TLDR: Alibaba의 Qwen3.8-Max (프리뷰, 2.4조 파라미터, 이미지/비디오/문서 입력을 지원하는 멀티모달)이 Moonshot AI의 Kimi K3 (2.8T 파라미터, 곧 가중치 공개, 1M 컨텍스트)와 정면 대결. Qwen3.8-Max는 멀티모달 및 생산성 작업에서 강점을 보이며 프리뷰 가격이 표준 요금의 약 10% 수준이고, Kimi K3는 일부 공개 벤치마크와 개방성 측면에서 앞섬.
둘 다 오늘날 API를 통해 접근 가능한 최전선 모델입니다. 신뢰할 수 있고 비용 효율적인 통합을 위해, CometAPI는 OpenAI 호환 엔드포인트, 경쟁력 있는 가격, 손쉬운 스케일링으로 Qwen에 원활히 접근할 수 있도록 제공합니다.
Key Takeaways:
- 규모 및 역량: X의 게시물에 따르면, Qwen3.8-Max는 2.4T 파라미터 모델에 이미지/비디오/문서를 아우르는 네이티브 멀티모달을 도입했으며; Qwen3.7-Max는 에이전틱 코딩과 장기 과제에서 두각을 나타냅니다.
- 가격 및 접근성: Qwen3.8-Max는 경쟁력 있는 API 요금(~1M 입력/출력당 $2.50/$7.50, 종종 할인 적용)을 제공합니다; Token Plan/Qoder를 통해 Qwen 3.8 프리뷰를 할인된 요금으로 이용할 수 있습니다.
- Kimi K3와의 비교: Kimi K3(2.8T, 2026년 7월 27일 가중치 공개 예정)는 종종 벤치마크에서 앞섭니다. 반면 Qwen은 더 강력한 멀티모달 및 생태계 통합을 제공하며, 많은 API 시나리오에서 더 저렴합니다.
- 오늘 바로 이용하기: Alibaba Cloud/Token Plan/Qoder에서 할인된 요금으로 프리뷰 제공; OpenAI/Anthropic API와 호환.
- 실용적 강점: 풀스택 개발, 오피스 자동화, 비디오 분석, 에이전트 워크플로에서 우수.
What Is Qwen 3.8 Max?
Qwen 3.8 Max는 공식 프리뷰명인 Qwen3.8-Max-Preview로 공개된 Alibaba Qwen 팀의 최신 플래그십 대규모 언어 모델(LLM)입니다. 2026년 7월 19일경 상하이에서 열린 World AI Conference에서 발표되었으며, Qwen 3.7 시리즈 대비 규모 면에서 큰 도약을 이룹니다.
핵심 사양
- 파라미터: 총 2.4조 — 공개적으로 논의된 모델 중 가장 큰 축에 속하며, 약 2.8T인 Moonshot AI의 Kimi K3 다음으로 큽니다.
- 아키텍처: Sparse Mixture-of-Experts(MoE). 토큰당 일부 파라미터만 활성화되어 성능과 효율을 균형 있게 유지합니다(정확한 활성 파라미터 수는 아직 공개되지 않았으며, 이는 추론 비용에 중요한 요소입니다).
- 멀티모달 기능: 텍스트, 이미지, 비디오, 문서를 네이티브로 처리합니다. 강력한 멀티모달을 지원하면서 1조 파라미터를 넘는 Qwen 최초의 모델입니다.
- 컨텍스트 윈도우: 최대 100만 토큰으로, Qwen 3.7 Max에서 계승·개선되었습니다.
- 변형 모델: 플래그십 2.4T Max와, 경량 사용 사례를 위한 약 27B 변형.
How Qwen 3.8 Max Works: Innovations and Technical Edge
Qwen3.8-Max는 Alibaba의 수십 년 축적된 스케일링 역량을 활용합니다:
- 대규모이면서 효율성 확보: 2.4T 파라미터의 MoE — 토큰당 일부만 활성화되어 성능과 추론 비용의 균형을 맞춤(이전 Qwen MoE인 235B-A22B와 유사).
- 하이브리드 추론: “Thinking/Non-Thinking” 모드를 계승하여 깊이, 속도, 비용을 유연하게 제어. 다단계 계획이 필요한 에이전틱 작업에 적합.
- 멀티모달 통합: 텍스트+비전+비디오를 통합 처리. 이미지가 포함된 문서 분석, 비디오 기반 추론 등 풍부한 응용을 가능케 함.
- 장문맥·에이전트 중심: 장기 과제(예: 전체 앱 클로닝, 복잡한 워크플로)에 최적화. 고급 도구 사용, RAG, 함수 호출을 지원.
- 훈련 고도화: 방대한 다국어 데이터(119+개 언어), 개선된 위치 임베딩, 환각을 줄이면서 STEM/코딩 성능을 높이는 기법 적용.
실무에서의 동작 방식:
- 입력 → 토크나이저 + 임베딩 → MoE 라우터가 전문가 선택 → 트랜스포머 레이어 처리 → 출력 생성.
- 에이전틱 코딩(예: 풀스택 프로젝트), 데이터 분석 파이프라인, 오피스 자동화를 지원.
커뮤니티 Reddit 테스트는 코딩과 복잡한 질의에서 유망한 원시 성능을 보여 주지만, 일부는 초기 프리뷰에서 간헐적인 생각 루프를 지적합니다.
개발자를 위해: CometAPI와 같은 도구와 함께 사용하면, Claude, GPT 등과 나란히 Qwen을 테스트하면서 지연과 비용을 줄이고 신뢰성을 높일 수 있습니다.
Pricing and Access: What You Can Actually Use Today
프리뷰 제공 상황(2026년 7월 기준):
- Alibaba Token Plan: 크레딧 기반 구독.
- Lite: 주당 2,500 크레딧에 $6.
- Pro: 주당 40,000 크레딧에 $68(동시 에이전트 6–8개 지원).
- 할인: 프리뷰 기간 동안 표준 요금의 10%.
- 플랫폼: Qwen Chat, Alibaba Cloud, Qoder(코딩), QoderWork(생산성).
- API: OpenAI/Anthropic 호환. 3.8-Max의 독립 per-token 요금은 아직 미공개(전작: 입력 1M당 약 $1.25, 출력 1M당 $3.75).
오픈 웨이트: “곧” 공개 약속 — 셀프 호스팅/파인튜닝에 큰 의미가 있으나, 하드웨어 요구 사항은 매우 큼(4비트 기준 약 1.2TB).
CometAPI 권장 사항: 프로덕션에서는 벤더 직접 관리를 생략하세요. CometAPI는 Qwen 시리즈를 포함한 500+ 모델을 하나의 API 키로 제공합니다. 단일 청구, 통합 엔드포인트, 높은 신뢰성 — 코드 수정 없이 Qwen 3.8 Max와 타 모델을 A/B 테스트하기에 최적. AI 앱을 구축하는 Cometapi.com 사용자에게 적합합니다. 원활한 통합을 위해 cometapi.com에서 가입하세요.
이는 Alibaba Cloud에 묶이지 않고 Qwen에 접근할 수 있게 해 주며, 스타트업과 글로벌 개발자에게 유리합니다.
Does Qwen3.8 Max Beat Kimi K3?
파라미터 수 기준: 아니요
질문이 “Qwen3.8 Max가 Kimi K3보다 파라미터 수가 더 많나요?”라면, 답은 간단합니다: 아니요. Qoder는 Qwen3.8-Max-Preview를 2.4T 파라미터 모델로 소개합니다. Moonshot은 Kimi K3를 2.8T 파라미터 모델로 문서화했습니다. 총 파라미터 수만 보면 Kimi K3가 4천억 개 더 큽니다.
그렇다고 해서 Kimi K3가 모든 작업에서 자동으로 더 뛰어나다는 뜻은 아닙니다. 파라미터 수는 그 자체로 점수판이 아닙니다. 학습 데이터, 아키텍처, 전문가 라우팅, 토큰당 활성 파라미터 수, 사후 학습, 추론 스택, 도구 결합, 문맥 관리 등이 실제 성능에 모두 영향을 줍니다. 더 나은 데이터, 사후 학습, 도구, 추론 시 추론 전략을 갖춘 작은 모델이 일부 작업에서는 더 큰 모델을 이길 수 있습니다.
공개 근거 기준: 현재는 Kimi K3가 앞섬
현재 Kimi K3가 더 나은 공개 자료 패키지를 보유하고 있습니다. Moonshot의 Kimi K3 가이드와 기술 블로그는 아키텍처, 컨텍스트, 비전, 전문가 활성화, API 한도, 출시 계획을 공개합니다. OpenLM의 Kimi K3 페이지에는 코딩, 에이전트 작업, 추론, 지식 작업, 비전 전반의 상세한 벤치마크 표가 실려 있습니다. Kimi K3의 Frontend Code Arena 결과 1,679점과 함께, 모델의 1M 컨텍스트, 16/896 전문가 활성화, 가격 신호가 요약되어 있습니다.
Qwen3.8-Max-Preview도 매우 중요하지만, 프리뷰 단계의 문서화는 상대적으로 부족합니다. 현재 가장 강력한 출처는 Qoder의 출시 페이지와 Alibaba Cloud Model Studio의 OpenCode 설정입니다. 유의미하지만, Kimi K3가 제공하는 벤치마크 상세, 활성 파라미터 공개, 아키텍처 설명, 라이선스 조건, CometAPI 프로덕션 경로 세부 등과 동일한 수준에는 아직 미치지 못합니다.
| 항목 | Qwen3.8-Max(프리뷰) | Qwen3.7-Max | Kimi K3(Moonshot) |
|---|---|---|---|
| 파라미터 | 2.4T | ~1T+ (이전) | 2.8T |
| 멀티모달 | 예(이미지/비디오/문서) | 제한적/텍스트 중심 | 예(네이티브 비전/3D) |
| 컨텍스트 윈도우 | 대형(멀티모달) | 262K+ | 1M 토큰 |
| 강점 | 에이전틱, 코딩, 생산성, 멀티모달 | 장기 에이전트, 추론 | 오픈 웨이트, 코딩 아레나, 추론 |
| 벤치마크(예) | KingBench 강세(약 2위), 내부 상위 | GPQA 92.4, SWE-Pro 60.6 | 다수 선도(Frontend Arena), 전반적으로 경쟁력 |
| 가격(API 대략) | 프리뷰: 표준의 약 10% | 경쟁력 있음(~$1–5/M 혼합) | 1M당 입력 $3 / 출력 $15 |
| 접근성 | Alibaba 프리뷰 + CometAPI | Alibaba + CometAPI | API 제공 중, 곧 오픈 웨이트 |
| 적합한 용도 | 엔터프라이즈 멀티모달 워크플로 | 에이전트 스캐폴딩, 개발 | 셀프 호스팅, 커스터마이징 |
핵심 차이점:
- 개방성: Kimi K3가 셀프 호스팅/파인튜닝을 위한 완전 오픈 웨이트로 우세. Qwen3.8-Max는 프리뷰 중, 곧 공개 예정.
- 멀티모달: 둘 다 강력하나, Qwen은 비디오/문서 통합을 더 강조.
- 성능: Kimi K3는 종종 원시 벤치마크에서 앞서며(예: GPQA, 코딩 아레나), Qwen은 에이전트/생산성 스캐폴딩과 스프레드시트/커널 최적화 같은 특정 작업에서 경쟁력 혹은 우위. 많은 API 사용 시 Qwen이 더 저렴함(일부 비교에서 최대 3배).
- 컨텍스트 & 속도: Kimi는 1M 컨텍스트; Qwen은 강력한 장문맥(과거 262K+). Qwen이 출력 속도가 더 빠른 경우가 많음.
- 사용 사례: Qwen은 Alibaba 생태계 통합, 오피스 자동화, 멀티모달 엔터프라이즈에 적합. Kimi는 오픈소스 애호가와 최대 수준의 커스터마이징에 적합.
결론: Qwen 3.8 Max를 도입해야 할까요?
실험과 코딩/멀티모달 수요에는 예 — 특히 CometAPI처럼 접근성 높은 플랫폼을 통해. 아직 완전히 폐쇄형 프런티어를 대체하진 못하지만, 생태계를 앞당기는 강력하고 합리적인 선택지입니다. 벤치마크와 정식 출시를 지켜보세요.