LFM3-1.7B-Base vs Qwen 3.8: 잘못된 체급, 올바른 질문

솔직히 말하면 LFM3-1.7B-Base는 Qwen3.8-27B와 경쟁하지 않으며, 애초에 그럴 의도도 없었습니다. 질문을 제대로 하면 서로 다른 세 가지 Qwen 모델이 나옵니다. 알리바바가 2026년 8월에 공개한 오픈 가중치 27B 비전-언어 모델, 입력 100만 토큰당 $0.15, 출력 100만 토큰당 $0.47인 호스팅형 Qwen3.8-Flash, 그리고 $2.00 및 $6.00인 Qwen3.8-Max입니다. Liquid의 새로운 1.73B 체크포인트는 휴대폰, 노트북 또는 파인튜닝 실행을 위한 원시 사전 학습 자료이고, Qwen의 제품군은 완성된 제품들의 패밀리입니다. 유용한 비교는 누가 더 높은 점수를 받는가가 아닙니다. 그것은 여러분이 실제로 어떤 배포 범위를 구매하는가입니다.

그러한 구도는 이번 맞대결에 아직 본격적인 보도가 없는 이유도 설명해 줍니다. 비교 기준으로 삼을 것이 없기 때문입니다. 한쪽은 27개 행이 있는 공급업체 표를 갖고 있고, 다른 쪽은 공개된 평가가 전혀 없습니다. 그래서 이 글은 사실과 맞닿은 뒤에도 살아남는 유일한 순서, 즉 각 측이 제공하는 것, 운영 비용, 그리고 그것으로 무엇을 할 수 있는지를 기준으로 비교합니다.

Qwen 3.8 세 개, 각기 다른 세 번의 구매

Qwen3.8-27B는 오픈 웨이트 옵션입니다. 알리바바는 2026년 8월 Apache 2.0 라이선스로 이를 공개했으며, 이후 750만 회 이상 다운로드되었습니다. 이는 비전 인코더를 갖춘 27B 덴스 인과 모델로, 16 × (3 × Gated DeltaNet → FFN, 1 × Gated Attention → FFN) 배치의 64개 레이어와 알리바바에 따르면 1,000,000까지 확장되는 262,144 토큰의 네이티브 컨텍스트를 갖추고 있습니다. 이미지와 비디오를 이해하고, 사고 제어 기능을 갖추고 있으며, 장기 지평 에이전트 작업을 명시적으로 겨냥합니다.

Qwen3.8-Flash은 대부분의 팀이 실제로 가장 먼저 가격을 비교하게 될 호스팅 티어입니다. OrcaRouter의 카탈로그에서 이 모델은 1M 컨텍스트를 지원하며 텍스트, 이미지, 비디오 입력을 처리하고, 최대 출력은 131K, 요금은 백만 토큰당 입력 $0.15, 출력 $0.47입니다. 모델 페이지에는 이 모델이 2026년 8월 26일에 등록된 것으로 기재되어 있으며, 지난 한 주 동안 초당 157개의 출력 토큰을 기록했습니다.

Qwen3.8-Max는 최상위 라인업입니다: 백만 토큰당 입력 $2.00, 출력 $6.00, 1M 컨텍스트, 오픈 웨이트 없음. 이는 작업이 프런티어 가격을 정당화할 때 사용하는 등급이지, 1.7B 베이스 체크포인트와 비교하는 등급이 아닙니다.

LFM3-1.7B-Base가 실제로 제공하는 것

Liquid는 2026년 10월 26일에 LFM3-1.7B-Base 저장소를 만들었고 다음 날 해당 제품군을 발표했습니다. 이 체크포인트는 텍스트 전용이며 17.3억 개 파라미터, 게이트형 단기 컨볼루션과 전체 또는 슬라이딩 윈도 어텐션의 24개 레이어, 256K 토큰 컨텍스트, 128,000 토큰 어휘, 16개 명명 언어, 4비트 정밀도에서 약 1GB의 메모리 사용량을 갖습니다. 22조 토큰으로 학습되었으며, 마지막 3.5조 토큰은 에이전트 트레이스와 도구 호출을 포함하고 컨텍스트 확장을 수반하는 중간 학습 데이터입니다.

이 제품에 포함되지 않는 것은 점수입니다. 베이스 카드에는 평가 표도, 컨텍스트 검색 수치도, 다른 모델과의 비교도 없습니다. Liquid의 출시 블로그에 있는 모든 수치 — 평균 49.37, LiveCodeBench v6 73.46, SWE-bench Verified 43.40, GPQA Diamond 63.37, IFEval 96.66 — 는 지도 미세 조정, 강화 학습, 온폴리시 증류, 에이전틱 RL을 거친 LFM3-1.7B의 것입니다. 이들은 실제 수치이며 Liquid는 이를 자사의 수치로 정직하게 보고하지만, 이는 완성된 모델을 설명하는 것이지 이 제목에 이름이 있는 베이스 체크포인트를 설명하는 것은 아닙니다.

라이선스는 LFM Open License v1.0입니다. 이 라이선스는 라이선시의 연간 매출이 1,000만 달러 미만인 동안에만 상업적 권리를 부여합니다. 그 기준을 넘으면 해당 작업물은 이 계약에 따라 라이선스되지 않으며 별도의 계약이 필요합니다. 이 단 하나의 조항 때문에 누구든 토큰을 하나 실행해 보기도 전에 LFM3-1.7B-Base가 많은 후보 목록에서 제외될 것입니다.

왜 벤치마크 격차는 산술만으로 메울 수 없는가

Qwen3.8-27B의 벤더 수치를 Liquid의 벤더 수치와 나란히 놓고 승자를 선언하고 싶은 유혹이 든다. 하지만 그 유혹을 참아야 한다. 두 표는 같은 것을 측정하지 않기 때문이다. Qwen은 SWE-bench Pro 61.7, Terminal Bench 2.1 73.0, LiveCodeBench v6 90.3, GPQA Diamond 89.2, HLE 30.8을 보고한다. Liquid는 SWE-bench Verified 43.40, LiveCodeBench v6 73.46, GPQA Diamond 63.37, 도구 없이 HLE 7.17을 보고한다. SWE-bench Pro와 SWE-bench Verified는 난이도가 다른 서로 다른 벤치마크이고, 파라미터 수는 16배 차이 나며, 한쪽 열은 포스트트레이닝된 채트 모델을 설명하지만 다른 쪽 열은 전혀 포스트트레이닝되지 않은 베이스 체크포인트를 설명한다.

두 벤더 모두 외부에서 빌려올 가치가 있는 숫자가 하나 있습니다. OrcaRouter의 Qwen3.8-27B 모델 페이지에는 2026년 8월 14일에 평가된 Artificial Analysis Intelligence Index 33.7과 AA Coding 점수 68.1이 기재되어 있습니다. 이는 독립적인 스코어보드이며, Qwen에 대해서는 존재합니다. 2026년 10월 28일 기준으로 Artificial Analysis에서 LFM3 항목을 찾을 수 없었으므로, 반대편에는 독립적인 대응 지표가 없습니다. 오늘 이 두 모델에 대해 일대일 성능 판정을 제시하는 사람은 호환되지 않는 하네스에 걸쳐 벤더 표를 비교하고 있거나 숫자를 만들어내고 있는 것입니다.

배포 엔벨로프, 나란히 비교

• 매개변수 — LFM3-1.7B-Base: 1.73B, 텍스트 전용, 24개 레이어. Qwen3.8-27B: 비전 인코더를 갖춘 27B 밀집 모델, 64개 레이어.

• 컨텍스트 — LFM3-1.7B-Base: 256K 토큰. Qwen3.8-27B: 네이티브 262,144, 최대 1M까지 확장 가능; Qwen3.8-Flash 및 Qwen3.8-Max: 1M.

• 입력 모달리티 — LFM3-1.7B-Base: 텍스트. Qwen3.8-27B, Qwen3.8-Flash 및 Qwen3.8-Max: 텍스트, 이미지 및 비디오.

• 가중치 — LFM3-1.7B-Base: 사용자 지정 모델링 코드와 trust_remote_code를 사용하는 BF16 다운로드. Qwen3.8-27B: Transformers, vLLM, SGLang, TokenSpeed에서 실행되는 Apache-2.0 가중치.

• 메모리 최소 요구량 — LFM3-1.7B-Base: Liquid에 따르면 4비트 기준 약 1GB. Qwen3.8-27B: BF16 기준 대략 55GB이므로, 멀티 GPU 머신이나 공격적인 양자화가 필요합니다.

• 라이선스 — LFM3-1.7B-Base: LFM 오픈 라이선스 v1.0, 연간 매출 1,000만 달러 미만이면 상업적 사용 가능. Qwen3.8-27B: Apache 2.0, 매출 조건 없음.

• 게시된 가격 — LFM3-1.7B-Base: 공개된 호스팅 토큰당 가격 없음. OrcaRouter의 Qwen3.8-27B: 백만 토큰당 입력 $0.33 / 출력 $2.40; Qwen3.8-Flash: $0.15 / $0.47; Qwen3.8-Max: $2.00 / $6.00.

• 관측된 속도 — {{1}}LFM3-1.7B-Base{{/1}}: 독립적인 측정 없음. {{2}}OrcaRouter{{/2}}의 {{3}}Qwen3.8-27B{{/3}}: 지난 7일간 초당 91 출력 토큰; {{4}}Qwen3.8-Flash{{/4}}: 초당 157 토큰.

그것을 판가름하는 계산

월 1억 출력 토큰 규모의 워크로드를 가정해 보자. Qwen3.8-Flash에서는 비용이 $47이다. OrcaRouter를 통한 Qwen3.8-27B에서는 $240이다. Qwen3.8-Max에서는 $600이다. 입력 토큰은 모든 티어에서 더 저렴하므로 현실적인 조합은 그 수치보다 낮은 어딘가에 위치하지만, 청구서를 지배하는 것은 출력이며 순위는 바뀌지 않는다.

이제 그 청구 내역을 LFM3-1.7B-Base를 직접 실행하는 것과 비교해 보세요. 4비트에서는 약 1기가바이트에 들어가므로, 이미 가지고 있을 수 있는 하드웨어, 즉 노트북, 최근 휴대폰, 소형 GPU 한 장으로 가능합니다. 토큰당 한계 비용은 전기뿐이고 그 외에는 아무것도 없으며, 모델은 기기를 떠나지 않습니다. Qwen3.8-27B에 같은 계산을 적용하면 상황이 뒤집힙니다. 월 1억 출력 토큰을 100만 토큰당 $2.40로 계산하면 $240이고, 이는 시간당 약 $0.35로 24GB급 GPU를 한 달 임대하는 비용과 대략 맞먹습니다. 27B를 자체 호스팅하는 것이 호스팅 가격을 앞지르기 시작하는 것은 월 1억 출력 토큰을 넘어서야 하며, 그 계산에는 엔지니어링 시간, 55GB 다운로드, 그리고 KV 캐시를 고려하면 27B 모델에 24GB보다 훨씬 더 많은 메모리가 필요하다는 점이 무시되어 있습니다.

실용적인 관점에서 보면: 월 출력 토큰 약 1억 개 미만에서는 호스팅형 Qwen3.8 티어가 총비용과 운영 단순성에서 우수합니다. 워크로드가 휴대폰에 들어갈 만큼 작다면 LFM3-1.7B-Base가 이깁니다. 계량기가 아예 시작되지 않기 때문입니다. 이 두 지점 사이의 간극이 대부분의 실제 배포가 위치하는 곳이며, 이는 벤치마크 점수가 아니라 물량과 프라이버시에 관한 질문입니다.

OrcaRouter가 적합한 경우와 그렇지 않은 경우

세 가지 Qwen 3.8 티어 모두 오늘 OrcaRouter 카탈로그에 있으며, 자체 인프라에 셀프 호스팅된 Qwen3.8-27B도 백만 토큰당 입력 $0.33, 출력 $2.40, 262K 컨텍스트, 지난 한 주 동안 측정한 p50 첫 토큰까지의 시간 2.37초 및 초당 출력 토큰 91개를 제공합니다. 세 가지 모두를 하나의 OpenAI 호환 키 뒤에 라우팅하는 것이 핵심입니다: Qwen3.8-Flash를 저렴한 기본값으로 사용하고, 작업에 필요할 때 Qwen3.8-27B 또는 Qwen3.8-Max로 에스컬레이션하는 경로를 두며, 업스트림 하나가 성능 저하될 경우 자동 장애 조치합니다. 당사는 공급자 정가를 0% 마크업으로 그대로 전달하기 때문에 공급업체의 가격 변경이 재가격 책정 주기 이후가 아니라 같은 날 청구서에 반영됩니다.

LFM3-1.7B-Base는 우리 카탈로그에 없으며, 그렇지 않은 척하지도 않겠습니다. Liquid의 체크포인트가 귀하의 워크로드에 맞는 답이라면, 현재로서는 벤더 자체 API와 플레이그라운드를 이용하거나 셀프 호스팅 다운로드를 사용하는 경로가 있습니다. 라우터가 여전히 할 수 있는 일은 그 결정을 되돌릴 수 있게 유지하는 것입니다. 즉, 소형 모델을 호스팅 티어와 동일한 인터페이스 뒤에 두고, 작업이나 비용 기준으로 라우팅하며, 셀프 호스팅 경로에 문제가 생기면 트래픽을 다시 호스팅 모델로 옮기는 것입니다.

점수가 아니라 직무 기준으로 고르세요.

기기 자체가 제약 조건일 때 LFM3-1.7B-Base를 선택하세요. 즉, 오프라인 동작, 휴대폰이나 노트북, 단일 GPU에서 사후 학습하려는 도메인 특화 모델, 또는 1GB 풋프린트에서 256K 컨텍스트를 제공한다는 점이 관심을 갖는 이유 전체인 워크로드에 적합합니다. 이 선택이 원자재를 구매하는 것이라는 점, 라이선스에 수익 상한이 있다는 점, 아직 독립적인 평가가 존재하지 않는다는 점을 받아들이세요.

Qwen3.8-27B는 비전, 장기 실행 에이전트, 또는 실제로 배포할 수 있는 코드가 필요하고 27B 파라미터를 서빙할 하드웨어나 예산이 있을 때 선택하세요. Qwen3.8-Flash는 그 제품 기능 대부분을 5분의 1 가격으로 누리면서 가중치를 직접 소유할 필요가 없을 때 선택하세요. Qwen3.8-Max는 토큰당 작업 가치가 출력 비용 $6.00를 넘을 때만 선택하세요.

제목에 나온 맞대결은 의도된 불균형이다. 1.7B 사전 학습 체크포인트 대 27B 완성된 비전-언어 모델이니, 유용한 결론은 어느 쪽이 더 낫다는 것이 아니다. 둘이 서로 다른 질문에 답한다는 것이다. 얼마나 적은 하드웨어에서 실행할 수 있는가 대 토큰당 얼마나 많은 능력을 살 수 있는가. Liquid는 첫 번째 질문에 이례적으로 상세한 답을 내놓았다. Alibaba는 8월부터 두 번째 질문에 대한 답을 팔아 왔다.