알리바바 Qwen4-Max 정식 출시, 총 2.4조 개 파라미터·100만 토큰 문맥

알리바바 Qwen4-Max 정식 출시, 총 2.4조 개 파라미터·100만 토큰 문맥

기사 이해를 돕기 위한 이미지

알리바바가 현지시각 2026년 11월 16일 대형 언어모델 Qwen4-Max를 정식 출시했다. 11월 11일부터 제한된 미리보기로 먼저 공개했던 모델이다. 회사는 전문가 혼합(MoE) 구조에 총 2.4조 개 파라미터를 담았고, 이미지를 처리하는 비전 기능을 기본으로 넣었으며, 100만 토큰 길이의 문맥을 다룰 수 있다고 소개했다.

모델 구조와 제공 경로·요금

알리바바에 따르면 Qwen4-Max는 토큰 하나를 처리할 때 710억 개 파라미터만 쓴다. 전작 Qwen3.8-Max도 총 규모는 2.4조 개였는데, 이번 모델은 한 번에 쓰는 파라미터가 그보다 25% 적다. 캐시 역할을 하는 N-gram 파라미터는 3,280억 개다. 어텐션 연산에는 Gated DeltaNet과 QSA 최적화를 적용했다.

API 모델 ID는 qwen4-max다. 기본 요금은 입력 100만 토큰당 1.50달러, 출력 100만 토큰당 4.50달러다. 캐시에 이미 있는 입력(Implicit Cache Hit)은 100만 토큰당 0.075달러를 받는다. 캐시를 새로 만들 때는 5분짜리가 100만 토큰당 1.875달러, 1시간짜리가 3.00달러다. 무료로 쓸 수 있는 양은 100만 토큰이다. QwenCloud의 Token Plan과 API로 쓸 수 있고, QwenWork, Qwen Studio, Qoder에서도 제공된다.

비교 대상으로 거론된 경쟁 모델 요금은 다음과 같다. Claude Opus 5.5는 입력 4달러·출력 20달러다. Google Gemini 4 Argon과 Carbon은 2달러·10달러인데, 12월 1일부터 4달러·20달러로 오른다. OpenAI GPT-6.1 Terra는 출력이 5달러다. 알리바바는 Qwen4-Max의 가중치를 공개하지 않는다. 대신 규모가 작은 Qwen4 모델들을 오픈 웨이트로 곧 내놓겠다고 밝혔다.

회사가 발표한 성능과 비용 수치

알리바바는 자사 Work360 벤치마크 결과를 근거로 Qwen4-Max가 전체 성능에서 Qwen3.8-Max를 앞선다고 밝혔다. 이 결과는 고노력(High effort) 추론 모드에서 측정한 것이다. 회사 블로그에는 토큰 사용량이 35% 줄고 과제당 평균 비용이 약 60% 낮아졌다고 적혀 있다. 위안화로는 26.58위안에서 11.16위안으로 약 58% 줄었다. 달러로는 4.43달러에서 1.67달러로 62% 줄었고, 토큰은 최대 약 50% 덜 썼다. 회사는 Terminal-Bench 4.0 코딩 과제에서 토큰을 49% 아꼈다고도 했다. 다만 이 토큰 절감 수치는 알리바바 내부 벤치마크에서 나온 것이다. 발표 자료에는 외부 기관이 이를 검증했다는 내용이 없다.

벤치마크 비교표에서 Qwen4-Max가 가장 높은 점수를 받은 항목은 다음과 같다. Agents’ Last Exam v1.1에서는 46.7점으로 Claude Opus 5.5(43.4점)와 GPT-6.1 Sol(42.6점)보다 높았다. HLAB-Vals-1.1에서는 21.3점으로 Kimi K3.1(11.7점), Claude Opus 5.5(9.2점), GPT-6.1 Sol(6.3점)보다 높았다. DeepSWE v1.1에서는 75.7점으로 Kimi K3.1(75.5점)과 Claude Opus 5.5(74.2점)를 근소하게 앞섰다. 회사는 Code Arena에서 6위에 올랐다고 밝혔다. 또 코딩 벤치마크에서 상위권에 들었고 Anthropic의 Claude Fable 5.1과 Moonshot의 Kimi K3.1 Pro보다 높았다고 주장했다.

같은 비교표에서 경쟁 모델이 더 높은 점수를 받은 항목도 여럿이다. Terminal-Bench 4.0에서는 Kimi K3.1이 67.2점으로 가장 높았고 Claude Opus 5.5가 59.6점이었다. Qwen4-Max는 48.5점으로 셋 중 가장 낮았다. ProgramBench에서는 Claude Opus 5.5가 65.0점으로 Qwen4-Max(31.5점)를 크게 앞섰다. Humanity’s Last Exam에서는 Claude Opus 5.5가 59.8점으로 가장 높았고 GPT-6 Astra가 53.6점, Qwen4-Max가 51.7점이었다. Chartography와 Video-Index에서는 GPT-6 Astra가 각각 71.1점과 76.7점으로 1위였다. Claude Opus 5.5는 66.3점과 74.8점이었고, Qwen4-Max는 54.2점과 68.1점으로 가장 낮았다.

독립 평가 결과

평가기관 Vals AI는 추론 노력 xhigh, temperature 1.0, top_p 0.95, top_k 20으로 설정해 Qwen4-Max를 평가했다. Vals Index 점수는 63.20%(±1.01)로 38개 모델 가운데 11위였다. 중국 모델 중에서는 가장 높았고 Kimi K3.1 Pro(62.52%)를 조금 앞섰다. 전작 Qwen3.8-Max는 59.05%였다. 분야별 점수와 순위는 다음과 같다.

  • Finance Agent v2.1: 66.68%(41개 중 8위)
  • Vals Finance Index: 61.99%(41개 중 8위)
  • Vibe Code Bench v1.1: 86.66%(129개 중 15위)
  • HLAB-Vals-1.1: 21.25%(39개 중 7위)
  • EMB v1.1: 70.83%(43개 중 18위)
  • Terminal-Bench 4.0: 48.48%(65개 중 15위)
  • Tax Agent Bench: 40.35%(86개 중 13위)
  • Legal Research Bench: 41.35%(95개 중 33위)

Artificial Analysis는 Qwen4-Max에 Intelligence Index 43점을 매겼다. 81개 모델 가운데 38위로, 중앙값 41점을 조금 넘는다. 이 기관은 지수 과제 하나를 처리하는 데 3.27달러가 들고 33.2분이 걸린다고 추산했다. 소요 시간 중앙값은 13.4분이다.

보안 안전장치와 남은 검증 과제

알리바바는 Qwen4-Max가 해킹에 악용되지 않도록 안전장치를 넣었다고 밝혔다. 취약점을 찾아 고치는 능력은 학습시키되, 해킹 공격 능력을 키울 수 있는 자료는 학습 데이터에서 뺐다는 설명이다. 회사 발표에 따르면 Secure Code Bench 통과율은 22%에서 31.8%로 올랐다. 대규모 사이버보안 위험을 일으킬 만한 능력은 발견되지 않았다고 회사는 덧붙였다.

다만 이 모델은 외부 레드팀의 시험을 받지 않은 것으로 알려졌으며, 안전성 평가는 알리바바의 내부 검토에만 의존하고 있다.

관련 기사 바로가기