GPT-Rosalind vs Qwen 4 Max: 3,000개의 에이전트, 하나의 청구서, 그리고 아직 출시되지 않은 모델

32분, 그리고 700개 이상의 참고문헌. 2026년 10월 21일 OpenAI는 PerturbAI 및 Scripps Research와의 협업을 발표했는데, 여기서 수천 개의 에이전트가 GPT-Rosalind에서 실행되어 수백만 개의 생쥐 세포로 구성된 전뇌 CRISPR 아틀라스를 처리했습니다. 각 에이전트는 하나의 유전자 교란을 맡아 그 주변 문헌을 검색하고 보고서를 작성했습니다. 이는 저자들이 한 번에 하나의 교란씩 수행할 경우 수개월에서 1년으로 추정하는 작업입니다. 모델 자체는 새로운 것이 아닙니다. OpenAI는 2026년 4월 16일 GPT-Rosalind를 소개했고, 9월 11일에는 이름이 지정된 파트너 목록을 넘어 범위를 넓혔으며, 10월 5일에는 입력 토큰 100만 개당 $5.00, 출력 토큰 100만 개당 $25.00로 과금을 시작했습니다. 새로운 것은 모델이 호출이 아니라 플릿으로 실행되는 모습을 처음 공개했다는 점이며, 이는 Qwen 4 Max와의 비교가 무엇에 관한 것이어야 하는지를 바꿉니다. Qwen 4 Max는 2026년 9월 22일 Alibaba의 Apsara 콘퍼런스에서 발표되었으며 여전히 가격도, 컨텍스트 윈도도, 모델 카드도 없습니다. 따라서 이 대결의 정직한 버전에는 세 가지 측면이 있습니다. 실제 단위 비용이 에이전트당인 전문가, 아직 출시되지 않은 경쟁자, 그리고 오늘 실제로 임대할 수 있는 Qwen 모델인 Qwen3.8-Max(토큰 100만 개당 $2.00/$6.00)입니다.호출 가능한 엔드포인트가 되지 못한 발표는 날짜와 출처와 함께 the AI Incident Archive에 기록되며, 우리가 추적하는 나머지 모델 및 공급업체 사건들도 함께 기록됩니다.

10월 21일 실행이 실제로 보여준 것

이 데이터셋은 Perturb-seq 아틀라스입니다. 마우스 뇌 전반에서 한 번에 하나의 guide RNA로 유전자가 교란되고, 이후 각 세포의 전사체가 판독됩니다. 산출물은 수천 개의 교란과 수백만 개의 세포를 대조한 행렬로, 어떤 실험실도 면밀히 읽어낼 수 없을 만큼 방대합니다. 바로 이것이 그 논문이 공략하는 병목입니다.

저자들이 분산 생물학적 추론이라고 부르는 이 방법은 큰 표에 대한 하나의 대형 모델 호출이 아니다. 각 에이전트는 단일 유전자 교란을 받아 세포 반응을 조사하고, 주변 문헌을 검색하며, 메커니즘을 제안하는 구조화된 보고서를 생성한다. 그런 다음 이 보고서들은 논문에서 추론 아틀라스라고 부르는 것으로 조립된다. 즉, 유전자, 세포 유형 효과, 논문, 후보 메커니즘을 연결하는 그래프다. 전체 스윕에 대해 OpenAI가 보고한 런타임은 32분이다.

모델을 선택하는 사람에게 가장 중요한 발견은 생물학이 아니다. 그것은 팀이 자체 방법을 대상으로 실시한 대조 실험이며, 그 실험에는 숫자가 붙어 있기 때문이다. 그들은 모델과 컴퓨팅을 고정한 채 단일 에이전트에게 전체 데이터셋을 주었고, 이를 수천 개로 나누어 주지 않았다. 작업량이 커질수록 단일 에이전트의 문헌 범위는 무너졌다. 가장 큰 작업량에서 단일 에이전트는 11개의 참고문헌을 인용한 반면, 분산 에이전트들은 700개가 넘는 참고문헌을 인용했다. 블라인드 평가를 진행한 인간 전문가들은 분산 보고서를 75%의 경우 선호했다.

이것들을 함께 읽으면 결론은 모델 IQ가 아니라 분해(decomposition)에 관한 것이다. 하나의 컨텍스트 창은 아틀라스를 쏟아붓으면 성능이 저하되지만, 검색 도구를 각각 갖춘 수천 개의 좁은 에이전트들은 그렇지 않다. 저자들의 표현 자체도 이를 뒷받침한다. 그들은 DCTN1 콜레스테롤 수송 가설을 발견이 아니라 후속 실험을 위한 질문으로 제시하며, 이 논문은 2026년 10월 16일에 게시된 프리프린트로 OpenAI와 PerturbAI 직원들이 공동 저술했고 아직 동료 검토를 거치지 않았다. 32분은 실제 런타임으로, 인간과의 비교는 약 한 자릿수(10배) 규모의 차이로 받아들여라.

비교 페이지에서 그 결과는 구체적입니다. 승리가 {{1}}아키텍처{{/1}}에서 비롯된 것이라면, 그 밑에 있는 모델의 결정적 속성은 벤치마크 점수가 아니라 30분 동안 3,000번 호출하는 데 드는 비용과 그것이 허용되는지 여부입니다.

이 맞대결을 결정하는 숫자는 에이전트당 비용입니다.

이 두 모델에 대해 공개된 비교들은 대개 대표 요율을 나란히 놓고 끝나는 경향이 있다. 대표 요율은 10월 21일 논문이 이제 구체화한 작업 부하에는 잘못된 단위인데, 분산 실행은 모델 호출에 섭동 수를 곱하기 때문이다. 명시된 가정으로 계산해 보자: 공유 아틀라스 서문을 읽고, 논문 몇 편을 가져와, 보고서를 작성하는 에이전트는 입력 토큰 60,000개와 출력 토큰 4,000개를 소비할 수 있다. O​penAI의 공개 요율로 이 에이전트의 비용은 $0.40 — 입력 $0.30, 출력 $0.10이다. 같은 에이전트를 $2.00/$6.00의 Qwen3.8-Max에서 실행하면 $0.14이다. 에이전트 3,000개: 약 $1,200 대 약 $432.

공유 접두사를 캐시하면 격차는 좁혀지기는커녕 더 벌어집니다. 캐시된 입력 요율이 대표 요율보다 더 크게 차이나기 때문입니다. 해당 60,000개 입력 토큰 중 50,000개를 캐시된 접두사에 넣으면 Rosalind 에이전트는 약 $0.18로 떨어지고 Q​wen 에이전트는 약 $0.06로 떨어집니다. 한쪽은 캐시된 입력이 백만 개당 $0.50이고 다른 쪽은 $0.25이므로 세 배 조금 넘게 더 저렴합니다. 이는 벤더 수치가 아니라 우리 계산이며, 프롬프트 중 얼마나 많은 부분이 실제로 공유되는지에 민감합니다. 방향성은 그렇지 않습니다.

플릿 운영을 좌우하는 기준에서 둘을 서로 맞붙여 보세요:

• 입력 가격 — GPT-Rosalind 100만 토큰당 $5.00 vs Qwen3.8-Max $2.00. Q​wen 4 Max: 미공개.

• 출력 가격 — GPT-Rosalind 100만 토큰당 $25.00 vs Qwen3.8-Max $6.00. Qwen 4 Max: 공개되지 않음.

• 캐시된 입력 — GPT-Rosalind 100만 토큰당 $0.50, O​penAI 가격 페이지에 따르면 캐시 쓰기 가격은 해당 모델에 적용되지 않음; Qwen3.8-Max $0.25. Q​wen 4 Max: 게시되지 않음.

• 3,000개 에이전트 스윕당 비용 — 위 가정 하에서 GPT-Rosalind에서는 약 $1,200, Qwen3.8-Max에서는 약 $432입니다. Q​wen 4 Max: 계산 불가.

• 컨텍스트 — 양쪽 모두 100만 토큰. Qwen 4 Max: 공개되지 않았으며, 특히 티어 이름이 계속된다는 이유만으로 Qwen3.8의 윈도우를 그대로 이어받은 것도 아님.

• 최대 출력 — GPT-Rosalind는 응답당 상한을 공개하지 않으며, Qwen3.8-Max 0902 스냅샷은 131,072 토큰을 문서화하고 있습니다. • 지연 시간 — Qwen3.8-Max는 OrcaRouter에서 첫 토큰까지 걸리는 시간(time-to-first-token) p50이 6.32초, Artificial Analysis 지수에서 초당 출력 토큰 40.3개를 기록합니다. GPT-Rosalind는 지연 시간 수치를 공개하지 않는데, 팬아웃 실행에서는 바로 그 수치가 가장 필요할 것입니다.

• 독립 점수 — GPT-Rosalind는 접근 제한된 도메인 모델이기 때문에 Artificial Analysis Intelligence Index에서 전혀 추적되지 않습니다. Qwen3.8-Max는 45점을 기록해 214개 모델 중 33위이며, 완료된 인덱스 작업당 $5.41, 초당 출력 토큰 40.3개입니다.

• 접근 — GPT-Rosalind는 O​penAI의 신뢰 접근 프로그램을 통한 승인이 필요합니다; Qwen3.8-Max는 가입이 공개된 일반 상용 API입니다.

그중 두 줄은 나머지보다 더 많은 일을 합니다. 독립 점수는 두 모델 중 어느 쪽에 관여한 사람도 제공하지 않은 표의 유일한 숫자이며, Q​wen 플래그십이 프런티어 리더가 아니라 유능한 중간 프런티어 범용 모델임을 보여줍니다 — 해당 보드에서 최고 모델이 58점인 데 비해 45점입니다. 그리고 접근 항목은 각주가 아닙니다. 그것은 플리트가 애초에 존재할 수 있는지를 결정합니다.

Q​wen 4 Max는 실제로 어디에 있는가

알리바바는 2026년 9월 22일 Apsara 콘퍼런스에서 네 가지 등급을 발표했습니다. 플래그십인 Qwen 4 Max, 처리량을 위한 Qwen 4 Flash, 중간급인 Qwen 4 Plus, 그리고 오픈 웨이트 Qwen 4 27B입니다. 이 제품군은 차세대 아키텍처로 학습되었다고 설명했으며 곧 출시될 것이라고 밝혔습니다. 그러나 어느 제품에도 출시 날짜는 명시하지 않았습니다.

한 달 후, 출시된 Qwen 플래그십이 보였어야 할 독립적인 세 곳이 있으며, 그 세 곳 모두에서 존재하지 않는다. Alibaba Cloud 자체의 Model Studio 문서에는 qwen3.8-max가 가장 높은 Max 등급으로 나열되어 있고 Qwen 4 항목은 없다. 출시 후 며칠 안에 대부분의 상용 중국 플래그십을 평가하는 Artificial Analysis에는 Qwen 4 Max 행이 없다. Qwen 3.5부터 3.8까지의 모든 등급을 포함해 200개 이상의 모델을 보유한 OrcaRouter 카탈로그에는 qwen4 식별자가 없다. 그것은 지연의 증거가 아니다. 10월 22일 기준으로 비교할 대상이 없다는 증거다.

발표와 함께 따라다닌 파라미터 수치에는 한 가지 정정이 필요합니다. 그 수치가 계속 비교 표로 퍼져 나가고 있기 때문입니다. 유통되는 5조에서 10조라는 숫자는 Qwen 4 이후 세대, 즉 Qwen 4.5와 Qwen 5 시기를 겨냥한 전망성 발언입니다. Alibaba는 Qwen 4 Max에 파라미터 수를 전혀 명시하지 않았습니다. Qwen 4 모델명 옆에 Qwen 5급 규모를 적어 넣는 것은 반감기가 긴 차용 오류입니다.

이 발표가 말해 주는 것은 A​libaba가 플래그십 등급에서 계속 경쟁할 의향이 있다는 것뿐이며, 이는 해당 제품군을 떠나기보다 그 안에 머물러야 할 이유가 됩니다. 이 발표는 마이그레이션을 계획할 수 있는 어떤 것도 알려 주지 않습니다. “곧”은 날짜가 아니고 컨퍼런스 슬라이드는 요금표가 아니기 때문입니다.

전문가 프리미엄이 무엇을 주고, 무엇을 주지 않는지

GPT-Rosalind의 사례는 OpenAI가 해당 모델과 함께 공개한 도메인 평가에 근거합니다. BixBench에서 선도적인 성능, GPT-5.4를 상대로 LABBench2 11개 중 6개 승리, 그리고 GeneBench에서 토큰당 53.7%, MedChemBench에서 18.0%, LabWorkBench에서 19.6%의 향상을 보였습니다. 이 모든 수치는 공급업체가 보고한 것입니다. 어느 것도 독립적으로 재현되지 않았으며, 이 모델은 일반 지능 리더보드에 등재된 항목이 없습니다. 이는 접근이 제한된 도메인 모델에서는 정상적인 일이며, 외부에서 그 수치를 검증할 수 없다는 뜻이기도 합니다.

검증 가능한 것은 툴링이다. Life Sciences Research Plugin은 Codex 내에서 모델을 50개 이상의 과학 도구 및 데이터 소스와 조합 가능한 스킬로 연결하며, 10월 21일 논문은 원시 추론 능력이 아니라 바로 그 스택의 시연이다. 수천 개의 에이전트가 각각 문헌을 검색하고 구조화된 보고서를 작성하는 것은 도구 통합의 결과다. Qwen3.8-Max에는 이에 상응하는 생물학 스택이 없다. 강력한 범용 도구 호출과 구조화된 출력을 갖추고 있을 뿐, 모든 과학 데이터베이스 연결은 직접 구축해야 한다.

프리미엄의 실제 실체는 바로 여기에 있습니다. 더 똑똑한 모델에 2.5×를 지불하는 것이 아니라, 분자 증거에 대한 도메인 맞춤 추론과 미리 연결된 도구 계층에 지불하는 것입니다. 그리고 10월 21일 실행은 그 결합이 생물학자가 읽을 만한 무언가를 만들어낸다는 첫 공개 증거입니다. 불편한 반론도 같은 논문에 있습니다. 통제 실험이 모델을 고정하고 분해 방식만 바꿨기 때문에, 그 결과는 값싼 모델에서도 대체로 유지될 것입니다. 이 연구는 출력 중 얼마가 GPT-Rosalind이고 얼마가 아키텍처인지 분리하지 않으며, 저자들도 그렇게 한다고 주장하지 않습니다. 분산 스윕 예산을 잡고 있다면, 그 모호함은 3,000개 에이전트당 약 $770의 가치가 있습니다. 이는 위의 두 청구서 사이의 차액입니다.

게이트는 명세의 일부입니다

GPT-Rosalind는 일반적으로 구매할 수 없습니다. OpenAI의 가격 페이지에 따르면 접근은 신뢰 기반 접근 프로그램을 통한 승인된 내부 연구로 제한되며, 9월 11일 이후 이 프로그램은 고정된 파트너 목록이 아니라 자격을 갖춘 조직을 대상으로 전 세계에 개방되었습니다. 자격은 제안된 사용 목적, 거버넌스, 통제된 접근을 기준으로 평가됩니다. 이는 병원체 및 단백질 데이터를 추론하는 모델에 합리적인 정책이며, 회사가 방금 보여준 플릿 패턴에는 강한 제약입니다.

수천 개의 에이전트를 대상으로 한 32분 실행은 필요할 때 수천 개의 동시 요청으로 버스트할 수 있다고 전제합니다. 게이트된 키에서는 제약이 분당 토큰 수가 아니라 검토, 계정 구조, 그리고 프로그램이 허용하는 동시성 상한입니다. 분산 스윕을 계획하는 팀은 요율을 비교하기 전에 그 비용을 계산에 넣어야 합니다. 왜냐하면 자유롭게 호출할 수 있는 더 저렴한 모델이 남의 일정에 맞춰 호출해야 하는 더 나은 모델보다 낫기 때문입니다.

이것은 라우팅 계층이 제 역할을 하는 지점이자, 그렇지 않은 지점입니다. GPT-Rosalind는 OrcaRouter에 없습니다 — 접근은 OpenAI의 신뢰 액세스 신청을 통해 이루어지며, 어떤 라우터도 그것을 바꾸지 못합니다. 라우터가 실제로 바꾸는 것은 전문가 호출 주변의 모든 것입니다. 10월 21일에 공개된 것과 같은 실행은 대부분 생물학이 아닙니다. 그것은 오케스트레이션, 보고서 파싱, 수천 개의 출력에 걸친 중복 제거, 그리고 아틀라스를 쿼리 가능한 것으로 바꾸는 코드입니다. 그 단계들에는 출력 백만 개당 $25의 도메인 모델이 필요하지 않으며, 그것을 거기에 넣는 것이 32분짜리 실험이 비싼 실험이 되는 방식입니다. Qwen3.8-Max는 OrcaRouter에 Alibaba의 $2.00/$6.00 정가에 0% 마크업으로, 200개가 넘는 다른 모델과 동일한 OpenAI 호환 엔드포인트를 통해 제공되며, 따라서 대량 처리 구간과 전문가 구간은 하나의 키에서 제공자 간 자동 장애 조치와 애플리케이션에 내장된 모델 이름이 아니라 구성으로 작성된 라우팅 정책을 함께 사용합니다.

Q​wen 4 Max가 출시되면, 그것이 중요한지 알아내는 가장 저렴한 방법이기도 합니다. 트래픽의 일부를 새 티어로 보내고, 이미 신뢰하는 모델로 페일오버하는 라우팅 규칙은 프로덕션을 중단시킬 수 없는 시험입니다. 그때까지 카탈로그에는 해당 항목이 없으며, 이는 발표되었지만 아직 출시되지 않은 모델이 보여야 하는 모습입니다.

이 비교를 뒤집을 요인은 무엇일까

공개된 네 개의 숫자는 Qwen 4 Max를 이름에 불과한 존재에서 경쟁자로 바꿔 놓을 것이며, 진짜가 등장했을 때 알아볼 수 있도록 그 숫자들을 꼽아 둘 만하다.

• 요금표. $2.00/$6.00보다 저렴한 Qwen 플래그십은 이 글의 계산을 백분율이 아니라 배수 단위로 바꿉니다. 그 가격에 맞먹는 모델은 아무것도 바꾸지 못합니다. 구매 가능한 Qwen 모델이 이미 그 자리에 있기 때문입니다.

• 장문 컨텍스트 동작은 정책으로 명시됩니다. 1M 윈도우에 할증 구간이 적용되는지, 그리고 그 기준 임계값이 얼마인지입니다. 특정 입력 크기 이상에서 단계별 요율이 적용된다면, 그 패턴의 모든 에이전트가 해당 구간을 넘게 되므로 아틀라스 실행에는 대표 수치보다 더 중요할 수 있습니다.

• Alibaba에서 아무도 운영하지 않는 리더보드에서 나온 에이전트 및 도구 사용 결과. 이 기사가 말하는 격차는 일반 추론이 아닙니다 — Qwen3.8-Max는 그 부분에서는 유능합니다 — 바로 과학적 도구 사용입니다. 그 축에서 독립적으로 실시되어 공개된 결과라면 전문성 프리미엄에 대한 첫 번째 진정한 시험이 될 것입니다.

• Max 티어가 가중치를 제공하는지 여부. Qwen3.8-Max는 제공하지 않았지만, 같은 세대의 27B 티어는 제공했으며, 가중치를 다운로드할 수 있는 Qwen 4 Max는 독점 서열 데이터에 어떤 일이 일어나는지 감사해야 하는 규제 대상 연구소에 GPT-Rosalind가 구조적으로 제공할 수 없는 단 하나의 요소일 것이다.

이 페이지가 실제로 뒷받침하는 결정은 그중 어느 것도 기다리지 않는다. 틀렸을 때 비용이 큰 곳 — 표적 우선순위 지정, 기전 제안, 생물학자가 읽을 보고서 — 에는 전문 모델을 배치하고, 플릿은 에이전트당 $0.14가 들고 신청서 없이 응답하는 모델에 배치하라. 10월 21일의 결과는 분산 생물학을 아틀라스 규모로 운영해야 한다는 좋은 근거다. 그것을 모두 그 자리에서 가장 비싼 모델로 운영해야 한다는 근거로는 약하며, 논문 자체의 대조 실험이 그렇게 말할 이유다.