Glimpse vs Qwen 3.8: 백만 토큰 윈도와 아무도 공개하지 않은 숫자

이 모델들 중 하나는 100만 토큰 컨텍스트 윈도우와 예산을 세울 수 있는 요금표를 공개합니다. 다른 하나는 컨텍스트 윈도우도, 파라미터 수치도, 아키텍처도 전혀 공개하지 않습니다. Glimpse는 엘로리안(Elorian)이 2026년 10월 16일에 공개한 연구 프리뷰로, 공개된 역량 전체가 하나의 행동입니다 — 아직 생각하는 중에도 영상의 특정 순간으로 돌아가고, 0.9초 길이의 윈도우를 더 촘촘한 프레임 레이트로 다시 스캔하고, 특정 영역을 확대하거나, 답을 확정하기 전에 시간에 걸쳐 하나의 특징을 따라갈 수 있습니다. Qwen 3.8은(는) 알리바바의 2026년 8월 세대이며, 이 비교에서 실제로 핵심이 되는 멤버는 Qwen3.8-Max: 2026년 8월 3일부터 유료 API로 라이브 상태이며, 100만 입력 토큰당 $2.00, 100만 출력 토큰당 $6.00이고, 100만 토큰 윈도우와 네이티브 이미지 입력을 지원합니다. Qwen3.8-Max는 우리가 라우팅하는 모델 중 하나입니다; Glimpse는 우리 카탈로그에 아예 없습니다. 그 비대칭성은 작은 절차적 세부 사항이 아닙니다. 그것은 결정의 형태입니다. 왜냐하면 이 중 하나는 예산 항목에 넣을 수 있는 호출이고, 다른 하나는 비용을 산정하기 전에 먼저 시험해 봐야 하는 프리뷰이기 때문입니다.

각각이 실제로 무엇을 하도록 만들어졌는지

이것들은 하나의 질문에 대한 두 가지 답이 아니며, 이를 알려주는 단서는 이들의 병목 지점이 서로 다른 곳에 있다는 점이다.

Qwen3.8-Max의 병목은 규모 확장 시의 처리 용량과 비용이다. 100만 토큰의 컨텍스트란 앞단에 청킹 파이프라인 없이 한 시간 분량의 녹음, 천 페이지 분량의 제출 서류, 또는 일주일치 로그가 단일 호출로 들어간다는 뜻이다. 이 모델은 입력에서 네이티브 멀티모달이다. 즉 텍스트와 이미지를 입력받아 텍스트를 출력하므로, 문서가 많거나 스크린샷이 많은 워크플로에는 별도의 비전 단계가 필요 없다. 이 모델의 매개변수 수는 Alibaba가 한 번도 공개한 적이 없지만, 그 핵심의 오픈 형제 모델인 Qwen3.8-2.4T-A95B는 약 950억 개가 활성화되는 2.4조 매개변수 규모의 전문가 혼합(MoE) 모델이며, 이는 회사 외부 사람이 알 수 있는 가장 근접한 수치다.

Glimpse의 병목은 시간 해상도다. 제약은 창이 아니라 샘플링 일정이다. 일반적인 비디오 이해 모델은 고정된 격자에서 프레임을 샘플링하며, 두 샘플링된 프레임 사이에 있는 것은 무엇이든 사라진다. 그래서 "카메라가 팬을 한 것인지 컷을 한 것인지"와 "가려진 뒤에도 같은 객체인지"는 쉬운 질문이 아니라 어려운 질문이 된다. Glimpse는 전체 클립을 이미 본 뒤 하나의 구간에 추가 연산을 투입함으로써 이 문제를 해결한다. Elorian이 공개한 트레이스에서 Glimpse는 대략 초당 8프레임으로 1차 패스를 수행해 잠정적인 해석을 형성한 다음, 클립의 0.9초 구간으로 돌아가 약 초당 14프레임으로 팬을 보고 있는지 컷을 보고 있는지 판정한다.

• 컨텍스트 — Qwen3.8-Max의 경우 1,000,000 토큰이며, A​libaba가 공개했고 우리 자체 경로에 등록되어 있습니다. Glimpse의 경우에는 공개되지 않았는데, 이는 독자가 추정치로 메워야 할 누락이 아니라 공백으로서 공백으로 취급해야 할 부분입니다.

• 입력 방식 — 둘 다 이미지를 받습니다. Qwen3.8-Max는 사용자가 정한 일정에 따라 비디오 프레임을 받습니다. Glimpse는 비디오를 받으며 첫 번째 패스 이후에 특정 구간을 다시 살펴볼 수 있는데, 이것이 바로 이 제품의 전부입니다.

• 크기 — Glimpse의 경우 비공개. Qwen3.8-Max의 경우 서빙 모델로서는 비공개이며, 2.4T / ~95B 활성 파라미터의 오픈 형제 모델이 가장 근접한 가용 대리 지표입니다.

• 가중치 — Glimpse의 경우 없음; API와 채팅만 제공하며 무료 가입이 가능합니다. 세대별로 혼합: Qwen3.8-27B는 Apache 2.0 기반의 270억 파라미터 덴스 모델이고, 2.4T 코어는 맞춤형 라이선스로 다운로드할 수 있으며, Qwen3.8-Max 자체는 가중치가 전혀 없습니다.

• 가격 — Glimpse는 백만 토큰당 $0.60 / $3.00입니다. Qwen3.8-Max는 $2.00 / $6.00이며, 캐시 읽기는 $0.25입니다.

• 독립 점수 — Artificial Analysis Intelligence Index v4.3.2에서 Qwen3.8-Max(0902)는 45점으로 217개 중 33위에 올랐으며, 출력 속도는 초당 38.8토큰으로 측정되었는데, AA는 이를 동급 대비 눈에 띄게 느리다고 평가한다. Glimpse는 어떤 종류의 독립 점수도 없으며, 어제 출시되었다.

두 공급업체 모두 각자의 비교 세트를 선택했습니다

어느 모델의 대표 가격 주장도 상대방의 주장과 맞닥뜨리면 살아남지 못한다.

Elorian은 Glimpse를 $0.60/$3.00으로 제시하며, $10/$50의 GPT-6 Astra보다 94% 낮고, $4/$20의 Claude Opus 5.5보다 85% 낮으며, $2/$10의 GPT-6.1 Sol보다 70% 낮다고 규정한다. 그 하나하나가 모두 프런티어 플래그십이다. 그들과 견주면 Glimpse는 저렴한 선택지처럼 보이며, 그 주장은 산술적으로 정확하다.

Glimpse를 Qwen 3.8 라인의 저가 끝단에 견주면 구도가 뒤집힌다. Qwen3.8-Flash의 요금은 입력 토큰 100만 개당 $0.15, 출력 100만 개당 $0.47이며, 캐시 읽기는 $0.018, 캐시 쓰기는 $0.230이다. 따라서 크고 안정적인 프리픽스가 있는 워크로드에서는 실효 입력 단가가 100만 개당 1센트에도 못 미치며, Glimpse의 입력 가격보다 한 자릿수 낮고 출력 가격보다는 대략 두 자릿수 낮다. 플래그십인 Qwen3.8-Max는 토큰 기준으로는 Glimpse보다 비싸지만, Elorian이 가격을 책정할 때 견줘 삼은 프런티어 모델보다는 여전히 네 배 저렴하다.

그것은 어느 편에서도 모순이 아니다. 그것은 두 회사가 각자에게 유리한 비교를 고르는 것이며, 독자가 할 일은 둘 모두를 자신 앞에 놓인 워크로드로 대체하는 것이다.

1시간 분량 영상 가격 책정, 양방향 모두

추상적인 요율표만으로는 아무것도 결정되지 않으니, 구체적인 작업을 하나 넣어 보자. 감시 영상 검토 스타일의 작업, 사건당 1시간 분량의 영상, 월 200건, 그리고 모델이 타임스탬프와 함께 산문으로 답해야 하는 질문이다.

Qwen3.8-Max에서는 한 시간 분량이 청킹 없이 컨텍스트 창에 들어갑니다. 촘촘하게 샘플링한 한 시간에 입력 토큰이 대략 800,000개이고 사례당 답변이 1,500토큰이라면, 한 달에 입력에 약 $322, 출력에 약 $1.80가 듭니다. 합쳐서 $324라고 하죠. 단, 같은 영상을 반복해서 검토하면 $0.25의 캐시 읽기가 입력 비용 항목을 크게 깎아서 이 산수는 더 이상 맞지 않게 된다는 점은 감안해야 합니다.

Glimpse에서는 시간당 기준도 들어맞고, 그 메커니즘은 바로 지금 제기된 질문을 정확히 겨냥한다. Elorian은 시간당 수치를 공개하지 않지만, 작업 수준의 숫자 하나는 제시한다 — 로봇 계획 에피소드가 Astra의 $0.249 대비 $0.035의 비용이 든다는 것 — 그리고 토큰을 지어내지 않고서는 그것을 비디오 리뷰에 확장할 정직한 방법은 없다. 말할 수 있는 것은 가격 구조가 질적으로 다르다는 점이다: Glimpse는 일부러 토큰을 더 써서 다시 살펴보는 모델에서 토큰당 과금하므로, 되감기는 무료가 아니고 추적 기록이 영수증이다. 그게 월 $300인지 $900인지는 모델이 얼마나 자주 되돌아가기로 결정하느냐에 달려 있으며, 그 숫자는 자신의 클립을 실행한 뒤에야 존재한다.

그 청구서의 나머지 절반은 분명히 짚고 넘어갈 가치가 있습니다. 요율표에는 나오지 않는 부분이니까요. Qwen3.8-Max는 저희 라우트 중 하나이며, 제공업체의 정가 그대로, 토큰당 아무것도 더하지 않고 전달됩니다 — 따라서 알리바바가 그 요율을 바꾸면, 그 변경은 다음 계약 갱신 때가 아니라 같은 날 저희 쪽에서 바로 적용됩니다. Glimpse는 저희 카탈로그에 없습니다. Elorian 자체 API와 채팅 인터페이스에서 얻을 수 있으며, 이는 모델에 대한 주장이라기보다 저희가 무엇을 호스팅하는지에 관한 진술입니다. 이 특정 비교에서 라우팅 계층이 유용하다는 것이 드러나는 지점은 한 층 위입니다: 200개 이상의 모델 앞에 놓인 하나의 키, 자동 장애 조치, 그래서 검증되지 않은 프리뷰나 느린 플래그십이 프로덕션 경로 앞이 아니라 곁길에 자리하게 됩니다.

다른 두 Qwen 3.8 멤버가 답변을 변경합니다

Glimpse를 Qwen3.8-Max와만 비교하면 오해를 불러일으킬 만큼 단순한 그림이 나온다. 그 세대에는 플래그십과 전혀 다르게 행동하는 구성원들이 포함되어 있기 때문이다.

Qwen3.8-Flash는 대량 처리용 라인입니다: 하나의 큰 호출이 아니라 동일한 짧은 작업을 백만 번 실행할 때 $0.15/$0.47입니다. 이미 고정된 일정에 따라 프레임을 샘플링하고 각 프레임을 저렴하게 판독하기만 하면 되는 워크플로라면, Flash가 올바른 도구이며 Glimpse에 대한 질문은 아예 제기되지 않습니다.

Qwen3.8-27B는 가격이 아니라 배선도를 바꾸는 멤버입니다. Apache 2.0 아래에서 한 대의 머신에서 다운로드해 실행할 수 있는 270억 개 매개변수의 덴스 멀티모달 모델이며, 이는 영상이 귀하의 인프라를 전혀 벗어나지 않는다는 뜻입니다. $2/$6의 Qwen3.8-Max는 영상이 무엇을 말하는지에 답하지만, 27B는 애초에 그 영상을 어디로든 보내도 되는지에 답합니다. Glimpse도 Qwen3.8-Max도 그런 것을 제공하지 않으며, 어느 공급업체도 이를 추가할 가능성은 낮습니다.

그래서 실용적인 지도에는 두 개가 아니라 세 개의 레인이 있습니다. Flash 요금으로 저렴한 고정 일정 샘플링; Max를 사용한 대규모 컨텍스트 멀티모달 추론; 그리고 미디어의 보관이 구속 조건일 때 자체 호스팅 27B입니다. Glimpse는 네 번째 레인이 아닙니다 — 그것은 세 가지 중 어느 것도 잘 답할 수 없는 단 하나의 질문, 즉 1초 미만의 간격 안에서 무슨 일이 일어났는가에 대한 베팅입니다.

이 비교를 바꾸는 것은 무엇일까?

이 페이지는 세 가지 특정한 일이 일어났을 때 다시 읽을 가치가 있으며, 그중 어느 것도 아직 일어나지 않았습니다.

첫 번째는 Glimpse에 대한 독립적인 평가가 전혀 없다는 점이다. Glimpse의 벤치마크 표는 벤더가 보고한 것이고, 재현되지 않았으며, 해당 모델 자체의 최고 사고 강도와 네이티브 에이전트 하네스로 실행된 것이고, 각주에는 여러 경쟁 모델이 최대치 이하로 실행되었다고 밝히고 있다. 독립적인 하네스 하나가 단 하나의 행을 재현하기만 해도 주장은 증거로 바뀔 것이다.

두 번째는 Glimpse의 컨텍스트 윈도우다. 실제 워크플로가 이 기능에 넘겨주는 영상보다 윈도우가 작은 비디오 추론 기능은 데모에 불과하며, 그 수치는 공개되지 않았다.

세 번째는 Qwen3.8-Max의 요금 변경이거나 해당 세대의 새 멤버입니다. 이 라인은 이미 한 번 움직였습니다 — Max는 이전 세대의 프리뷰 가격보다 낮은 $2/$6로 진입했으며 — AA는 Max 라인을 둘 이상의 빌드에서 평가했고 그 사이에서 지수 숫자가 움직였습니다. 한 분기에 다섯 멤버를 출시하는 세대는 다섯에서 멈추지 않습니다.

그때까지는 결정 규칙이 한 줄로 말할 수 있을 만큼 좁다. 당신의 질문이 영상 몇 분의 1초 안에서 무슨 일이 있었는지에 관한 것이라면, Glimpse는 그 지점을 겨냥한다고 명시된 메커니즘을 가진 두 모델 중 유일한 쪽이며, 무료 가입 덕분에 시도 비용이 저렴하다 — 클립 하나를 돌려보고, 시각적 스크래치 공간을 읽은 다음, 모델이 답을 결정한 구간으로 되돌아간 적이 있는지 확인하라. 당신의 질문이 긴 문서나 스크린샷 묶음, 혹은 한 시간 분량의 영상이 전체로서 말하는 바에 관한 것이고, 그 답이 예산 검토를 견뎌야 한다면, Qwen3.8-Max는 윈도와 요금표, 독립적인 지수, 그리고 그 가격을 매기는 경로를 갖춘 모델이며, Glimpse는 애초에 그 경쟁에 없었다.

그중 어느 것도 가정이 아닙니다: 이번과 같은 릴리스의 배경이 된 문서화된 AI 실패와 에이전트 사고는 OrcaRouter AI Incident Archive에 수집되어 있으며, 각 항목에는 자체 출처, 심각도, 신뢰도 등급, 분쟁 플래그가 함께 제공됩니다.