혼자 16일간 개발하고 1년치 장사까지, 알리바바 큐원의 초장기 실험

알리바바가 총 2조 4천억 파라미터, 쿼리당 활성 950억 파라미터의 Qwen3.8 Max를 공개했다. 최상위 라인업인 Max급에서 가중치가 공개되는 첫 모델이다. 벤치마크 점수보다 눈에 띄는 것은 데모다. 16일간 자율로 소프트웨어를 개발하고, 1년짜리 이커머스 시뮬레이션에서 자본금을 4배로 불렸다.

STAXION 인사이트: AI 평가의 축이 문제 풀이 점수에서 얼마나 오래 혼자 일하는가로 이동 중이다. 업무 위임 범위를 시간 단위가 아니라 일·주 단위로 설계하는 실험이 필요한 시점이다.

점수보다 시간, 초장기 자율 작업

공개된 데모가 이 모델의 성격을 보여준다. 커맨드라인 도구 하나를 16일간 자율 개발하며 커밋 265개, 풀리퀘스트 127개를 만들었다. 연구 논문을 5일, 약 125시간의 연산으로 재현한 뒤 원 논문의 AIME24 점수를 2.7점 넘어서는 개선까지 해냈다. 1년치 이커머스 시뮬레이션에서는 자본금 10만 위안을 41만 6천 위안으로 불려 경쟁 모델 GLM 5.2를 38% 앞섰고, 암호 회로 설계에서는 500여 회 반복 끝에 논리 게이트를 8,298개에서 678개로 줄였다.

프런티어급 성적표

벤치마크에서도 Claude Opus 4.8, Claude Fable 5, GPT 5.6 Sol에 근접하거나 앞서는 구간이 있다. 논문 재현 능력을 재는 PaperBench에서 93점으로 비교군 최고, TerminalBench 2.1에서 86.6점을 기록했다. OpenAI 챗 컴플리션 포맷과 Anthropic API 프로토콜을 모두 지원해 기존 코드에 끼워 넣기 쉽게 만든 점도 실무형이다.

오픈웨이트 전략의 다음 수

현재는 QwenCloud에서 쓸 수 있고 가중치는 다음 주 허깅페이스와 ModelScope에 풀린다. 키미 K3에 이어 중국 랩들이 최상위 모델을 연이어 공개하는 흐름이다. 장기 자율 작업은 성과가 큰 만큼 실패 비용도 크다. 도입한다면 중간 검수 게이트를 어디에 둘지가 성능보다 중요한 설계 문제가 된다.

---

출처: The Decoder · Alibaba's open-weight Qwen3.8-Max takes on long-horizon AI tasks with 2.4 trillion parameters