27B짜리가 2.4조 파라미터 형을 벤치에서 앞질렀어

8월 14일 알리바바 Qwen팀이 Qwen3.8-27B의 가중치를 풀었어. 270억 파라미터 밀집(dense) 모델이고, 라이선스는 아파치 2.0이야. 텍스트만 받는 게 아니라 이미지와 영상까지 네이티브로 처리해.

그런데 이 릴리스에서 제일 눈에 띄는 건 파라미터 수도 라이선스도 아니야. 모델카드에 실린 비교표야. 이 27B짜리가 SWE-bench Pro에서 61.7점을 받았는데, 같은 표에 있는 Qwen3.7-Plus는 57.6점이야. Qwen3.7-Plus는 알리바바가 API로만 파는 상위 모델이야. 자기네가 돈 받고 파는 모델을 무료로 푸는 모델이 특정 항목에서 넘어선 거야.

비교 대상이 하나 더 있어. 같은 표에 오퍼스 4.6 맥스가 있는데, SWE-bench Pro에서 53.4점, 지시 따르기 벤치인 IFBench에서 62.5점, LiveCodeBench v6에서 88.8점이야. Qwen3.8-27B는 각각 61.7, 79.5, 90.3이야. 세 항목 다 앞서. 대신 Terminal Bench 2.1에서는 78.2 대 73.0으로 밀려. 그러니까 "프론티어 폐쇄 모델을 다 이겼다"는 건 아니고, "몇몇 항목에서 27B가 프론티어 사거리 안에 들어왔다"가 정확한 표현이야.

타임라인도 짚어둘 만해. Qwen팀이 8월 3일 X에 "다음 주에 Qwen3.8-Max 가중치를 풀고, Qwen3.8-27B도 오픈웨이트로 나온다"고 예고했어. 그리고 실제로 8월 12일쯤 2.4조 파라미터짜리 Qwen3.8-2.4T-A95B가 먼저 올라왔고, 27B가 그 이틀 뒤에 붙었어. 예고와 실물 사이 간격이 11일이야. 이 업계에서 예고만 하고 안 나오는 경우가 흔한 걸 생각하면 준수한 편이지.

Qwen팀이 지금 어떤 판에서 싸우고 있냐면

Qwen은 알리바바 클라우드 산하 통이(Tongyi) 연구조직이 만드는 모델 계열이야. 이름은 통의천문(通义千问)에서 왔고, 2023년부터 계속 오픈웨이트를 뿌려 왔어. 지금 이 팀의 위치를 한 줄로 말하면, 오픈웨이트 생태계에서 사실상 기본값이야.

숫자가 그걸 뒷받침해. 2026년 3월 기준으로 Qwen 계열은 전 세계 오픈소스 모델 다운로드의 절반 이상을 차지했고, 허깅페이스 누적 다운로드가 10억 회에 근접했어. 2026년 2월 한 달 다운로드가 1억5,360만 회였는데, 이게 메타·딥시크·오픈AI를 포함한 다음 8개 주요 플레이어의 합계보다 두 배 넘게 많았어. 파생 모델도 30만 개를 넘겼고. 성능 순위표에서 1등이냐 아니냐와 별개로, 사람들이 실제로 뭘 내려받아 쓰느냐에서는 이미 오래 앞서 있는 거야.

경쟁 상대는 미국이 아니라 중국 안쪽에 더 많아. 7월 17일 문샷AI가 2.8조 파라미터짜리 Kimi K3를 "세계 최대 오픈소스 모델"이라며 공개했고, Z.ai(전 즈푸)가 GLM 계열을 계속 밀고 있고, 딥시크는 여전히 코딩·추론 쪽 기준점이야. 이 넷이 서로 몇 주 간격으로 릴리스를 던지면서 오픈웨이트 성능 곡선을 위로 밀어 올리고 있어.

그리고 이번 주는 유난히 몰렸어. 8월 10일 메타가 뮤즈 글리머 30B를 아파치 2.0으로 공개했어. 메타 슈퍼인텔리전스 랩이 내놓은 첫 오픈웨이트 모델이고, 소비자 GPU와 맥북에서 도는 로컬 에이전트를 대놓고 겨냥했어. 8월 14일에는 Z.ai가 GLM-5.3을 발표했고, 같은 날 Qwen3.8-27B가 나왔어. 나흘 사이에 "소비자 기기에서 도는 개방형 에이전트 모델"이라는 같은 자리를 놓고 세 곳이 붙은 거야.

포지셔닝 차이도 있어. 메타는 "인터넷 없이도 쓰는 온디바이스 에이전트"를 앞세웠고, Z.ai는 코딩과 사이버보안 역량을 앞세웠어. Qwen은 조금 달라. 멀티모달을 기본으로 깔았어. 27B 크기에 이미지와 영상 이해를 같이 넣은 건 이 셋 중 Qwen뿐이야.

이 모델 안에 실제로 뭐가 들어있냐면

먼저 사양을 정리해 볼게. 모델카드 기준이야.

항목 Qwen3.8-27B 상위 모델 Qwen3.8-2.4T-A95B
구조 밀집(dense) 27B MoE, 총 2.4조 / 활성 950억
라이선스 아파치 2.0 자체 Qwen3.8-max 라이선스
입력 텍스트 · 이미지 · 영상 텍스트 전용
네이티브 컨텍스트 262,144 토큰 262,144 토큰
확장 컨텍스트 약 100만 토큰(YaRN) 약 101만 토큰
사고 모드 기본 켜짐, 요청별 끌 수 있음 끌 수 없음
배포 로컬·자체 호스팅 가능 사실상 서버랙 필요

이 표에서 제일 중요한 칸은 라이선스야. 27B는 아파치 2.0인데, 2.4조짜리 Max는 "Qwen3.8-max"라는 자체 라이선스를 달고 나왔어. 둘 다 가중치를 내려받을 수 있지만 법적 자유도는 완전히 달라. 아파치 2.0은 상업적 사용·수정·재배포·특허 사용권까지 폭넓게 허용하고, 파생물에 원 라이선스를 강제하지도 않아. 회사 제품에 통째로 넣고 팔아도 되고, 파인튜닝해서 이름 바꿔 서비스해도 돼.

아키텍처도 특이해. 64층인데 반복 단위가 "3 × (게이티드 델타넷 → FFN) → 1 × (게이티드 어텐션 → FFN)"이야. 즉 선형 어텐션 계열인 게이티드 델타넷 세 덩어리마다 일반 어텐션이 한 번 끼어드는 하이브리드야. 히든 차원 5,120, FFN 중간 차원 17,408, 토큰 임베딩은 24만8,320개로 패딩돼 있어. 게이티드 어텐션 쪽은 쿼리 헤드 24개에 키·값 헤드 4개라 KV 캐시를 아끼는 구성이고.

이 구조 선택이 26만 토큰 컨텍스트와 직결돼. 일반 어텐션만 쌓으면 컨텍스트 길이의 제곱으로 비용이 늘어나는데, 선형 어텐션을 섞으면 긴 문맥에서 메모리와 연산이 훨씬 완만하게 늘어나. 26만 토큰을 네이티브로 받으면서 27B 크기를 유지하려면 이런 타협이 필요했던 거야.

사고 모드(thinking mode)는 기본으로 켜져 있어. 그런데 요청 단위로 끌 수 있고, reasoning_effort로 추론 깊이를 조절할 수 있어. 이게 실무에서 꽤 중요해. 추론 토큰은 곧 비용이자 지연 시간이거든. 간단한 분류 작업에까지 모델이 혼자 3천 토큰씩 생각하고 있으면 로컬 GPU 한 장으로는 감당이 안 돼. 위의 표에서 Max는 사고 모드를 끌 수 없다고 했는데, 그 차이가 실제 운영에서 체감이 커.

세대 간 개선 폭도 구체적이야. 직전 Qwen3.6-27B와 비교하면 Terminal-Bench 2.1이 63.4에서 73.0으로, DeepSWE 1.1이 13.3에서 42.2로, OSWorld-Verified가 63.9에서 84.3으로, 멀티모달 SWE인 SWE-MM이 25.7에서 38.6으로 올랐어. DeepSWE의 3배 상승이 눈에 띄는데, 이건 긴 호흡의 에이전트 작업에서 개선이 컸다는 뜻이야. 그 밖에 GPQA 다이아몬드 89.2, LiveCodeBench 90.3, 안드로이드월드 81.9, MathVision 94.6(사고 연쇄 적용) 같은 숫자들이 카드에 실려 있어.

한 가지는 분명히 해 둘게. 이 모델이 상위 Max에서 지식 증류(distillation)로 만들어졌다는 얘기가 널리 돌지만, 허깅페이스 모델카드에는 그런 서술이 없어. 카드에 적힌 건 "학습 단계: 사전학습 및 사후학습", 그리고 "Qwen3.5의 아키텍처 기반 위에 구축"이라는 문장뿐이야. Qwen팀은 학습 코퍼스, 학습 스케줄, 강화학습 환경, 증류 여부를 자세히 공개하지 않아. 그러니까 증류는 합리적 추정이지 확인된 사실이 아니야. 27B 모델이 같은 세대 초대형 모델과 나란히 나오면서 특정 벤치에서 그걸 앞지르는 패턴은 보통 증류나 온폴리시 증류로 설명되지만, 이번 건에 대해 회사가 확인해 준 건 없어.

배포 경로는 넓게 열어놨어. FP8 양자화 버전을 공식으로 같이 냈는데, 블록 크기 128의 세밀 양자화고 "원본과 성능이 거의 동일"하다고 적혀 있어. 서빙은 SGLang, vLLM, TokenSpeed, 트랜스포머스를 지원하고, 커뮤니티가 올린 양자화 변종이 이미 377개야. llama.cpp, 올라마, LM 스튜디오에서 바로 집어 쓸 수 있는 형태고. Qwen 클라우드의 관리형 호스팅은 "곧"이라고만 적혀 있어.

초기 반응은 뜨거웠어. 공개 직후 해커뉴스 1위에 올랐고 893포인트를 받았어. 허깅페이스 다운로드는 이틀 만에 원본 9만1,900회, FP8 12만3,000회를 넘겼고. 흥미로운 건 FP8 쪽 다운로드가 더 많다는 점이야. 사람들이 이 모델을 연구용으로 뜯어보는 게 아니라 실제로 돌리려고 받고 있다는 신호로 읽혀.

불만도 같이 나왔어. 해커뉴스 스레드에서 가장 많이 지적된 건 메모리 효율이야. 32K 컨텍스트에 VRAM 2.5GB가 붙는다는 보고가 있었고, Q4_0으로 양자화해도 128K 컨텍스트를 못 올린다는 사용자도 있었어. "소비자 GPU에서 돈다"는 말과 "26만 토큰 컨텍스트를 소비자 GPU에서 쓴다"는 말은 완전히 다른 얘기라는 거야. 그리고 스레드에서 가장 반복된 요청은 MoE 변종이었어. Qwen3.6-35B-A3B처럼 토큰당 일부 파라미터만 활성화하는 구조를 내달라는 거지. 밀집 27B는 매 토큰마다 270억 파라미터를 전부 계산하니까, 같은 메모리를 쓰면서 훨씬 빠른 MoE를 원하는 사람이 많아.

이 릴리스로 누가 뭘 챙기냐면

알리바바가 챙기는 건 표준 자리야. 오픈웨이트 모델은 직접 돈을 벌지 않아. 대신 생태계가 그 모델을 기준으로 도구를 만들고, 파인튜닝 레시피가 쌓이고, 튜토리얼이 그 이름으로 쓰여. 그러다 규모가 커지면 사람들은 같은 계열의 유료 API나 알리바바 클라우드로 올라와. 무료 27B는 유료 Max와 클라우드로 가는 깔때기 입구야. 그리고 이번엔 그 깔때기가 아파치 2.0이라 기업 법무팀의 승인을 받기가 훨씬 쉬워졌어.

개발자와 소규모 팀은 원가 구조를 통째로 바꿀 수 있어. 프론티어 API로 에이전트 루프를 돌리면 토큰 비용이 실험 횟수를 제한해. 참고로 상위 Qwen3.8-Max의 API 가격이 입력 100만 토큰당 2달러, 출력 6달러야. 로컬 27B는 전기값과 GPU 감가상각 말고는 한계비용이 0에 수렴해. 하루에 수천 번 도는 반복 작업이라면 이 차이가 몇 달 안에 GPU 값을 뽑아.

규제 산업의 기업 IT는 다른 걸 챙겨. 데이터가 밖으로 안 나가. 의료 영상, 계약서, 내부 스크린샷 같은 걸 모델에 넣어야 하는데 외부 API로 보내기 곤란한 경우가 실제로 많거든. 멀티모달을 로컬에서 돌릴 수 있다는 건 그 문제를 통째로 우회한다는 뜻이야. 아파치 2.0이라 사내 파인튜닝 결과물의 소유권도 애매하지 않고.

하드웨어 진영도 수혜자야. 27B 밀집 모델은 대략 24~48GB VRAM 구간을 겨냥한 크기야. 소비자용 최상위 GPU와 통합 메모리를 크게 단 노트북이 딱 이 구간에 있어. 오픈웨이트 모델이 이 크기로 계속 나오면 그 하드웨어를 살 이유가 생겨. 메타가 뮤즈 글리머를 내면서 AMD·암·델·인텔·엔비디아와 파트너십을 붙인 것도 같은 계산이야.

반대로 손해를 보는 쪽은 중간 가격대 API 사업자야. "프론티어보다 싸고 오픈소스보다 좋다"는 자리에서 팔던 모델들이 위아래로 끼여. 아파치 2.0 27B가 특정 작업에서 충분히 좋으면, 그 자리의 존재 이유가 얇아져.

예전에도 '작은 모델' 승부가 있었어 — 성공과 실패

작은 모델이 큰 모델을 특정 항목에서 이긴다는 서사는 처음이 아니야. 이전 사례의 결과가 갈렸고, 그 갈림이 이번 건을 읽는 데 도움이 돼.

성공 쪽 사례는 분명해. 라마 2와 라마 3 세대에서 7B~13B급 오픈 모델이 나왔을 때, 그 위에서 파인튜닝 생태계가 폭발적으로 자랐어. 성능이 최고여서가 아니라 "내 GPU에 올라가고 라이선스가 걸리적거리지 않아서"였지. 지금 Qwen이 다운로드 절반 이상을 가져간 것도 같은 원리야. 사람들은 최고 점수를 쓰는 게 아니라 손에 잡히는 걸 써.

실패 쪽 패턴도 반복돼서 관찰됐어. 작은 모델의 벤치 점수가 큰 모델을 앞질렀다는 발표가 나오고, 몇 주 뒤 실사용에서는 격차가 그대로더라는 후기가 쌓이는 흐름이야. 원인은 대개 벤치마크 과적합이거나, 벤치가 측정하지 않는 능력—긴 대화에서의 일관성, 낯선 도구 호출, 애매한 지시의 해석—에서 무너지는 거였어. Qwen3.8-27B가 SWE-bench Pro에서 오퍼스를 앞섰다는 숫자도 같은 의심을 받을 자격이 있어. 게다가 그 표는 Qwen이 직접 만든 표야.

또 하나 반복된 실패는 컨텍스트 광고와 실사용의 괴리야. "100만 토큰"이라고 적혀 있어도 실제로 그 길이에서 정확도가 유지되는지는 별개 문제고, 애초에 소비자 GPU에 그 길이의 KV 캐시가 안 올라가. 해커뉴스에서 나온 Q4_0으로 128K도 못 올린다는 불만이 정확히 그 지점이야. 스펙시트의 숫자와 내 책상 위 하드웨어에서 실제로 쓰는 숫자 사이엔 늘 몇 배 차이가 있었어.

반대로 이번엔 다를 수 있다는 근거도 있어. 세대 간 개선치가 특정 항목에만 몰린 게 아니라 코딩·에이전트·비전·수학에 두루 퍼져 있어. 그리고 FP8 공식 배포본을 같이 냈다는 건 팀이 실제 배포 환경을 염두에 뒀다는 신호야. 벤치 점수만 노렸다면 굳이 양자화 버전을 공식으로 관리할 이유가 없거든.

경쟁자들은 어떻게 받아칠까

메타는 나흘 먼저 움직였어. 8월 10일 뮤즈 글리머 30B를 아파치 2.0으로 냈고, 메타 슈퍼인텔리전스 랩의 첫 오픈웨이트 모델이야. 30B 밀집에 128K 이상 컨텍스트, 텍스트와 이미지를 받고, 4비트 압축과 블록 단위 추측 디코딩으로 소비자 GPU 한 장이나 맥북에서 에이전트 루프 안에 들어갈 속도를 냈다고 밝혔어. 정면 대결 항목인 GPQA 다이아몬드에서는 89.2 대 83.5로 Qwen이 앞서지만, 뮤즈 글리머는 어려운 벤치 몇 개에 아예 점수가 없어서 전면 비교가 안 돼. 다만 메타의 진짜 무기는 점수가 아니라 파트너십이야. 하드웨어 5개사와 올라마·LM 스튜디오·vLLM·SGLang·투게더·파이어웍스·오픈라우터까지 첫날에 붙였어.

Z.ai는 8월 14일 GLM-5.3을 발표했어. GLM-5.2와 같은 7,530억 파라미터 MoE 기반에 사후학습만 갈아끼운 모델인데, 오픈소스 모델 중 터미널 벤치 3.0 최고점을 주장했고 자체 코딩 벤치에서 50% 개선을 내세웠어. 그런데 가중치는 바로 안 풀었어. 안전성 평가와 하드닝이 끝나는 2주 뒤에 공개하겠다는 거야. 이유가 명확해. 사이버보안 역량이 예상보다 빠르게 자라서, 269개 프로젝트에서 2,400건 넘는 취약점을 찾아냈고 그중 절반가량이 중간 이상 심각도였다고 했거든. 같은 주에 Qwen은 즉시 풀었고 Z.ai는 미뤘어. 오픈웨이트 진영 안에서도 공개 속도에 대한 판단이 갈리기 시작한 거야.

문샷AI는 크기로 갔어. 7월 17일 2.8조 파라미터 Kimi K3를 세계 최대 오픈소스 모델이라며 냈어. 이 전략은 성능 상한을 노리는 대신 실사용 진입장벽이 높아. 서버랙이 있어야 돌아가니까 대부분의 개인 개발자에겐 그림의 떡이야. Qwen이 Max와 27B를 같이 낸 건 그 양쪽을 다 덮으려는 구성이고.

오픈AI와 앤스로픽은 이 싸움에 다르게 대응해. 폐쇄 프론티어의 논거는 여전히 "최고 성능과 운영 편의"인데, 27B가 특정 항목에서 사거리에 들어오면 그 논거가 얇아지는 구간이 생겨. 다만 오퍼스 4.6 맥스가 Terminal Bench 2.1에서 여전히 앞선 것처럼, 긴 호흡의 복합 작업에서는 격차가 남아 있어. 당분간은 "쉬운 건 로컬, 어려운 건 API"라는 분업이 굳어질 가능성이 커.

엔비디아 같은 하드웨어 회사는 조용히 이득이야. 어느 진영이 이기든 27~30B 모델을 로컬에서 돌리려는 수요는 GPU 수요야. 오히려 오픈웨이트가 강해질수록 추론이 데이터센터 밖으로 분산되면서 소비자·워크스테이션 GPU 시장이 커져.

그래서 뭐가 달라지는데

로컬에서 모델 돌리는 개발자라면 지금이 실험해 볼 타이밍이야. 아파치 2.0에 FP8 공식 배포본까지 있으니 라이선스 걱정 없이 회사 프로젝트에 넣어볼 수 있어. 다만 컨텍스트 길이 기대치는 낮춰 잡아. 26만 토큰은 스펙이고, 내 GPU에서 실제로 쓸 수 있는 길이는 양자화 수준과 VRAM에 따라 그보다 훨씬 짧아. 먼저 32K로 시작해서 늘려 보는 게 현실적이야.

기업 IT 담당자에게는 조달 논거가 하나 생겼어. 아파치 2.0은 법무 검토가 가장 빨리 끝나는 라이선스 중 하나야. 다만 라이선스가 깨끗하다는 것과 운영이 쉽다는 건 다른 얘기야. 모델 서빙, 업데이트, 모니터링, 안전 필터를 다 직접 해야 해. API를 쓰면 벤더가 대신 하던 일이 내부 비용으로 넘어와. 그 비용을 계산에 넣고 비교해야 진짜 답이 나와.

보안 담당자에게는 반대 방향의 숙제야. 사내 누군가가 27B 모델을 자기 워크스테이션에 올려놓고 회사 데이터를 넣기 시작하면, 그건 데이터 유출은 아니지만 관리되지 않는 자산이 하나 늘어난 거야. 게다가 같은 주 GLM-5.3 발표에서 드러났듯, 이 세대 모델들의 보안 취약점 탐색 능력이 눈에 띄게 올라갔어. 방어에도 공격에도 쓰이는 능력이라는 뜻이지.

투자자 관점에서는 마진 압박이 핵심이야. 오픈웨이트가 "충분히 좋은" 구간을 계속 위로 밀어 올리면, 중간 가격대 추론 API의 가격 결정력이 먼저 무너져. 프론티어 랩들의 방어선은 최상위 성능과 에이전트 신뢰성인데, 그 방어선이 몇 달마다 위로 밀려나는 게 지금 관찰되는 패턴이야. 반대로 추론 하드웨어와 서빙 인프라 쪽은 이 흐름의 수혜를 받아.

일반 사용자에게는 아직 직접 체감이 크지 않아. 대부분은 앱에서 모델을 쓰지 직접 GPU에 올리지 않으니까. 다만 간접 효과는 있어. 앱 개발자들의 원가가 내려가면 무료 티어가 넉넉해지고, 인터넷 없이 도는 기능이 늘어나. 사진·영상을 기기 밖으로 안 보내고 처리하는 기능들이 늘어나는 것도 이 흐름의 결과야.

연구자와 학생에게는 접근성 문제가 크게 풀려. 2.4조 파라미터 모델은 학교 실험실에서 못 만져. 27B는 만져져. 어텐션 하이브리드 구조가 실제로 어떻게 동작하는지, 사고 모드를 껐다 켰을 때 뭐가 달라지는지를 직접 뜯어볼 수 있어. 아파치 2.0이라 논문에 쓰고 파생 모델을 공개하는 데도 제약이 없고.

🥄 남은 궁금증 세 가지

— 내 GPU 한 장에 진짜 올라가? 크기만 보면 올라가. 27B를 4비트로 양자화하면 대략 16~18GB 구간이라 24GB VRAM 카드에 들어가. 문제는 컨텍스트야. 해커뉴스에서 32K 컨텍스트에 VRAM 2.5GB가 붙는다는 보고가 있었고, Q4_0에서 128K는 못 올렸다는 사용자도 있었어. 그러니까 "모델은 올라가는데 광고된 컨텍스트는 못 쓴다"가 지금까지의 현실적인 답이야.

— Max에서 증류한 거 맞아? 그렇게 알려져 있지만 확인된 건 아니야. 허깅페이스 모델카드에는 증류에 대한 언급이 없고, Qwen팀은 학습 코퍼스나 사후학습 방식을 자세히 공개하지 않아. 카드에 적힌 건 Qwen3.5 아키텍처 기반이라는 것과 사전학습·사후학습을 거쳤다는 것뿐이야. 같은 세대 초대형 모델과 나란히 나온 소형 모델이 이런 점수를 내는 건 증류로 설명되는 경우가 많지만, 단정하긴 일러.

— 벤치 점수 믿어도 돼? 절반만. 표를 만든 게 Qwen 본인이라 유리한 항목이 선택됐을 가능성이 있고, 뮤즈 글리머는 어려운 벤치 몇 개에 점수가 아예 비어 있어서 공정한 비교가 안 돼. 다만 세대 간 개선치(DeepSWE 13.3→42.2, OSWorld 63.9→84.3)는 같은 팀이 같은 방식으로 잰 값이라 상대적 신뢰도가 높은 편이야. 절대 순위보다 그 개선 폭을 보는 게 더 실용적이야.

참고 자료

수치는 발표 시점 기준이라 바뀔 수 있어.