2조4000억 개 중 710억 개만 일한다? 알리바바 ‘큐원4 맥스’ 정식 출시로 배우는 전문가 혼합(MoE)·활성 매개변수의 뜻, API 가격 25%↓인데 작업당 비용은 67%↓인 이유와 성적표 읽는 법을 초보도 쉽게

안녕하세요, MoricWorld입니다. 오늘 새벽 첫 AI 소식은 중국 알리바바의 새 AI 모델 ‘큐원4 맥스(Qwen4-Max)’ 이야기입니다. 알리바바 큐원팀이 11월 16일(현지시간) 공식 블로그에서 이 모델을 정식 출시했는데, 핵심을 한 줄로 줄이면 이렇습니다. “덩치는 그대로 두고, 실제로 일하는 부분을 줄여서 더 똑똑하고 더 싸게 만들었다.”

“매개변수 2조4000억 개”, “활성 매개변수 710억 개”, “작업당 비용 67% 절감” 같은 말이 기사에 쏟아지는데, 처음 보면 무슨 뜻인지 감이 안 오시죠. 오늘은 이 숫자들을 식당 주방, 회사 팀, 택시 요금 같은 익숙한 비유로 하나씩 풀어 보겠습니다. 다 읽고 나면 앞으로 어떤 AI 모델 발표를 보더라도 “아, 이건 성능 얘기구나, 이건 비용 얘기구나” 하고 구분할 수 있게 되실 거예요.

전문가 혼합(MoE) 구조
전문가 혼합(MoE) 구조: 2조4000억 개 매개변수 중 질문마다 필요한 ‘전문가’만 불러 약 710억 개만 실제 계산에 참여한다

1. 30초 요약: 무슨 일이 있었나

항목 내용
누가 중국 알리바바의 AI 연구 조직 ‘큐원(Qwen)팀’
언제 11월 11일 프리뷰 공개 → 11월 16일(현지시간) 정식 출시(5일 만)
무엇을 차세대 AI 모델 제품군 ‘큐원4’의 첫 대형 모델 ‘큐원4 맥스’
핵심 변화 전체 크기(2조4000억 개)는 그대로, 실제 계산에 쓰는 부분은 950억 → 710억 개로 약 25% 축소
성적 외부 평가기관 아티피셜 애널리시스 종합 지수 34점 → 43점(+9점)
비용 작업당 평균 비용 10.02달러 → 3.27달러(약 67%↓), API 가격 약 25%↓
아쉬운 점 중국 1위급인 문샷 AI ‘키미 K3.1 프로’(46점)에는 아직 못 미침, 모델 가중치 비공개

2. 먼저 용어부터: 이것만 알면 기사가 읽힙니다

AI 모델 기사에는 늘 비슷한 단어가 반복됩니다. 오늘 글에 나오는 단어를 미리 정리해 둘게요.

용어 쉬운 뜻 일상 비유
매개변수(파라미터) AI가 학습하면서 조정한 ‘숫자 손잡이’들. 많을수록 기억·표현할 수 있는 게 많아짐 요리사가 가진 레시피 노트의 분량
전문가 혼합(MoE) 모델 안을 여러 ‘전문가’ 묶음으로 나누고, 질문마다 필요한 전문가만 불러 쓰는 구조 큰 종합병원에서 증상에 맞는 과만 진료
활성 매개변수 한 번 답할 때 실제로 계산에 참여하는 매개변수 수 오늘 출근해서 실제로 일한 직원 수
토큰 AI가 글을 잘게 쪼개 세는 단위. 요금도 토큰 단위로 매김 택시의 ‘미터기 거리’
컨텍스트(문맥 길이) 한 번에 읽고 기억할 수 있는 글의 양 책상 위에 동시에 펼쳐 놓을 수 있는 서류 양
추론 강도 답하기 전에 얼마나 오래 ‘생각’하게 할지 정하는 옵션 시험에서 검산을 몇 번 할지
API 종량제 개발자가 프로그램에서 AI를 불러 쓰고, 쓴 만큼 돈을 내는 방식 전기·수도 요금
오픈웨이트 모델의 ‘두뇌 파일(가중치)’을 공개해 누구나 내려받아 돌릴 수 있게 하는 것 레시피 노트를 통째로 공개

3. ‘2조4000억 개 중 710억 개만 일한다’는 게 무슨 뜻일까

큐원4 맥스는 전문가 혼합(MoE) 구조입니다. 전체 매개변수는 2조4000억 개나 되지만, 질문 하나에 답할 때 실제로 움직이는 건 그중 710억 개뿐이에요. 비율로 치면 전체의 약 3%만 그때그때 일하는 셈입니다.

회사로 비유해 볼까요? 직원이 1,000명인 회사가 있다고 해 봅시다. 세금 문의가 오면 세무팀 몇 명만, 디자인 요청이 오면 디자인팀 몇 명만 움직이죠. 1,000명이 전부 모든 일에 달라붙으면 월급(=계산 비용)이 엄청나게 들 거예요. MoE는 바로 이 “필요한 사람만 부르는” 방식입니다. 회사 전체가 아는 것은 많지만(큰 전체 매개변수), 한 번에 드는 인건비는 적게(작은 활성 매개변수) 유지하는 거죠.

이번 큐원4 맥스의 포인트는 전작 ‘큐원3.8 맥스’와 회사 규모(전체 2조4000억 개)는 똑같이 두고, 한 번에 출근하는 인원(활성 매개변수)을 950억 → 710억 개로 약 25% 줄였다는 점입니다. 그러면서도 성적은 더 올랐다고 하니, “일하는 방식을 바꿔서 효율을 높였다”는 얘기예요.

비교 항목 큐원3.8 맥스(전작) 큐원4 맥스(신작) 변화
전체 매개변수 2조4000억 개 2조4000억 개 동일
활성 매개변수 950억 개 710억 개 약 25%↓
별도 N-그램 임베딩 — 3280억 개 연속된 단어 패턴 학습용으로 새로 표기
AA 종합 지능 지수 34점 43점 +9점
작업당 평균 비용(AA) 10.02달러 3.27달러 약 67%↓

표에 나온 N-그램 임베딩은 “자주 붙어 다니는 단어 묶음”을 따로 기억해 두는 장치라고 생각하시면 됩니다. 예를 들어 ‘대한민국 서울’, ‘잘 부탁드립니다’처럼 늘 함께 나오는 표현을 매번 새로 계산하지 않고 바로 꺼내 쓰는 ‘자주 쓰는 문장 메모장’ 같은 역할이에요.

전작 큐원3.8 맥스 대비 활성 매개변수 950억→710억 개(약 25%↓), 아티피셜 애널리시스 기준 작업당 평균 비용 10.02→3.27달러(약 67%↓)
전작 큐원3.8 맥스 대비 활성 매개변수 950억→710억 개(약 25%↓), 아티피셜 애널리시스 기준 작업당 평균 비용 10.02→3.27달러(약 67%↓)

4. 새 엔진 부품 3가지, 초보 눈높이로

알리바바는 큐원4 아키텍처에 몇 가지 새 부품을 넣었다고 밝혔습니다. 이름은 어렵지만 목표는 하나, “긴 글을 적은 계산으로 처리하기”입니다.

부품 이름 목적(발표 기준) 쉬운 비유
게이티드 델타넷(Gated DeltaNet) 긴 문맥 처리에 드는 연산량 줄이기 책 한 권을 매번 처음부터 다시 읽지 않고, 바뀐 부분만 요약 노트에 덧붙이기
큐원 희소 어텐션(Qwen Sparse Attention) 모든 단어를 서로 다 비교하지 않고 중요한 곳만 집중 회의록 전체가 아니라 형광펜 친 부분만 다시 보기
게이티드 레지듀얼(Gated Residual) 모델 내부 층 사이의 정보 전달 개선 부서 간 전달 사항이 중간에 흐려지지 않도록 ‘필요한 것만 통과시키는 문’ 달기

비유는 이해를 돕기 위한 것이고, 세부 작동 방식은 회사 발표 이상의 정보가 공개되지 않았다는 점은 기억해 두세요. 중요한 건 이 부품들 덕분에 최대 100만 토큰이라는 아주 긴 문맥을 다루면서도 계산을 아꼈다는 설명입니다. 100만 토큰이면 두꺼운 보고서 여러 권이나 큰 프로그램 코드 전체를 한 번에 넣어 볼 수 있는 분량이에요.

5. 성적표 자세히 보기: 잘한 과목, 못한 과목

AI 모델은 ‘시험(벤치마크)’ 점수로 실력을 비교합니다. 이번에 공개된 점수를 과목별로 정리해 보면 강점과 약점이 꽤 선명합니다.

평가(시험) 무엇을 보나 큐원4 맥스 비교 대상
AA 종합 지능 지수(AAII) 여러 시험을 합친 종합 점수 43점 키미 K3.1 프로 46점 / 전작 34점
딥SWE 1.1 소프트웨어 개발 능력 75.7점 앤트로픽 오퍼스 5.5 74.2점(앞섬)
터미널벤치 4.0 터미널(명령창) 환경에서 개발 작업 수행 48.5% 키미 K3.1 67.2%(뒤짐)
워크360(알리바바 자체) 금융·법률·의료·제조 등 721개 전문 분야 업무 52.69점 전작 47.74점
코드 아레나 웹 개발 능력(사용자 투표형) 6위 —
에이전트 아레나 실제 업무를 수행하는 에이전트 능력 14위 전작 39위

정리하면 코딩 시험 하나(딥SWE)에서는 미국 최상위 모델도 앞섰지만, 명령창에서 스스로 작업하는 시험(터미널벤치)에서는 경쟁 중국 모델에 크게 뒤졌습니다. 그리고 워크360은 알리바바가 직접 만든 시험이라는 점도 함께 고려해야 해요. 자기 회사가 만든 시험 점수는 참고는 하되, 외부 기관 점수와 같은 무게로 보지는 않는 게 좋습니다.

아티피셜 애널리시스 종합 지능 지수
아티피셜 애널리시스 종합 지능 지수: 큐원3.8 맥스 34점 → 큐원4 맥스 43점, 키미 K3.1 프로 46점

6. ‘비용 67% 절감’은 어떻게 나온 숫자일까

여기서 많은 분이 헷갈리는 부분이 있습니다. API 가격은 25% 내렸는데, 작업당 비용은 67%나 줄었다고요? 숫자가 왜 다를까요?

택시로 비유하면 쉽습니다. 작업당 비용은 “요금 단가 × 달린 거리”예요. 이번엔 두 가지가 동시에 줄었습니다.

  • 단가 인하: 토큰 100만 개당 가격이 약 25% 내려갔고(미터기 요금 인하),
  • 거리 단축: 같은 일을 하는 데 쓰는 토큰 자체가 줄었습니다(지름길로 가기).

큐원팀 발표에 따르면 같은 작업에 드는 토큰이 워크360에서 추론 강도에 따라 약 24~35%, 터미널벤치 4.0에서는 약 48~49% 줄었습니다. 단가도 내리고 덜 달리니, 최종 요금은 훨씬 크게 떨어진 거죠.

평가 토큰 사용량 감소(전작 대비) 작업당 비용
워크360 (추론 강도 Xhigh) 약 24%↓ 평균 4.43달러 → 1.67달러(약 62%↓)
워크360 (추론 강도 High) 약 35%↓
터미널벤치 4.0 약 48~49%↓ —
AA 종합 평가 전체 — 10.02달러 → 3.27달러(약 67%↓)

7. API 가격표와 직접 계산해 보는 예시

큐원4 맥스 API 가격(100만 토큰당)
큐원4 맥스 API 가격(100만 토큰당): 입력 1.50달러·출력 4.50달러(각 25%↓), 캐시 입력 0.075달러(70%↓)
구분(100만 토큰당) 큐원3.8 맥스 큐원4 맥스 인하율
입력 2.00달러 1.50달러 25%
출력 6.00달러 4.50달러 25%
캐시 입력(반복 사용하는 입력) 0.25달러 0.075달러 70%

캐시 입력은 같은 내용을 반복해서 넣을 때 할인해 주는 요금입니다. 예를 들어 고객센터 챗봇이 매번 같은 ‘회사 규정집’을 앞에 붙여서 AI에게 보낸다면, 그 규정집 부분은 캐시 요금으로 처리돼 훨씬 싸집니다. 단골 할인 같은 거예요.

그럼 숫자로 한번 감을 잡아 볼까요? 아래는 위 가격표만 가지고 단순 계산한 예시입니다(실제 요금은 토큰 수, 환율, 추론 강도, 생각 과정에 쓰인 토큰 등에 따라 달라집니다).

예시 작업 가정한 토큰 전작 가격으로 큐원4 맥스 가격으로
긴 보고서 요약 1건 입력 10만 + 출력 1만 0.26달러 0.195달러
같은 요약 100건 입력 1,000만 + 출력 100만 26달러 19.5달러
규정집 100만 토큰을 캐시로 반복 캐시 입력 100만 0.25달러 0.075달러

단가만 바꿨을 때는 이렇게 25% 정도 차이가 납니다. 여기에 “같은 일을 더 적은 토큰으로 끝낸다”는 효과까지 더해지면 실제 절감 폭은 더 커질 수 있다는 게 알리바바의 설명이에요.

8. 프리뷰 때와 무엇이 달라졌나

사실 큐원4 맥스는 5일 전인 11월 11일에 ‘프리뷰’로 먼저 나왔습니다. 그때는 성적표도, 구조 설명도, 일반 요금제도 없어서 “정체를 알 수 없는 모델”이라는 평가가 많았어요. 정식 출시로 상당 부분이 채워졌습니다.

항목 프리뷰(11월 11일) 정식(11월 16일)
성능 평가 공개 안 함 외부·자체 벤치마크 공개
모델 구조 공개 안 함 MoE 구조·활성 매개변수·새 부품 공개
이용 방식 구독형 ‘토큰 플랜’ 가입자만 큐원클라우드에서 쓴 만큼 내는 종량제 API
가격 별도 API 가격 미공개 입력 1.50달러·출력 4.50달러(100만 토큰당)
컨텍스트 최대 100만 토큰 최대 100만 토큰
입력 형태 텍스트·이미지·동영상 텍스트·이미지·동영상, 추론 강도 조절
모델 가중치 비공개 여전히 비공개(소형 모델은 향후 오픈웨이트 예고, 일정 미정)

프리뷰 당시에는 오픈AI·앤트로픽 API와의 호환성, JSON 형식 출력 같은 개발자 편의 기능도 소개됐습니다. 정식 모델은 알리바바의 큐원워크, 큐원 스튜디오, 코딩 도구 등 자사 서비스에도 적용됐어요.

9. 알리바바가 자랑한 실제 활용 사례

알리바바는 시험 점수 말고도 “실제 현장에서 이런 걸 해냈다”는 사례를 함께 내놨습니다. 모두 회사가 밝힌 내용이라는 점을 감안해서 읽어 주세요.

  • 자동차 부품 제조: AI가 설계와 가공 과정을 수정해, 사람이 직접 하던 프로그래밍 시간을 약 475분에서 24분으로 줄였다고 합니다.
  • 반도체 냉각 소재 연구: AI 에이전트를 48시간 동안 돌리며 분자 설계 → 합성 → 실험 → 결과 분석을 반복해, 실제 실험으로 검증된 물질 후보를 찾았다고 밝혔습니다.
  • 알츠하이머병 관련 연구: 새로운 후보 분자 24개를 설계했다고 설명했습니다.
  • 안전성: 코딩 학습에 보안 검사를 넣고, 사이버 공격에 쓰일 수 있는 학습 데이터를 걸러냈으며, 화학·생물학적 위험 대응 학습도 강화했다고 합니다.

10. 그래서 이게 나와 무슨 상관일까

“중국 회사 모델이 싸졌다는데 나랑 무슨 상관이지?” 싶으실 수 있어요. 직접 쓰지 않더라도 영향은 생각보다 가깝습니다.

누구 의미 한 줄 팁
일반 사용자 AI 회사들의 가격 경쟁이 세지면, 우리가 쓰는 앱 속 AI 기능도 더 싸지거나 무료 범위가 넓어질 수 있음 “성능”과 “가격”을 함께 보는 습관 들이기
개발자·스타트업 같은 예산으로 더 많은 작업을 돌릴 수 있는 선택지가 하나 늘어남 내 작업으로 직접 소량 테스트 후 비교
회사 실무자 AI 에이전트를 반복적으로 돌릴수록 ‘작업당 비용’이 핵심 지표가 됨 단가가 아니라 ‘일 1건당 총비용’으로 계산
보안·개인정보 담당 해외(중국 포함) 클라우드 API에 데이터를 보낼 때 저장 위치·약관 확인 필요 민감 정보는 넣기 전에 사내 규정부터

더 큰 흐름으로 보면, 이번 발표는 AI 경쟁의 무게중심이 “누가 제일 똑똑하냐”에서 “같은 일을 누가 더 싸게 해내냐”로 옮겨 가고 있음을 보여 줍니다. AI 에이전트가 하루에도 수백, 수천 번씩 일을 반복하는 시대에는 1건당 몇 달러 차이가 1년이면 큰 돈이 되니까요.

11. 초보가 꼭 알아둘 주의점

  • “1등 모델”은 아닙니다. 외부 종합 점수에서 키미 K3.1 프로(46점)보다 3점 낮습니다. 대신 작업당 비용은 키미(3.68달러)보다 약 11% 저렴하다는 게 아티피셜 애널리시스의 평가예요.
  • 가중치는 비공개입니다. 큐원의 이전 일부 모델처럼 내 컴퓨터에 내려받아 쓰는 방식이 아니라, 알리바바 클라우드를 통해서만 쓸 수 있어요.
  • 점수는 조건에 따라 달라집니다. 추론 강도(High, Xhigh 등)를 어떻게 설정했느냐에 따라 점수와 비용이 바뀌므로, 숫자만 떼어 비교하면 오해가 생길 수 있어요.
  • 자체 시험 점수는 한 번 더 걸러 보세요. 워크360은 알리바바가 만든 평가입니다.

12. 지금 해볼 것: 5분 체크리스트

번호 해볼 것 왜
1 AI 모델 기사를 볼 때 “전체 매개변수”와 “활성 매개변수”를 구분해서 읽기 덩치와 실제 계산량은 다른 이야기라서
2 가격은 “100만 토큰당 단가”와 “작업 1건당 비용”을 따로 보기 단가가 25%만 내려도 실제 비용은 훨씬 더 줄 수 있어서
3 벤치마크는 “누가 만든 시험인지” 확인하기 자체 평가와 외부 평가는 무게가 달라서
4 회사에서 AI API를 쓴다면 같은 작업 10건으로 모델 2~3개를 직접 비교해 보기 내 업무에서의 성능·비용이 가장 정확한 성적표라서
5 해외 AI 서비스에 업무 자료를 넣기 전, 데이터 저장 위치와 사내 규정 확인하기 성능·가격보다 먼저 지켜야 할 게 개인정보·기밀이라서

마무리

큐원4 맥스는 “덩치 키우기” 대신 “일하는 방식 바꾸기”로 성능과 비용을 동시에 개선한 사례입니다. 1등은 아니지만, AI를 매일 반복해서 쓰는 회사 입장에서는 “충분히 잘하면서 훨씬 싼” 선택지가 하나 더 생긴 셈이죠. 앞으로 AI 뉴스를 보실 때 오늘 배운 세 가지, 전체 vs 활성 매개변수, 단가 vs 작업당 비용, 외부 vs 자체 평가만 기억하셔도 기사 속 숫자가 훨씬 또렷하게 보이실 거예요. 오늘도 좋은 하루 보내세요!