거고, 방향이 틀렸다는 걸 스스로 알아채고 되돌리는 일도 있었을 거다.

그리고 2026년 8월 3일 월요일, 알리바바가 그 일을 했다는 모델을 정식으로 내놨다. 이름은 Qwen3.8-Max. 총 파라미터 2.4조, 토큰당 활성 파라미터 950억의 MoE 구조에, 컨텍스트 창은 100만 토큰. 알리바바 클라우드의 모델 스튜디오를 통해 API로 열렸고, 웨이트는 다음 주에 허깅페이스와 모델스코프에 공개된다. Qwen의 최상위 Max 계열이 웨이트를 여는 건 이번이 처음이야. 홍콩 증시의 알리바바(9988)는 그날 7.01% 오른 HK$125.200에 마감했고, 뉴욕 ADR도 프리마켓에서 4% 넘게 뛰었다.

여기까지가 좋은 소식이다. 나쁜 소식은, 이 글을 쓰는 8월 4일 기준으로 위에 적은 성능 관련 숫자 중 알리바바 바깥에서 검증된 게 하나도 없다는 거야. 벤치마크 표도 알리바바가 만들었고, 16일 자율 코딩 실험도 알리바바가 설계하고 알리바바가 채점했다. 해커뉴스에서 1,043점을 받은 스레드의 온도가 딱 그 지점에서 갈렸어. "중국 랩들이 진짜 제대로 하고 있다"와 "그래서 누가 확인했는데?"가 같은 댓글창에 나란히 있다.

그래서 이 글에서는 이 두 갈래를 따로 풀어볼 거야. 발표된 숫자가 정확히 뭐고 어디서 왔는지, 자체 벤치마크라는 게 왜 그 자체로 문제인지, 다음 주 오픈 웨이트 공개가 이 논쟁을 어떻게 끝낼 수 있는지, 그리고 그 사이에 문삿·딥시크·앤트로픽·오픈AI가 각자 어떤 카드를 쥐고 있는지까지.

이 판에 올라와 있는 사람들

먼저 알리바바 Qwen 팀. 이 팀은 지금 중국 AI 진영에서 가장 부지런한 축에 속한다. 이번 모델의 첫 등장은 8월 3일이 아니라 7월 19일 상하이 WAIC(세계인공지능대회)였어. 거기서 프리뷰를 공개하면서 "2.4조 파라미터"와 "Fable 5 다음가는 성능"이라는 주장을 먼저 던졌고, 활성 파라미터 수나 정식 벤치마크 표는 공개하지 않았다. 프리뷰는 토큰 플랜 구독자에게 정가의 10%로 열어뒀고, 그때 마크테크포스트 같은 매체는 "이건 알리바바의 주장이지 검증된 벤치마크가 아니다"라고 못 박아서 썼다. 이번 8월 3일 발표가 그 프리뷰의 정식 버전이고, 이번에야 활성 파라미터 950억과 전체 벤치마크 표가 같이 나왔어. 참고로 이번엔 소형 모델 Qwen3.8-27B도 같이 발표됐다.

두 번째는 비교 대상으로 지목당한 쪽이다. 앤트로픽의 Claude Fable 5, 오픈AI의 GPT-5.6 Sol, 그리고 앤트로픽의 Claude Opus 4.8. 알리바바가 이 세 모델을 콕 집어서 표에 올렸다는 것 자체가 메시지야. 특히 Fable 5는 앤트로픽이 지금까지 내놓은 모델 중 가장 비싼 축으로, 개발자 문서 기준 100만 토큰당 입력 10달러·출력 50달러다. Qwen3.8-Max의 공개된 API 가격은 입력 2달러·출력 6달러로 보도돼 있어. 입력 기준 5분의 1, 출력 기준 8분의 1이다. 알리바바가 "우리가 이겼다"가 아니라 "우리가 근처까지 왔다"만 증명해도 이 가격 차이는 그 자체로 무기가 된다.

세 번째는 같은 진영의 경쟁자, 문삿AI다. Qwen3.8-Max 프리뷰가 WAIC에 나온 게 7월 19일인데, 문삿의 Kimi K3가 호스팅 서비스로 출시된 게 7월 16일이야. 이틀 차이다. K3는 총 2.8조 파라미터에 토큰당 활성 1,040억, 896개 전문가 중 16개를 라우팅하는 MoE 구조이고, 컨텍스트는 1,048,576토큰. 7월 27일에는 허깅페이스에 웨이트를 전부 올렸다. 96개 샤드에 약 1.56TB, 라이선스는 MIT가 아니라 자체 'Kimi K3 License'다. 규모만 보면 K3가 Qwen3.8-Max보다 크다. 알리바바 입장에서는 파라미터 숫자로는 이미 진 상태에서 "우리 게 더 쓸모 있다"를 증명해야 하는 처지였던 거지.

네 번째는 이 판을 실제로 판정할 사람들이다. 독립 벤치마크 기관, 오픈소스 커뮤니티, 그리고 해커뉴스 같은 곳의 실사용자들. 이번 발표가 8월 3일 해커뉴스 2위에 오르며 1,043점·557개 댓글을 모은 건 관심의 크기를 보여주는 숫자지만, 정작 스레드 내용은 벤치마크 얘기가 별로 없어. 대신 "Qwen3.6-27B를 맥 스튜디오 M1 울트라에서 돌리는데 초당 45~100토큰 나온다", "RTX 4090에서는 이 정도", "AMD 스트릭스 할로에서는 이렇다" 같은 실측 얘기가 훨씬 많았다. 그리고 그 옆에는 "로컬에서 돌리긴 되는데 진짜 쉬운 일 아니면 결과물을 그냥 버려야 하는 수준"이라는 냉정한 평도 붙어 있었어. 벤치마크 표와 실사용 체감 사이의 간격이 바로 이 스레드에 그대로 드러나 있다.

마지막으로 미국 정부. 포브스 보도에 따르면 스콧 베선트 재무장관은 중국 모델들이 미국 모델에서 파생된 것인지 조사하겠다는 입장을 밝혔고, 행정부가 "IP 절도"에 반대한다는 점을 강조했다. 엔비디아 H200 같은 고성능 칩에 대한 수출 통제가 걸려 있는 상황에서, 중국 랩이 2조 파라미터급 모델을 연달아 내놓는다는 사실 자체가 정책 논쟁의 소재가 되고 있는 거야. 문삿의 K3 때도 비슷한 시선이 붙었다.

발표된 숫자를 하나씩 뜯어보면

알리바바가 공개한 벤치마크 표는 꽤 길다. 코딩, 에이전트/업무, 일반 능력 세 묶음으로 나뉘어 있고, 항목에 따라 비교 대상이 다르게 붙어 있어. 여기서 중요한 건 두 가지야. 첫째, 알리바바가 모든 항목에서 이겼다고 주장하지는 않았다는 것. 둘째, 표에 등장하는 벤치마크 중 일부는 이름부터 'Qwen'으로 시작한다는 것. QwenSWEBench와 QwenCoderBench가 그렇다. 자기가 만든 시험지에서 자기가 1등을 했다는 건 정보량이 거의 없는 문장이야.

항목 Qwen3.8-Max 비교 대상 출처
총 파라미터 / 활성 2.4조 / 950억 (MoE) Kimi K3: 2.8조 / 1,040억 알리바바 발표, 문삿 모델 카드
컨텍스트 창 100만 토큰 Kimi K3: 1,048,576 토큰 알리바바 발표
PaperBench 93.0 Fable 5 88.8 / GPT-5.6 Sol 90.5 알리바바 자체 측정
IFBench 82.8 Fable 5 63.5 / Sol 72.7 알리바바 자체 측정
SWE-bench Pro 67.7 Fable 5 80.0 알리바바 자체 측정
FrontierSWE 73.5 Fable 5 88.8 알리바바 자체 측정
DeepSWE 1.1 56.6 Fable 5 70.0 알리바바 자체 측정
Terminal Bench 2.1 86.6 Sol 88.8 알리바바 자체 측정
Humanity's Last Exam 43.6 Fable 5 53.3 / Sol 47.2 알리바바 자체 측정
JobBench 53.4 Fable 5 57.4 / Sol 45.4 알리바바 자체 측정
SkillsBench 70.2 Fable 5 70.9 알리바바 자체 측정
API 가격 입력 $2 / 출력 $6 (100만 토큰) Fable 5: 입력 $10 / 출력 $50 Model Studio 가격 보도, Anthropic 문서
오픈 웨이트 8월 10일 주, HF·ModelScope Kimi K3: 7월 27일 공개 완료 알리바바 발표
주가 반응 홍콩 9988 +7.01% (HK$125.200) 바이두 9888 +3.78% 8월 3일 종가

표를 세로로 읽으면 그림이 선명해진다. 알리바바가 앞선 항목은 논문 재현(PaperBench), 지시 따르기(IFBench), 업무·에이전트 계열(CoWorkBench 74.8 대 71.5, WorkSpaceBench 67.7 대 65.6, WideSearch 81.9)이야. 반대로 밀린 항목은 하나같이 정통 소프트웨어 엔지니어링과 고난도 추론이다. SWE-bench Pro에서 12.3점 차이, FrontierSWE에서 15.3점 차이, Humanity's Last Exam에서 9.7점 차이. 특히 IFBench의 82.8 대 63.5는 격차가 너무 커서 오히려 의심스러운 종류의 숫자야. 같은 모델이 SWE-bench Pro에서는 12점을 지는데 IFBench에서는 19점을 이긴다는 건, 두 벤치마크가 재는 게 완전히 다르거나, 아니면 한쪽 평가 세팅이 상대에게 불리하게 잡혔다는 뜻이거든.

자율 코딩 실험도 마찬가지다. 16일간 oh-my-cli를 만들었다는 사례 외에, 알리바바는 두 번째 실험도 공개했다. 최신 LLM 추론 관련 논문 하나와 GPU만 주고 다른 지시 없이 돌렸더니, 약 5일 동안 7,600줄 정도의 코드를 짜서 논문의 핵심 결과 6개를 전부 재현했고, 이어서 스스로 18개의 가설을 만들어 실험한 끝에 원 논문 방법보다 AIME24 수학 벤치마크에서 2.7점 더 나은 결과를 냈다는 거야. 인상적인 서사인데, 인포월드 인터뷰에 나온 카네리카의 아밋 제나가 던진 질문이 정확히 급소를 찔렀다. "16일 동안 뭘 했다는 거죠? 사람이 몇 번이나 개입했나요?" 자율성 주장에서 검증돼야 하는 건 결과물의 크기가 아니라 개입 횟수인데, 그 로그는 공개되지 않았다.

가격은 이 발표에서 가장 조용하지만 가장 무거운 줄이다. 보도된 Model Studio 가격표 기준 100만 토큰당 입력 2달러, 출력 6달러이고, 100만 토큰 컨텍스트 전체에 같은 단가가 적용되는 단일 티어 구조로 알려져 있어. 롱 컨텍스트 프리미엄이 없다는 뜻이야. 프리뷰 시기에는 정가의 10%로 풀었으니 지금 가격도 이미 한 번 올라온 값이다. 그럼에도 Fable 5 대비 출력 기준 8분의 1이고, 이건 벤치마크 한두 점 차이보다 훨씬 실무적인 숫자다.

한 가지 아직 확정되지 않은 게 있다. 라이선스다. 다음 주에 웨이트가 공개된다는 건 확정 발표지만, 어떤 라이선스로 나오는지는 이 글을 쓰는 시점까지 명시되지 않았어. 해커뉴스 스레드에서도 이 점이 지적됐다. Kimi K3는 자체 상업 조건이 붙은 커스텀 라이선스이고, 지푸의 GLM-5.2는 MIT다. Qwen이 어느 쪽으로 갈지가 이번 공개의 실질적인 가치를 절반쯤 결정한다.

이 발표로 누가 뭘 얻나

가장 직접적으로 얻는 건 알리바바 클라우드다. 시티 애널리스트들은 이번 주가 강세를 두 가지로 설명했어. 하나는 AWS와 애저 실적에서 읽히는 클라우드 매출 회복세, 다른 하나는 Qwen3.8-Max의 개선된 벤치마크 점수. 그리고 "칩·클라우드 인프라·모델·애플리케이션까지 풀스택을 갖춘 기업이 앞서갈 위치에 있다"는 평을 붙였다. 알리바바는 3년간 3,800억 위안(약 560억 달러) 규모로 잡았던 AI 투자 목표를 이미 초과 집행한 상태다. 모델이 잘 나오면 클라우드가 팔리고, 클라우드가 팔리면 다음 모델 투자가 정당화되는 순환 구조를 만들려는 거야.

두 번째로 얻는 쪽은 프론티어급 모델을 자기 인프라 안에서 돌려야 하는 기업들이다. 포레스터의 찰리 다이는 인포월드에서 "기업들이 소프트웨어 엔지니어링과 주권(sovereignty) 요구에 대해 독점 프론티어 모델의 신뢰할 만한 대안을 점점 더 갖게 됐다"고 평했다. 이건 성능 얘기가 아니라 통제권 얘기야. 금융·의료·공공처럼 데이터가 밖으로 나가면 안 되는 곳, 혹은 특정 벤더의 API 정책 변경에 사업 전체가 흔들리면 곤란한 곳에서는 "80점짜리를 내 서버에서" 쪽이 "95점짜리를 남의 서버에서"보다 나을 때가 있다. 가트너의 니티시 티아기도 "오픈 웨이트, MoE 구조, 100만 토큰 컨텍스트의 조합은 AI 기반 소프트웨어 개발을 경제적으로 성립시키는 쪽으로 가는 의미 있는 한 걸음"이라고 정리했어.

세 번째는 로컬 추론 커뮤니티다. 다만 여기는 조건부야. 2.4조 파라미터 모델을 개인이 돌리는 건 현실적으로 불가능하고, 실제로 다음 주 공개에서 사람들이 기다리는 건 Max 자체보다 함께 발표된 27B 급이거나 커뮤니티가 만들 양자화 버전 쪽이다. 해커뉴스에서 실제로 쓰인다고 보고된 건 Qwen3.6-27B와 35B 계열이었고, 하드웨어는 맥 스튜디오 M1 울트라, RTX 4090, AMD 스트릭스 할로였다. 이 사람들에게 이번 발표의 의미는 "곧 더 좋은 로컬 모델이 온다"에 가깝지 "2.4조를 집에서 돌린다"가 아니야.

반대로 압박받는 쪽도 분명하다. 첫째는 프론티어 모델의 가격 결정력이다. 입력 2달러·출력 6달러라는 값은 앤트로픽이나 오픈AI가 "우리는 비싸지만 그만한 값을 한다"고 말할 때 근거로 삼아야 할 격차를 다섯 배에서 여덟 배로 벌려놓는다. SWE-bench Pro 12점 차이가 출력 토큰 8배 가격 차이를 정당화하는지는 워크로드마다 다르게 계산될 거고, 단순 반복 작업이 많은 조직일수록 답은 뻔하다.

둘째로 애매해진 건 중국 모델을 쓰려는 다국적 기업의 법무팀이다. 테크타임스는 이번 발표와 함께 나온 QwenWork가 기업 워크플로에 중국 국가법 리스크를 끌어들인다는 각도로 기사를 썼다. 웨이트를 받아서 자기 서버에서 돌리면 데이터 이동 문제는 상당 부분 해소되지만, 모델 자체의 출처·학습 데이터·라이선스 조항에 대한 실사 부담은 그대로 남는다. 그리고 앞서 언급한 미 재무장관의 조사 발언까지 겹치면, 규제 산업에서 이 모델을 프로덕션에 올리는 결정은 기술 결정이 아니라 컴플라이언스 결정이 된다.

예전에도 이랬던 적이 있다 — 성공 둘, 실패 둘

성공 사례부터. 가장 선명한 건 2025년 1월의 딥시크 R1이다. 중국 랩이 오픈 웨이트로 프론티어급 추론 모델을 풀었고, 그 여파로 엔비디아를 비롯한 미국 AI 관련주가 하루 만에 크게 흔들렸다. 여기서 중요한 건 R1이 벤치마크 1등이라서 이긴 게 아니라는 거야. R1은 웨이트를 공개했고, 그래서 전 세계 사람들이 다운받아서 돌려보고 검증했고, 그 검증이 끝나자 이야기가 사실로 굳었다. 이번 Qwen3.8-Max가 정확히 이 경로를 밟을 수 있는 위치에 있다. 다음 주 웨이트 공개가 이 기사의 모든 물음표를 지울 수도 있고, 반대로 물음표를 확정된 마이너스로 바꿀 수도 있어.

두 번째 성공은 메타의 Llama 2다. 2023년 7월, 상업적 사용이 가능한 조건으로 웨이트를 풀면서 오픈 웨이트 생태계의 사실상 기본값이 됐다. 성능이 당시 GPT-4보다 좋아서가 아니라, 사람들이 그 위에 파인튜닝하고 도구를 만들고 논문을 쓸 수 있는 표준 기반이 됐기 때문이야. 여기서 배울 점은 라이선스가 성능만큼 중요하다는 것. Qwen3.8-Max의 라이선스가 아직 안 나왔다는 게 사소한 디테일이 아닌 이유가 이거다.

이제 실패 사례. 첫 번째는 2024년 9월의 Reflection 70B다. 한 스타트업이 오픈 웨이트 모델로 당시 최상위 폐쇄 모델을 여러 벤치마크에서 이겼다고 발표했고, 커뮤니티가 열광했다. 그런데 다른 사람들이 공개된 웨이트로 같은 점수를 재현하려 하자 숫자가 안 나왔다. 며칠 만에 신뢰가 무너졌고, 그 이름은 지금도 "자체 발표 벤치마크"의 대표적 반례로 인용된다. 교훈은 단순해. 자체 벤치마크는 검증될 때까지 마케팅 자료지 사실이 아니다. 오히려 웨이트를 공개하는 쪽이 위험을 감수하는 거고, 그래서 공개 이후에도 숫자가 버티면 그때는 진짜다.

두 번째 실패는 구글의 2023년 12월 제미나이 울트라 발표다. MMLU에서 90.0%로 GPT-4의 86.4%를 이겼다고 발표했는데, 자세히 보니 제미나이는 CoT@32라는 특수한 평가 방식이었고 GPT-4는 5-shot이었다. 같은 조건이 아니었던 거야. 기술적으로 거짓말은 아니었지만 며칠 만에 여론은 "구글이 표를 유리하게 짰다"로 굳었고, 발표의 신뢰도 자체가 깎였다. 이번 표에서 QwenSWEBench와 QwenCoderBench가 나란히 등장하는 걸 보면서 이 사건이 떠오르는 건 자연스러운 일이다. 자기 이름이 붙은 벤치마크에서의 승리는, 그 벤치마크가 공개되고 남들이 돌려보기 전까지는 아무 얘기도 하지 않는다.

경쟁자들은 어떻게 받아칠까

앤트로픽의 카드는 가격이 아니라 위치다. Fable 5의 100만 토큰당 출력 50달러라는 가격은 애초에 가격 경쟁을 하겠다는 신호가 아니야. 앤트로픽이 방어할 자리는 "가장 어려운 문제를 가장 오래 끌고 갈 수 있는 모델"이고, 알리바바의 표조차 SWE-bench Pro·FrontierSWE·DeepSWE·Humanity's Last Exam에서는 Fable 5가 앞선다고 인정하고 있다. 여기에 기업 컴플라이언스 문서, 감사 로그, 데이터 처리 계약 같은 조달 단계의 참호가 더해진다. 규제 산업 구매 담당자는 벤치마크 표보다 계약서를 먼저 본다. 다만 이 참호는 시간이 지날수록 얇아지는 종류야. 가격 차이가 다섯 배에서 여덟 배면, 결국 "어느 워크로드까지는 싼 걸로 충분한가"라는 질문이 조직 안에서 반복해서 제기된다.

오픈AI의 대응은 세대 교체와 가격 계층화 쪽일 가능성이 높다. 알리바바 표에서 GPT-5.6 Sol은 Terminal Bench 2.1(88.8 대 86.6)과 MRCR v2(93.8 대 92.9)에서 앞서고 Humanity's Last Exam에서도 위에 있다. 즉 오픈AI 입장에서 이번 발표는 "졌다"가 아니라 "비슷한 게 8분의 1 가격에 나왔다"는 압박이야. 이런 상황에서 프론티어 랩이 쓰는 전형적인 수는 두 가지다. 저가 계층 모델의 성능을 끌어올리거나, 토큰 단가를 내리거나. 둘 다 마진을 깎는 선택이라, 이번 발표가 미국 랩들의 손익계산서에 남기는 흔적은 벤치마크보다 가격표 쪽에서 먼저 보일 거다.

같은 진영의 문삿AI는 이미 한 수 앞서 뒀다고 볼 수 있다. Kimi K3는 7월 27일에 웨이트를 다 풀었고, 규모도 2.8조로 더 크다. 알리바바가 다음 주에 공개하겠다고 말하는 걸 문삿은 일주일 전에 이미 했다는 뜻이야. 다만 K3에도 약점은 보고돼 있다. 독립 테스트에서 사이버보안과 고난도 수학 영역은 서구 최상위 모델에 크게 못 미쳤다는 평가가 있었고, 라이선스도 MIT가 아니라 상업 사용에 조건이 붙은 자체 라이선스다. 문삿의 다음 수는 뻔하다. Qwen의 웨이트가 풀리는 순간 같은 하드웨어에서 나란히 돌려서 비교하는 결과가 쏟아질 텐데, 거기서 이기는 게 가장 확실한 반격이다.

딥시크와 지푸는 다른 축에서 압박한다. 해커뉴스 스레드에서 반복해서 언급된 게 두 가지였어. 하나는 딥시크의 공격적인 캐시 가격 정책 때문에 "로컬에서 직접 돌리는 것보다 API가 싸다"는 계산이 나온다는 것. 다른 하나는 지푸 GLM-5.2가 MIT 라이선스라는 것. 성능 최상위를 노리지 않고 "충분히 좋으면서 가장 마찰이 적은 선택"을 가져가는 전략인데, 기업 실무에서는 이게 의외로 강하다. 라이선스 검토 없이 바로 쓸 수 있다는 건 법무 검토 6주를 건너뛴다는 뜻이거든.

마지막으로 가장 결정적인 반격은 경쟁사가 아니라 제3자에게서 온다. 독립 벤치마크 기관과 커뮤니티다. 웨이트가 공개되는 순간 아무나 같은 조건에서 SWE-bench Pro와 IFBench를 다시 돌릴 수 있고, 그 결과가 알리바바 표와 맞으면 이 기사에 달린 물음표는 전부 지워진다. 반대로 어긋나면, Reflection 70B가 그랬듯이 숫자보다 신뢰가 먼저 무너진다. 그래서 다음 주가 이번 발표의 진짜 채점일이야.

그래서 뭐가 달라지는데

일반 사용자 입장에서 당장 달라지는 건 거의 없다. Qwen3.8-Max는 챗봇 앱이 아니라 클라우드 API로 열린 개발자용 모델이니까, 이 발표 때문에 오늘 쓰는 서비스가 바뀌지는 않아. 다만 간접적인 영향은 시간차를 두고 온다. 프론티어급 성능이 8분의 1 가격에 나온다는 건, 지금 유료 구독으로 쓰고 있는 AI 기능들의 원가가 내려간다는 뜻이고, 그 원가는 결국 요금제나 무료 한도로 돌아온다. 그리고 하나 더. 중국 모델을 쓰는 서비스가 늘어나면 "내 데이터가 어느 나라 서버에서 처리되는가"라는 질문이 소비자에게도 실질적인 선택 기준이 될 수 있어. 지금은 대부분의 서비스가 그걸 명시하지 않는다.

개발자와 실무자한테는 다음 주가 진짜 일정이다. 지금 API로 붙여서 평가하는 건 물론 가능하지만, 이 모델의 핵심 가치는 웨이트 공개에 있으니까 서두를 이유가 없다. 평가할 때 챙길 건 세 가지야. 첫째, 알리바바 표에서 진 항목을 먼저 돌려봐라. SWE-bench Pro와 FrontierSWE처럼 알리바바가 스스로 밀린다고 인정한 축이 당신 워크로드의 핵심이라면, 표에서 이긴 항목들은 의미가 없다. 둘째, 100만 토큰 컨텍스트를 실제로 채웠을 때 성능이 어떻게 되는지 봐라. 컨텍스트 창 크기와 그 창을 실제로 쓸 수 있는지는 다른 얘기이고, 이건 벤치마크 표에 잘 안 나온다. 셋째, 라이선스. 웨이트가 나오면 조항부터 읽고, 상업 사용 제한이나 매출 기준 조건이 있는지 확인해라. Kimi K3처럼 커스텀 라이선스면 법무 검토가 필요하고, GLM처럼 MIT면 필요 없다. 이 차이가 도입 속도를 몇 주 단위로 바꾼다.

투자자 관점에서는 7% 상승을 어떻게 읽느냐가 문제다. 시티가 지적했듯 이 상승분에는 클라우드 업황 회복 기대가 섞여 있어서 모델 발표 하나로만 설명되지 않는다. 그리고 시장이 반응한 대상은 검증되지 않은 자체 벤치마크였다는 점도 그대로 기록해둘 만해. 진짜 지켜볼 지점은 다음 주 웨이트 공개 이후에 나오는 독립 검증 결과와, 그 결과가 알리바바 클라우드의 매출 전환으로 이어지는지 여부다. 모델 벤치마크는 주가를 하루 움직이지만, 클라우드 계약은 분기 실적을 움직인다. 참고로 알리바바는 8월 중순에 분기 실적 발표를 앞두고 있다.

정책 담당자에게는 이번 발표가 꽤 곤란한 데이터 포인트다. 고성능 칩 수출 통제의 목적이 중국의 프론티어 모델 개발 속도를 늦추는 것이었다면, 7월 16일 Kimi K3, 7월 19일 Qwen3.8-Max 프리뷰, 8월 3일 정식 출시로 이어지는 3주짜리 타임라인은 그 정책이 의도대로 작동하고 있는지에 대한 질문을 던진다. 재무장관이 언급한 "미국 모델 파생 여부" 조사는 그 질문에 대한 한 가지 답변 시도인데, 증류(distillation) 여부를 외부에서 입증하는 건 기술적으로 매우 어렵다. 오히려 웨이트가 공개되면 그런 분석이 가능해진다는 아이러니가 있어. 규제하려는 쪽 입장에서 오픈 웨이트는 위협이자 동시에 유일한 조사 수단이다.

🥄 남은 궁금증 세 가지

— 그래서 나랑 무슨 상관이야? 직접적인 영향은 없어. 이건 개발자용 클라우드 API고 오늘 네가 쓰는 앱은 그대로야. 다만 프론티어급 성능이 Fable 5의 8분의 1 가격에 나온다는 건 AI 기능의 원가가 내려간다는 뜻이라, 몇 달 뒤 구독료나 무료 한도 쪽으로 돌아올 가능성은 있어.

— 이게 왜 지금이야? 7월 16일 문삿 Kimi K3 출시, 7월 19일 상하이 WAIC에서 Qwen 프리뷰, 8월 3일 정식 출시. 3주 안에 벌어진 일이야. 중국 랩들이 서로의 발표 일정을 보면서 밀고 당기는 국면이고, 알리바바가 Max 계열 웨이트를 처음 여는 것도 K3가 이미 2.8조 오픈 웨이트를 풀어버린 상황에 대한 대응으로 읽는 게 자연스러워.

— 앤트로픽이랑 오픈AI보다 앞선 거야? 단정하긴 일러. 알리바바 자체 표에서도 SWE-bench Pro(67.7 대 80.0), FrontierSWE(73.5 대 88.8), Humanity's Last Exam(43.6 대 53.3)은 Fable 5가 앞선다고 나와 있고, 이긴 항목들조차 8월 3일 기준 외부 검증이 하나도 없어. 심지어 표에 QwenSWEBench처럼 알리바바가 만든 벤치마크도 섞여 있다. 진짜 판정은 다음 주 웨이트가 공개되고 누구나 같은 조건에서 다시 돌려본 뒤에 나올 거야.

참고 자료

숫자와 기준은 발표 시점 기준이라 바뀔 수 있어. 투자 판단은 각자의 몫!