Qwen3.8-Flash-Next vs Qwen3.8-27B: 처리량을 임대할 것인가, 가중치를 소유할 것인가

Qwen3.8-Flash-Next와 Qwen3.8-27B는 같은 랩에서 엿새 간격으로 공개한, 같은 질문에 대한 두 가지 답이다. 그 질문은 팀이 이 세대의 모델을 실제 프로덕션 트래픽 앞에 올리려 할 때 무엇을 돌려야 하느냐는 것이다. Qwen3.8-27B는 2026년 8월 13일에 등장했다. Apache 2.0 아래 공개된 270억 파라미터의 덴스 모델로, BF16 가중치가 55.6 GB라 양자화하면 24 GB 카드 한 장에 들어간다. Qwen3.8-Flash-Next는 8월 24일 Hugging Face에, 8월 26일 ModelScope에 도착했다. 저장된 파라미터는 약 180B, 토큰당 활성화되는 것은 6B이며, 라이선스는 더 제한적인 Qwen Community License 1.0이다. 하나는 파일이다. 다른 하나는 처리량 프로필이다. 둘 중 무엇을 고를지는 대개 이 두 가지 중 여러분의 워크로드에 실제로 필요한 것이 어느 쪽이냐의 문제다.

이름만 보면 짐작하기 어렵지만, 이 둘은 생각보다 훨씬 가까운 사이다. 둘 다 기본 262,144토큰 컨텍스트를 갖추고 있으며 1,000,000까지 확장할 수 있고, 둘 다 텍스트와 이미지, 동영상을 입력받아 텍스트를 내놓으며, 둘 다 Alibaba가 Qwen3.5 세대부터 선보여 온 동일한 하이브리드 어텐션 방식을 쓴다. 즉 선형 어텐션 레이어 대다수가 긴 컨텍스트 작업을 저렴하게 처리하고, 전체 어텐션 레이어 소수가 선형 어텐션이 취약한 정밀 검색을 담당하는 구조다. 이 둘이 서로 달라지는 지점은 그 이후의 모든 것이다. 라이선스, 크기, 토큰당 가격, 그리고 실제로 하나를 돌리려면 무엇을 해야 하는지가 그것이다.

각각이 무엇인지, 각각 한 문단으로.

Qwen3.8-27B는 비전 인코더를 갖춘 dense causal 언어 모델입니다: 64개 레이어, 은닉 차원 5120, 중간 크기 17,408, 248,320개 토큰 어휘를 가지며, 어텐션 스택은 48개의 Gated DeltaNet 선형 레이어와 16개의 Gated Attention 레이어로 나뉩니다. Alibaba는 다중 토큰 예측으로 이를 학습시켰습니다. Thinking 모드는 기본적으로 켜져 있으며 `reasoning_effort` 수준은 xhigh, medium, low이고, 모델 카드의 비전 관련 항목은 문서 파싱(OmniDocBench 1.5에서 91.1), GUI 작업(OSWorld-Verified 84.3, AndroidWorld 81.9), 일반 시각 추론(RealWorldQA 85.9, MathVision 90.0)을 다룹니다. 말 그대로 이것은 다운로드 가능한 모델입니다: 하나의 리포지토리, 18개의 safetensors 샤드, 라이선스 파일, 그리고 진지한 워크스테이션이 감당할 수 있는 크기입니다.

Qwen3.8-Flash-Next는 Alibaba가 Qwen4의 기반이 될 것이라고 말하는 아키텍처를 사용하는 전문가 혼합(mixture of experts) 모델이다 — 48개 레이어, 10개는 라우팅되고 1개는 공유되는 512개 전문가, 토큰당 6B를 활성화하는 125B 파라미터의 전문가 본체, 그리고 별도의 51B n-gram 임베딩 테이블과 약 4B의 다중 토큰 예측 레이어를 갖추고 있다. 그 어텐션 스택은 동일한 3대1 아이디어를 다른 규모로 적용한 것이다: 36개의 Gated DeltaNet 레이어 대 Qwen Sparse Attention을 실행하는 12개 레이어다. 모델 카드에는 이것이 Qwen4 모델이 아니라 해당 아키텍처의 실험적 프리뷰이며, 서빙되는 프로덕션 변형은 Qwen Cloud를 통한 Qwen3.8-Flash라고 분명히 적혀 있다. 이것은 당신이 그냥 소유하는 파일이 아니라, 한 번 해결해 두면 이후 저렴하게 실행할 수 있는 서빙 문제다.

두 가지가 파라미터 수를 넘어서 갈라지는 지점

라이선스는 첫 번째 차이점이며, 이 페이지의 모든 벤치마크 논쟁보다 오래 살아남는 차이점입니다. Qwen3.8-27B는 Apache 2.0입니다, 그걸로 끝입니다: 상업적 사용, 수정, 재배포, 파생 빌드가 가능하며, 매출 기준선도 없고 협상할 별도 계약도 없습니다. Qwen3.8-Flash-Next는 Qwen Community License 1.0으로, 파생 저작물 판매를 포함한 상업적 사용을 허용하지만, 모델 서비스(MaaS) 사업이나 AI 업무 도우미 사업을 운영하면서 정해진 매출 및 월간 활성 사용자 기준을 넘는 경우 Alibaba와 별도의 상업 계약을 요구합니다. 내부 도구가 아니라 제품을 만드는 경우, 그 조항은 각주가 아니라 비용 항목입니다. 모든 점수에서 이기는 모델이라도 자격을 박탈할 수 있으므로, 벤치마크 표를 읽기 전에 라이선스를 읽어볼 가치가 있습니다.

두 번째 차이는 '로컬'이 의미하는 바입니다. 27B의 경우 로컬은 한 대의 머신을 뜻합니다: 4비트로 양자화하면 모델이 24GB 카드에 들어가며, 포맷 사다리 — GGUF 양자화 수준, Apple Silicon용 MLX, 실제 VRAM 계산 — 는 여기서 반복하지 않고 관련 페이지에서 자세히 다룹니다. Flash-Next의 경우 로컬은 180B 파라미터 체크포인트를 프로비저닝하는 것을 뜻합니다. vLLM은 51B 파라미터 n-gram 테이블을 영구 VRAM 대신 호스트 메모리에 유지하는 오프로드 경로로 첫날부터 이를 서비스하고, SGLang과 TensorRT-LLM은 NVIDIA의 Day 0 목록에 있으며, Ollama의 라이브러리에는 Apple Silicon용 MLX 빌드가 있습니다. — 하지만 "실행된다"와 "당신이 가진 머신에서 실행된다"는 다른 문장이고, 두 번째 문장을 주장할 수 있는 것은 27B뿐입니다.

공개된 수치가 말해주는 것과 말해주지 않는 것

두 모델 모두 동일한 지수에서 나온 Artificial Analysis 수치를 제공하므로, 이는 독립적인 수치를 적어도 나란히 읽을 수 있는 드문 동일 계열 내 비교입니다. Qwen3.8-27B는 Intelligence Index에서 33.7점을 기록해 전체 47위, 백분위 66위이며, AA Coding Index에서는 68.1점으로 전체 35위입니다. 오픈 웨이트 Flash-Next 프리뷰는 Intelligence Index에서 40점을 기록해 비교 클래스에 속한 113개 모델 중 5위입니다. 해당 항목들은 서로 다른 날짜에 평가되었으므로, 이 격차는 통제된 결과가 아니라 방향성으로 읽어야 합니다.

두 점수 뒤에 있는 세부 내용은 점수 자체보다 더 흥미롭다. 개별 평가에서 27B의 자체 모델 카드에는 LiveCodeBench v6에서 90.3, GPQA Diamond에서 89.2, QwenSWEBench에서 79.0이 보고되는 반면, Flash-Next preview의 카드에는 91.9, 91.7 그리고 — 같은 계열의 벤치마크에서 — SWE-bench Multilingual에서 81.0, SWE-bench Pro에서 62.5가 보고된다. 이 수치는 모두 벤더 자체 수치이며 벤더가 산출한 것이고, 그중 어느 것도 제3자가 동일한 하네스에서 재현한 바 없다. 독립적인 그림은 더 좁으며 일부 항목에서는 반대 방향을 가리킨다: preview는 지식 작업과 터미널 작업에 강하고 장기 지평 저장소 생성에는 약한 반면, 27B의 독립 코딩 지수 68.1은 자체 벤더 보고 SWE 수치가 시사하는 것보다 낮다.

인덱스가 실제로 포착하는 한 가지 실질적 차이는 preview가 장황하다는 점입니다. Artificial Analysis는 이를 초당 출력 토큰 53개, 첫 토큰까지 2.80초로 측정하고 "매우 장황하다"고 부르며, 작업당 출력 토큰 108k를 소모하는데 그중 72k는 추론입니다. 27B는 지난 7일 동안 자체 플레이그라운드를 통해 측정했을 때 초당 출력 토큰 200개를 약간 넘게 반환하며 첫 토큰 중앙값은 4.97초입니다. 서로 다른 하네스이므로 이 속도들은 참고용으로만 봐야 하지만 — 둘은 아키텍처가 암시하는 동일한 형태를 설명합니다. 하나는 답에 도달하기 위해 토큰을 더 쓰고, 다른 하나는 더 적게 쓰며, dense 설계 덕분에 둘 모두 생성 비용이 더 저렴합니다.

중요한 두 유닛 모두의 가격

토큰당으로 보면 두 모델은 차이가 크지 않아 여기서 결정이 나지는 않습니다. Qwen3.8-27B는 입력 토큰 100만 개당 $0.33, 출력 토큰 100만 개당 $2.40에 라우팅되고, 서빙되는 Qwen3.8-Flash는 $0.15와 $0.47에 라우팅되며, 둘 다 공급자의 정가를 마크업 없이 그대로 전달한 가격입니다. 따라서 프로덕션 Flash 변형은 입력에서 약 2.2배, 출력에서 약 5.1배 더 저렴합니다.

디스크상의 바이트당으로 보면, 둘은 전혀 비슷하지 않습니다. 그리고 이것이 로컬 배포를 과소평가하는 독자들이 흔히 놓치는 숫자입니다. 27B는 18개 샤드에 걸친 55.6 GB의 BF16 가중치이며, 단일 소비자용 카드에서 실행될 수 있는 수준으로 압축할 수 있습니다. 프리뷰는 동일한 정밀도의 180B 매개변수 체크포인트입니다 — 몇 배의 저장공간, 몇 배의 메모리 대역폭, 그리고 단일 장치가 아니라 호스트 메모리 오프로드를 전제로 하는 서빙 구성입니다. 이미 보유한 머신이 제약 조건이라면, 27B는 더 저렴한 선택지가 아닙니다. 그것은 유일한 선택지입니다.

어느 것을 실행할까요

모델을 임대하는 대신 소유해야 한다면 Qwen3.8-27B를 선택하세요: 온프레미스 또는 에어갭 배포, 매출 관련 논의 없이도 제품을 만들 수 있는 Apache 2.0 라이선스, 다른 사람의 요금표에 따라 비용이 늘어나지 않는 요청당 비용, 그리고 직접 운영할 수 있는 단일 GPU 서빙 구성까지. 또한 파인튜닝, 병합, 양자화가 필요할 때 이 두 모델 중에서도 올바른 선택입니다 — 저장소에는 이미 이 모델에서 파생된 수백 개의 커뮤니티 어댑터, 파인튜닝, 양자화 모델이 나와 있으며, 이것이 바로 Apache 2.0 가중치 공개가 시간이 지나면서 얻게 해 주는 것입니다.

통제보다 처리량과 토큰당 비용이 제약 조건이라면 Qwen3.8-Flash-Next를 선택하세요. 대량의 에이전트 기반 스윕, 광범위한 분류 및 추출 작업, 대규모 스크린샷 및 문서 이해, 그리고 입력 가격의 3분의 1 수준인 6B 활성 모델이 경제적으로 가능한 범위를 바꾸는 모든 상황에 적합합니다. 또한 Qwen4가 존재하기 전에 자체 데이터로 Qwen4 아키텍처를 평가하고 싶다면 이것이 바로 올바른 선택입니다 — 그것이 바로 이 프리뷰의 목적이며, 이는 도입을 확정할 이유가 아니라 테스트할 이유입니다.

규칙: 27B는 모델이 어디서 실행되는지가 병목인 독자를 위한 것이고, Flash-Next는 모델 실행 비용이 병목인 독자를 위한 것이다. 두 병목을 모두 가진 팀은 거의 없으며, 실제로 가진 하나의 병목이 보통 한 번의 회의에서 이를 결정한다.

오늘 둘 중 하나를 작동시키기

Qwen3.8-27B은 두 모델 중 시작하기 더 쉬운 쪽이며, 그것도 두 가지 방향에서 동시에 그렇습니다. 가중치를 다운로드해 Apache 2.0에 따라 직접 서빙하거나, 가속기를 건드리지 않고 호출할 수 있습니다. 저희 카탈로그에서 `qwen/qwen3.8-27b`로 라우팅되며 백만 토큰당 $0.33과 $2.40이고, 27B는 벤더 엔드포인트에서 프록시된 것이 아니라 저희 자체 인프라에서 서빙됩니다. 바로 이 두 번째 경로 덕분에 대용량 멀티모달 작업을 위한 진정한 기본값이 됩니다. 단일 OpenAI 호환 엔드포인트를 통해 접근할 수 있는 200개 이상의 모델 중 하나로서, 하나의 키로, 추가로 서명할 계약도 없이 말입니다.

Qwen3.8-Flash-Next는 저희가 제공하는 라우트가 아닙니다. 오픈 웨이트 프리뷰는 직접 다운로드해 서빙해야 하며, 이를 사용할 수 있는 경로는 API가 아니라 Hugging Face와 ModelScope를 통해 이어집니다. 저희가 라우팅하는 것은 그 프리뷰의 프로덕션 자매 모델인 Qwen3.8-Flash입니다: `qwen/qwen3.8-flash`, 백만 토큰당 $0.15 및 $0.47이며, 1M 토큰 컨텍스트에서 텍스트, 이미지, 비디오 입력을 지원하고, 공급업체의 공개 가격표를 기준으로 가격이 책정되므로 Alibaba 측의 요율 변경이 같은 날 귀하의 엔드포인트에 반영됩니다. 서빙 프로젝트 없이 프리뷰의 아키텍처를 원하신다면, 그것이 오늘 호출할 수 있는 가장 가까운 대안입니다.

둘 다 원하는 팀에게, 이 구성은 결정이라기보다 트래픽 분할이다. 둘 다 같은 키와 같은 SDK 뒤에 있으므로 요청의 일정 비율은 27B로, 나머지는 Flash 엔드포인트로 보낼 수 있으며, 자동 장애 조치가 어느 한쪽이 문제를 일으키는 순간을 흡수한다. 이는 어떤 벤치마크 표보다도 이 비교에 답하는 더 저렴한 방법이다. 왜냐하면 남의 트래픽이 아니라 여러분의 트래픽을 측정하기 때문이다.

확정되지 않은 것은 이 제품군이 완성될 때 벌어질 일이다. Qwen3.8-27B는 완성되었고 라이선스가 가능하며 다운로드할 수 있는 모델로, 여러분이 사용하는 동안 그 밑에서 바뀔 가능성은 낮다. Flash-Next 프리뷰는 아직 프로덕션 모델이 출시되지 않은 아키텍처를 위한 카나리아이며, 그것과 함께 제공되는 서빙 Flash 변형은 해당 아키텍처의 공식 버전으로 명시적으로 자리매김되어 있다. 만약 Qwen4 제품군이 2025년 말 Qwen3-Next가 세운 패턴을 따른다면, 이 프리뷰의 후속작들은 몇 달 안에 도착할 것이고, 이 페이지는 프리뷰에 관한 결정이 아니라 한 세대에 관한 결정이 될 것이다.

이 페어링을 가장 자주 결정하는 단 하나의 사실은 벤치마크가 아니라 라이선스입니다: Apache 2.0은 27B 위에 누구에게도 허락을 구하지 않고 사업을 구축할 수 있게 해주지만, Qwen Community License 1.0은 프리뷰에 대해서는 그런 권리를 주지 않습니다. 이 페이지의 나머지 모든 것 — 컨텍스트 윈도, 하이브리드 어텐션, 비전 지원 — 은 두 모델이 공유합니다.