Qwen 4: vLLM 'qwen4 fuse op' PR이 아키텍처를 명명했다 — Apsara 2026이 패밀리를 명명했다

"Add qwen4 fuse op"라는 제목의 풀 리퀘스트가 8월 26일부터 vLLM 저장소에 열린 채 남아 있었고, 그달의 대부분 동안 그것은 Alibaba의 차세대 모델에 관해 회사 밖에 존재한 설명에 가장 가까운 것이었다. 2026년 9월 22일, Alibaba의 Qwen 리드 Liu Da Yiheng이 항저우에서 열린 Apsara 콘퍼런스 개막을 이용해 그 제품군의 이름을 밝히면서 상황이 바뀌었다: Qwen 4 Max, Qwen 4 Flash, Qwen 4 Plus, 그리고 Qwen 4 27B — 오픈 웨이트 등급이자 로컬 추론 세계가 기다려 온 모델이다. 이틀 후, 콘퍼런스가 끝난 뒤 회사는 처음으로 그 제품군을 로드맵에 올렸다: Qwen 4는 훈련 중이고, 후속 라인인 Qwen 4.5와 Qwen 5는 5조에서 10조 파라미터로 예상되며, 이 수치는 Alibaba Group CEO Eddie Wu가 무대에서 제시했고 회사가 자체 영어 발표에서도 다시 언급했다. 두 주가 지난 지금, 그 로드맵은 일정이 아니다. 현재 돌아다니는 시점은 10월 또는 11월 초라는 창(범위)이며, 그중 어느 것도 Alibaba가 공개한 무엇에도 근거하지 않는다. 회사의 자체 문서에는 월도, 분기도, 날짜도 없다. 이 모델에는 식별자도, 컨텍스트 창도, 가격도 없다. 그리고 Hugging Face의 Qwen 조직에는 Qwen 4 저장소가 존재하지 않는다. 그 창은 계획이 아니라 바람으로 취급하라. 그 풀 리퀘스트 — vllm-project/vllm#53909, 여전히 열려 있고, 여전히 병합되지 않았으며 여전히 리뷰를 기다리는 — 에도 출시일도 파라미터 수도 없다. 그것은 세 가지 연산자 계열을 위한 독립형 Triton 커널을 추가한다: HyperConnection, Qwen Sparse Attention(QSA), PLE 상태 연산. 제목에는 "qwen4"라고 적혀 있고, 그 연산자 목록은 Alibaba가 Qwen3.8-Flash-Next의 오픈 웨이트로 출시한 아키텍처와 거의 정확히 일치한다 — 2026년 8월 26일 출시된 멀티모달 전문가 혼합 모델이며, Hugging Face 카드에는 "A Preview of the Qwen4 Architecture"라고 적혀 있다. Qwen 4 자체는 아직 출시되지 않았다. 그 제품군에는 이름과 로드맵상의 자리, 그리고 소문으로 도는 시점이 있다. 커널들은 여전히 그것을 설명하는 유일한 것이다.

이것은 출시 기사가 아니라, 지금까지 우리가 알고 있는 내용을 정리한 글입니다. Aliba​ba는 이제 공개 무대에서 이 패밀리의 이름을 밝히고 회사 로드맵에 올렸지만, 이름을 붙이는 것이 출시를 의미하지는 않습니다: 어떤 Qwe​n 4 티어에 대해서도 모델 카드, 가중치, API가 없으며, 아래의 모든 아키텍처 주장은 여전히 어떤 Qwe​n 4 문서가 아니라 Qwen3.8-Flash-Next 프리뷰와 그 주변의 엔지니어링 산출물에서 나온 것입니다. 확실한 증거는 아직 검토 중인 vLLM 풀 리퀘스트, 공개된 프리뷰 모델, 동일한 Qwe​n4-Exp 아키텍처 구성을 네이티브로 지원하는 8월 27일 제출된 sglang PR, 그리고 그 이후 vLLM 자체 모델 레지스트리의 main에 등록된 qwen4_exp 항목 — Qwen4ExpForCausalLM, Qwen4ExpForConditionalGeneration, Qwen4ExpMTP — 과 9월 1일에 병합된 Rust 프론트엔드 멀티모달 작업입니다. 우리가 그것들로부터 내리는 결론 — PR에 있는 연산자들이 Aliba​ba가 프리뷰한 아키텍처라는 것 — 은 그 증거에 대한 해석이며, 아래의 모든 세부 사항은 그에 따라 표시되어 있습니다. 여기서 한 가지 주장은 Alibaba의 것이 전혀 아닙니다: 10월에서 11월 초로 이어지는 기간은 X의 관심목록 게시물과 지난 2주 동안 그것을 반복한 트래커 페이지에서 나온 것이며, 재현되지 않았고, 나타나는 곳마다 커뮤니티 출처로 표기됩니다.

알리바바가 9월 22일에 실제로 말한 내용

Aliba​ba는 2026년 9월 22일부터 9월 24일까지 항저우에서 열린 Apsara(Yunqi) 콘퍼런스 개막식에서 Qwe​n 4 패밀리를 미리 선보였으며, Qwe​n 리드 Liu Da Yiheng이 무대에 올랐다. 개막식에서는 3.8 세대가 이미 확립한 구조에 따라 네 가지 티어가 명명되었다:

• Qwe​n 4 Max — 플래그십 등급이며, 다른 모든 프런티어 연구소의 최상위 모델에 맞서는 모델입니다.

• Qwe​n 4 Flash — 높은 처리량을 위한 계층으로, 최고 수준의 추론 능력보다는 지연 시간에 민감한 대량 작업을 겨냥합니다.

• Qwe​n 4 Plus — 균형 잡힌 중간 티어.

• Qwe​n 4 27B — 오픈 웨이트 티어: Qwe​n이 이전에 오픈 웨이트를 출시했던 크기 등급이며, 로컬 실행 옵션으로 언급되는 등급.

27B 엔트리는 이번 발표에서 구체적인 부분이며, 이 글 뒤에 있는 소싱 신호가 반응한 대상이 바로 그것이다. 3.8 세대에서 27B 티어는 출시 며칠 만에 MLX로 변환되고 NVFP4로 양자화되어 파인튜닝된 오픈 웨이트 배포판이었으므로, 이름이 붙은 Qwe​n 4 27B는 그 다운스트림 생태계에 다시 타깃을 제공한다. 그것은 릴리스가 아니라 타깃이며, 이 구분은 기억해 둘 만하다: Aliba​ba는 이에 대해 파라미터 세부 구성, 라이선스, 컨텍스트 윈도, 날짜 중 어느 것도 공개하지 않았고, 티어 이름만으로는 그것이 덴스형인지 전문가 혼합형인지조차 알 수 없다. 이전 27B 티어를 구동 가능하게 만든 모든 것, 즉 크기 등급과 단일 머신 중심성은 제품 라인의 역사에서 물려받은 것이지 이 모델에 대해 명시된 것이 아니다.

그 콘퍼런스가 내놓지 않은 것이 바로 독자가 계획을 세울 때 기준으로 삼을 수 있는 것이다. Alibaba가 밝힌 입장 — 무대에서 전달되었고 독립적으로 검증된 것이 아니라 여러 독립 매체에 의해 보도된, 벤더 측의 프레이밍 — 은 Qwen 4가 차세대 아키텍처를 기반으로 구축되었으며, 현재 학습 중이고, "곧" 출시된다는 것이다. 어떤 티어에도 컨텍스트 윈도, 가격, 모달리티 목록, 공개된 점수가 없다. 콘퍼런스에서 날짜가 붙은 유일한 항목은 11월로 예정된 차세대 비디오 모델이었다. 같은 무대에서 나온 숫자 하나는 따로 구분해 두어야 한다. 5조에서 10조 개 파라미터라는 야심은 Qwen 4가 아니라 Qwen 4.5와 Qwen 5 시기의 것이며, 어떤 Qwen 4 티어에도 파라미터 수는 붙지 않았다. 그 수치는 이제 유출이나 떠도는 주장이 아니다. 그것은 CEO 에디 우의 기조연설에 귀속된, Alibaba 자체의 영어 보도자료에 들어 있으며, 날짜도 아키텍처도 없는 전망치로 제시되어 있다. 즉 회사가 밝힌 것이고, 여전히 재현되지 않았다.

따라서 명명은 그 패밀리의 지위를 바꾼 것이지, 증거의 상태를 바꾼 것은 아니다. 아래의 모든 내용은 여전히 이 아키텍처가 무엇인지에 대한 서빙 계층의 설명이며 — 그리고 그 발표가 자체 사양을 전혀 추가하지 않았으므로, 그 설명은 Aliba​ba가 공개한 그 어떤 것보다도 더 상세하게 남아 있다.

"qwen4 fuse op" PR이 실제로 무엇인지

vllm-project/vllm의 풀 리퀘스트 #53909는 기여자 포크에서 온 것으로, 현재 열려 있으며 코드 소유자 리뷰를 기다리고 있습니다. 자동 리뷰는 바로 포크에서 왔기 때문에 비활성화되었습니다. 이는 작고 커널 형태의 작업입니다:

• 세 가지 HyperConnection 커널 — 그룹화된 Ge​ma RMSNorm, 게이트 리듀스, 및 인젝션 컴바인.

• 비교를 위한 세 개의 QSA 커널과 세 개의 벤더 기준선 래퍼

• PLE 상태 수집 및 마스크된 산란 커널.

• dtype 및 shape 가드, 페이징 메타데이터, 캐시 슬롯, MRoPE 레이아웃, 스트라이드 상태, null 및 중복 인덱스, 결정적 실행을 다루는 13개의 통과 테스트.

연산 목록 외에도 중요한 세부 사항 두 가지가 있다. 첫째, 구현은 실패 시 폐쇄(fail-closed) 방식이다. 호스트 가드는 일반적인 Torch 계산 경로로 대체되지 않고 오류를 발생시키는데, 어텐션 커널에서 조용히 잘못된 값이 나오는 것은 명백한 실패보다 더 나쁘기 때문이다. 둘째, 명명의 분리 — 제목은 "qwen4"라고 하지만 설명은 Qwen3.8-Flash-Next라고 지칭한다 — 그 자체가 신호다. vLLM 측은 프리뷰 모델을 qwen4 계열의 첫 번째 인스턴스로 취급하고 있으며, 그 이후에 나올 모든 것을 포괄할 커널을 패밀리 이름 아래 구축하고 있다.

"퓨즈 연산(fuse op)"이 무엇인지 맥락을 설명하자면, 추론 엔진은 일반적으로 모델의 그래프를 연산 하나당 커널 실행 한 번으로 처리하며, 모든 실행은 오버헤드를 수반합니다. 즉, 커널 간 메모리 왕복과 디스패치 비용이 발생합니다. 여러 요소별 연산과 상태 연산을 단일 커널로 융합하면 이러한 오버헤드가 줄어드는데, 바로 이 지점에서 새로운 아키텍처의 비용과 지연 시간의 승패가 갈립니다. 어디에도 융합 구현이 없는 연산자로 구축된 모델은 학습이 아무리 뛰어나더라도 느리고 메모리를 많이 소비하게 됩니다. 이러한 연산을 제대로 융합하는 첫 번째 엔진이 해당 모델의 실제 비용을 결정합니다.

커널 이름을 청사진으로 읽기

이 연산자들은 모두 표준 트랜스포머 opset에 존재하지 않습니다. 그래서 새 커널이 필요한 것이며, 각각은 Aliba​ba가 Qwen3.8-Flash-Next에서 미리 공개한 아키텍처의 특정 부분에 대응합니다:

• HyperConnection → 게이트된 잔차 연결. 단일 잔차 스트림은 요소별 동적 게이팅을 갖춘 네 개의 병렬 분기로 확장되어, 모델이 각 분기에서 읽고 쓰는 양을 결정할 수 있게 합니다. 잔차 상태는 FP8로 저장하여 메모리 트래픽을 줄일 수 있습니다.

• QSA → Qwen Sparse Attention(Qwen 희소 어텐션). 경량 인덱서가 키를 4:1 압축 비율로 마이크로블록으로 압축하고 점수를 매겨 최상위 512개 블록(약 2,051개 논리적 토큰 위치)을 유지합니다. 최종 softmax와 값 집계는 여전히 압축되지 않은 원본 K/V에서 수행됩니다. 48개 레이어 중 12개는 QSA이며, 나머지 36개는 고정 크기 순환 상태를 갖고 커지는 KV 캐시가 없는 GDN 선형 어텐션 레이어입니다.

• PLE 상태 연산 → n-그램 메모리. 510억 개의 파라미터를 가진 룩업 테이블(SGLang 문서의 'Per-Layer Embeddings')은 현재 토큰과 그 앞의 두세 개 토큰으로 해시 주소를 계산하여 토큰당 16개의 행을 가져옵니다. 그 위치는 미리 계산 가능하므로 GPU VRAM을 차지하는 대신 호스트 메모리에 저장하고 비동기적으로 프리페치할 수 있습니다.

• 커널이 들어 있는 MoE 본체: 총 125B 파라미터로, 토큰당 약 6B만 활성화 — 5% 미만의 활성화율 — 512개 전문가에 top-10 라우팅 방식으로 분산됩니다.

두 가지 주의점이 이것을 정직하게 유지한다. 첫째, 위의 아키텍처는 Qwen3.8-Flash-Next의 모델 카드와 커뮤니티 분해 분석에서 읽어낸 것이지, 어떤 Qwe​n 4 문서에서 나온 것이 아니다 — 그것은 이 패밀리에 관한 증거일 뿐, 패밀리의 사양은 아니다. 둘째, 그중 어느 것도 핵심 사실을 바꾸지 않는다: Qwe​n 4는 어떤 카탈로그에도 존재하지 않는다.

별도의 증거 축은 비전 경로이며, 이는 위의 커널 독해와 분리해 둘 가치가 있다. 어떤 연산자 매핑과도 무관하게, main 브랜치의 vLLM 자체 모델 레지스트리에는 qwen4_exp 항목 — Qwen4ExpForConditionalGeneration — 이 Qwen3-VL 비전 타워와 Qwen3VLMultiModalProcessor를 갖춘 멀티모달 모델로 등록되어 있다. 그 설정을 엔진의 멀티모달 크레이트에 연결하는 Rust-frontend PR(#54813), 즉 이미지 입력을 토큰으로 바꾸는 코드 경로는 2026년 9월 1일에 병합되었다 — 같은 PR이 열려 있는 것보다 더 강한 진술인데, qwen4 라인의 멀티모달 경로가 이제 누군가의 포크가 아니라 엔진 안에 있기 때문이다. 그것은 여전히 릴리스가 아니다: 그 레지스트리 항목이 기술하는 모델에는 가중치도 API도 없다. 하지만 그것은 차세대 Qwen이 이미지 입력을 받는다는 첫 엔지니어링 수준의 확인이며, 그 아키텍처에 붙은 "멀티모달"이라는 라벨은 더 이상 프리뷰의 모델 카드에 있는 한 줄에 그치지 않는다.

왜 아키텍처가 비용 구도를 바꾸는가

Qwe​n 4가 이 아키텍처로 출시된다면, 그 경제성은 표준 덴스 — 또는 일반적인 MoE — 트랜스포머와는 다르며, 그 차이가 바로 커널 작업을 지켜볼 가치가 있는 이유다.

• 메모리와 연산 분할. 메모리 비용은 총 파라미터를 추적합니다 — 모델을 서비스하려면 전체 125B가 상주해야 합니다. 연산 비용은 활성 파라미터를 추적합니다 — 순방향 패스당 약 6B만 실행됩니다. 이러한 분리가 "125B" 모델을 훨씬 더 작은 모델의 비용으로 서비스할 수 있게 해줍니다.

{{1}}KV 캐시{{/1}}는 대부분의 레이어에서 증가를 멈춥니다. 48개 레이어 중 36개가 고정 크기 순환 상태 어텐션을 사용하므로, 증가하는 키/값 캐시는 12개 레이어로 제한됩니다. 262K 토큰 네이티브 컨텍스트({{2}}YaRN{{/2}}을 통해 1M)에서 이는 긴 컨텍스트 서빙을 아예 감당할 수 있게 만드는 큰 이유입니다.

• 큰 테이블은 오프로드할 수 있습니다. n-gram 테이블은 51B 파라미터의 가장 큰 단일 메모리 소비자이며, GPU에 상주할 필요가 없습니다. SGLang의 day-0 작업에서는 BF16 테이블을 고정된 호스트 메모리로 오프로드하면 H200에서 GPU당 약 23GiB가 해제되고 할당된 KV 용량이 약 78% 증가하는 것을 측정했습니다 — 비트 단위로 동일한 출력을 내면서. vLLM 쪽에서는 동일한 오프로드가 하나의 PR이 아니라 여러 단계로 나뉘어 적용되었습니다: 원래 지원 PR(#53899)은 9월 21일 병합되지 않고 닫혔으며, 기능 자체는 별도의 병합을 통해 도입되었습니다 — #54371(9월 9일, Engram 텐서 병렬 처리를 사용한 UVA 기반 PLE 오프로드)과 #57497(9월 25일, ROCm 경로)입니다.

이 수치들 중 어느 것도 아직 독립적으로 검증되지 않았습니다 — 7.6×/4.9× 긴 컨텍스트 속도 향상 주장, SGLang 게시물의 540 tok/s 디코딩 수치, "Qwen3.7-Plus의 1/9" 훈련 비용 주장 — 그리고 중립적인 지수가 이를 재현할 때까지 벤더 또는 커뮤니티 보고로 간주되어야 합니다.

그것을 제공하기 위한 경쟁

두 주요 엔진 모두 qwen4 작업이 진행 중입니다. SGLang은 8월 26일 프리뷰 이후 며칠 만에 day-0 지원을 공개했고, 이후 양쪽의 작업은 구성(config) 등록부터 커널 및 메모리 엔지니어링까지 계속해서 쌓여 왔습니다.

• SGLang은 8월 26일 SGLang, Aliba​ba, NVIDIA, AMD가 함께한 협업으로 day-0 포스트를 게시했으며, NVFP4 체크포인트를 출시하고 B200에서 TP4로 추측 디코딩(speculative decoding)을 사용해 초당 540 토큰 디코드를 달성한다고 주장했습니다.

• 8월 27일, sglang PR(#36585)가 엔진 자체에 네이티브 Qwe​n4-Exp 지원을 추가했습니다 — Qwen4ExpForConditionalGeneration 구성을 등록하고, 동일한 GatedResidual, Gated DeltaNet, Qwe​n sparse attention, PLE, MoE 구성 요소로 구축된 텍스트 모델을 포함했습니다. 이 PR은 아직 병합되지 않았습니다: 메인테이너가 아닌 기여자가 제출했고, 작업은 Argus라는 자율 에이전트에 의해 수행된 것으로 기록되어 있으며, 여전히 열려 리뷰를 기다리고 있습니다. 하지만 그 근거는 독립적으로 확인할 수 있습니다 — Qwen3.8-Flash-Next 자체 구성이 model_type=qwen4_exp를 선언하고, 참조 구현은 이제 huggingface/transformers의 models/qwen4_exp 아래에 있습니다.

• 9월 8일, Qwen4/Flash-Next 라인 전용 sglang 브랜치인 qwen4-main-squashed를 대상으로 sglang PR 초안(#38492)이 열렸는데, 이것은 등록 작업이 아니다. 이 PR은 SM120에서 Qwen3.8-Flash-Next용으로 처음 구축된 수락된 상태 복구 경로인 RecoverSSM을, 이 아키텍처의 다중 토큰 예측(MTP) 검증을 위해 이식한다. MTP 초안은 Gated DeltaNet 계층의 고정 크기 순환 상태를 통과하며, 초안이 검증되는 동안 모든 중간 추측 상태를 메모리에 보관하는 대신, 엔진은 커밋된 상태와 수락된 토큰 접두사로부터 수락된 상태를 재구성한다. 이 모드는 옵트인 방식이며(--gdn-mtp-cache-mode none 플래그; 현재의 전체 캐시 동작이 기본값으로 유지됨), 이 이야기의 기준으로 봐도 이르다: 9월 14일에 마지막으로 손댄 초안으로, 현재 head가 여전히 검사 9개를 실패하고, 리뷰 준비 완료로 표시되기 전에 작성자 자신의 체크리스트가 열려 있다. 방향이 핵심이다 — sglang은 단지 구성(config)을 등록하는 것이 아니라 Qwen4 서빙 경로를 엔지니어링하고 있다.

• vLLM의 qwen4 라인은 이 글이 처음 게재된 이후 몇 주 사이에 열린 PR 세 건에서 뒤섞인 장부로 바뀌었다. Rust 프런트엔드 멀티모달 PR(#54813)은 9월 1일에 병합되었다. PLE-offload 작업은 두 부분으로 나뉘어 병합되었다 — #54371은 9월 9일, #57497은 9월 25일 — 반면 원래 PLE-offload PR(#53899)은 9월 21일에 병합되지 않은 채 닫혔다. config는 이후 업스트림으로 올라갔다: qwen4_exp config와 프로세서를 업스트림 Transformers 구현으로 전환하는 #57387이 10월 2일에 병합되었다. 여전히 열려 있는 것은 이 글의 주제인 fuse-op PR(#53909)이다 — 10월 1일에 제출된 QSA 링 버퍼 버그픽스(#59528)와 9월 26일부터 열려 있는 510억 파라미터 n-gram 테이블에 대한 SM86(Ampere) 패스(#58856)와 함께. 이는 모델이 아무도 실행해 본 적 없는 무언가가 아니라 사람들이 구형 하드웨어에서 서빙하려고 하는 대상일 때 누군가가 하는 종류의 작업이다. qwen4_exp config 자체는 vLLM에 멀티모달로 등록되어 있다: Qwen3-VL 비전 타워가 Qwen4-Exp 텍스트 모델과 짝을 이룬다.

이것은 실질적인 상이 걸린 경쟁입니다. 새로운 연산자를 가장 잘 융합하는 엔진이 Qwen4 세대의 서빙 가격을 결정합니다. 하이브리드 어텐션 모델의 토큰 비용은 원시 매개변수 수가 아니라 커널 효율성으로 구성되기 때문입니다.

오늘 실제로 출시된 것은: Qwen3.8-Flash-Next vs Qwen 4

이 이야기 속 두 가지를 정확히 짚고 넘어갈 필요가 있다. 명명(命名)이 큰 역할을 하고 있기 때문이다.

• Qwen3.8-Flash-Next가 출시되었습니다. 오픈 가중치는 qwen-community-1.0 라이선스 하에 표준 및 FP8 변형으로 Hugging Face와 ModelScope에서 제공되며, 모델 카드가 사양을 확정합니다 — 125B MoE, 약 6B 활성, 51B n-gram 테이블, 262K 컨텍스트, 멀티모달. 이는 플래그십이 아닌 아키텍처 프리뷰입니다.

• Qwen3.8-Flash는 Aliba​ba가 함께 발표한 서비스 중인 프로덕션 변형으로, Qwe​n Cloud에 입력 토큰 백만 개당 ¥1, 출력 토큰 백만 개당 ¥3(대략 $0.16 / $0.47)에 등록되어 있으며, 기본 1M 토큰 컨텍스트와 내장 도구를 갖추고 있습니다. 공급업체 보고 가격으로, 아직 어떤 독립 지수에도 포함되지 않았습니다.

• Qwe​n 4는 출시되지 않았다. Aliba​ba는 2026년 9월 22일 네 개 티어의 이름을 모두 밝히고, 해당 패밀리가 훈련 중이며 곧 출시될 것이라고 말했다 — 시기에 관한 첫 언급이지만 여전히 일정은 아니다. 어떤 티어에도 날짜도, 카드도, 가중치도 없다. 현재 돌고 있는 시기는 10월에서 11월 초이며, 이는 Aliba​ba가 아니라 관심 목록 스레드와 트래커 페이지에서 나온 것이다: 훈련 상태는 회사가 밝힌 것이고, 시기는 커뮤니티에서 나온 것이다. 7월 로드맵 유출에서 돌았던 9월 시기는 이미 지났고, 이는 그 자체로 답이다.

• Qwen 4 27B 티어는 비벤치마크적인 이유로 주목해야 할 티어다: 이 제품군에서 오픈 웨이트를 출시해 온 이력이 있는 유일한 티어이며, 발표된 27B는 로컬 추론 스택이 계획을 세우는 기준이 되는 제품이다 — 그래서 여기서는 누락된 크기 세부 구성, 라이선스, 날짜가 플래그십의 경우보다 더 중요하다.

프리뷰의 벤치마크 표 — DeepSWE 1.1: 58.7, SWE-bench Pro: 62.5, LiveCodeBench v6: 91.9 — 는 카드에 공급업체가 보고한 값이며 독립적으로 재현되지 않았습니다. 아키텍처를 기준으로 계획하고, 점수는 측정값이 아니라 약속으로 취급하십시오.

개발자가 지금 해야 할 일

오늘 당신의 현재 스택에 달라지는 것은 없습니다: Qwen 4는 어디에서도 호출할 수 없습니다 — Apsara가 티어 이름을 붙이고 이 패밀리를 로드맵에 올려두었지만, 그중 아무것도 출시하지 않았습니다 — 그리고 이 글을 쓰는 시점에 Qwen3.8-Flash-Next 오픈 웨이트는 우리 자체 모델 목록에도 여전히 없습니다 — 오늘 우리가 실제로 통과시켜 주는 것 중 가장 가까운 것은 백만 토큰당 $0.15/$0.47인 서빙 중인 Qwen3.8 Flash 변형과 $0.33/$2.40인 Qwen3.8 27B 오픈 웨이트 경로이며, 후속 세대가 아직 소문에 불과한 동안 이는 카탈로그에서 로컬 실행 가능한 Qwen에 가장 가까운 것입니다. 로드맵 문구는 두 번 읽어볼 가치가 있는 유일한 항목입니다. 왜냐하면 Alibaba가 후속 세대를 문서에 약속한 첫 번째 사례이기 때문입니다: 만약 Qwen 4.5와 Qwen 5가 정말로 5조~10조 파라미터 대역에 들어온다면, 그 세대에서 자체 호스팅할 여유가 있는 티어는 덜이 아니라 더 중요해집니다. 패밀리가 출시되기 전에 아키텍처를 먼저 느껴보고 싶다면, 정직한 경로는 직접 웨이트를 받아오거나 API 뒤에서 프리뷰가 공개되기를 기다리는 것입니다. 27B 티어를 기준으로 계획하는 사람이라면 같은 말이 적용되며 한 가지가 더해집니다: API 없이 실행 가능할 가능성이 가장 높은 티어이기 때문에 정확히 추적할 가치가 있으며, 현재 네 가지 중 가장 덜 명세된 티어입니다.

Qwen3.8-Flash-Next 또는 Qwe​n 4 모델이 제공자 카탈로그에 실제로 등장할 때, OrcaRouter에서의 전환 비용은 거의 0입니다: 200개 이상의 모델을 위한 하나의 API, 제공자의 정가가 0% 마크업으로 그대로 전달되며, 공급업체의 가격 인하는 같은 날 저희 쪽에 실시간 반영됩니다. Qwen3.8 Max에 이미 사용 중인 동일한 엔드포인트와 키 — 오늘 qwen/qwen3.8-max로 호출 가능하며 백만 토큰당 $2.00/$6.00, 정가 그대로 전달 — 는 Qwe​n 4 호출이 사용할 동일한 엔드포인트입니다.

검증되지 않은 아키텍처의 경우, 자동 페일오버가 올바른 첫 단계입니다: 새 모델로 트래픽 일부를 라우팅하고, Qwen3.8 Max(또는 워크로드가 실제로 필요로 하는 모델)로 페일오버한 다음, 실제 트래픽이 프리뷰가 카드에 부합하는지 결정하게 하십시오. 이는 재작성이 아닌 라우팅 DSL 편집입니다.

우리가 보고 있는 것

• 퓨즈 연산(fuse-op) 커널이 병합될지(#53909) — 이제 vLLM의 원래 qwen4 PR 세 개 중 아직 열려 있는 마지막 항목입니다. 멀티모달 프런트엔드와 PLE 오프로드 작업은 이미 반영되었고, 설정은 업스트림에 들어갔습니다. sglang 쪽에서는 네이티브 지원 PR과 RecoverSSM 초안이 모두 아직 열려 있습니다. 병합된 커널 세트는 qwen4 라인이 두 런타임의 단기 로드맵에 있다는 지금까지 가장 강력한 신호입니다.

qwen4-main-squashed가 sglang의 Qwen4 메인라인으로 굳어질지 여부 — 커널 및 메모리 작업이 계속 통합되는 브랜치는 단일 기여자 PR보다 더 강한 약속이며, 플래그십에 날짜가 정해지면 그것이 어떻게 될지 지켜볼 가치가 있다.

• 비전 경로가 출시까지 살아남는지 여부 — qwen4_exp 멀티모달 레지스트리 항목과 Rust 프런트엔드 통합은 플래그십이 이미지 입력을 탑재한다는 첫 번째 확실한 신호이며, 둘 다 이제 포크가 아니라 vLLM의 메인라인 코드에 있습니다. 남은 의문은 출시되는 모델이 그 비전 타워를 유지하느냐입니다.

• Qwen3.8-Flash-Next에 대한 첫 독립 수치로, 이는 해당 아키텍처의 비용 주장이 공급업체 외부에서도 유효한지에 대한 첫 번째 테스트가 될 것입니다.

• Qwe​n 4 자체에 대한 날짜나 카드. 이 제품군은 이제 이름, 티어 리스트, 학습 상태, 그리고 공개된 로드맵에서의 위치를 갖췄지만, 그중 어느 것도 일정은 아니다. 커뮤니티에서 도는 시점은 10월에서 11월 초이며, Aliba​ba가 Apsara에서 공개한 로드맵에는 날짜가 전혀 없고, Hugging Face에 Qwe​n 4 저장소도 나타나지 않았다. 다음 진짜 신호는 날짜가 붙은 첫 번째 것이다 — 모델 카드, API 식별자, 또는 가중치.

• 특히 Qwen 4 27B 등급 — Qwen3.8-27B 방식대로 오픈 웨이트를 공개할지, 어떤 라이선스로 공개할지, 그리고 변환 및 파인튜닝 생태계가 얼마나 빠르게 뒤따를지.

• 제품군의 라이선스 — Qwen 4가 사용 제한 라이선스 하에 오픈 웨이트를 공개하는 Qwen3.8 Max의 패턴을 반복할지, 아니면 더 개방적으로 나아갈지.

프리뷰에서의 제공 가격 경쟁은 하이브리드 아키텍처의 토큰이 프로덕션에서 실제로 얼마인지 알려줄 것입니다.

자주 묻는 질문

Qwen 4는 언제 출시되나요? 아직 날짜는 나오지 않았고, 이제 시점에 관한 공식 입장이 하나가 아니라 두 개다. 알리바바 그룹 CEO 에디 우는 2026년 9월 22일 아프사라(Apsara)에서 Qwen 4가 학습 중이며, 후속 라인인 Qwen 4.5와 Qwen 5가 5조에서 10조 개 매개변수 규모로 예상된다고 확인했다. 알리바바의 영문 발표 자료도 이 두 가지를 그대로 반복한다. 어느 입장에도 일정은 없다. 시점에 관한 세 가지 주장이 돌고 있는데, 그중 어느 것도 알리바바의 것이 아니다. 2026년 9월이라는 시기를 띄운 7월 로드맵 유출은 출시 없이 그 시기가 지나갔고, 지금 관심 목록 게시물과 트래커 페이지에서 도는 10월에서 11월 초 시기는 연구소의 발표가 아니라 연구소의 출시 주기를 읽은 것이다. 8월 26일 Qwen3.8-Flash-Next 릴리스는 명시적으로 아키텍처의 프리뷰이며, 플래그십이 아니다.

Qwe​n 4는 Qwen3.8-Flash-Next와 같은 모델인가요?아니요. Qwen3.8-Flash-Next는 공개된 오픈 웨이트 모델이며, 해당 모델 카드에서는 이를 "Qwen4 아키텍처의 프리뷰"라고 부릅니다. Qwe​n 4는 Aliba​ba가 9월 22일에 이름을 붙인 미출시 제품군으로, 네 개의 티어가 있고 공개된 사양은 없습니다. 아키텍처는 공유하지만 제품은 다릅니다.

오늘 Qwen 4를 사용할 수 있나요? 아니요 — 가중치도 API도 없는 모델로는 아무것도 라우팅되지 않으며, 9월 22일 발표도 이를 바꾸지 않았습니다. 실제로 접할 수 있는 가장 가까운 것은 8월 26일에 공개된 Qwen3.8-Flash-Next 오픈 가중치이거나, OrcaRouter에서 백만 토큰당 $2.00/$6.00에 제공되는 Qwen3.8 Max API입니다.

커널이 곧 메시지다 — 그리고 9월 22일 발표는, 무대에 오른 시간이 아무리 길었어도, 그 메시지를 덮어쓰지 못했다. vLLM은 버릴 것으로 예상하는 연산자 계열을 위해 리뷰 주기를 들여 Triton 커널을 만들지 않으며, 알리바바도 버릴 것으로 예상하는 아키텍처 프리뷰를 공개하지 않는다. 아직 열려 있는 "qwen4 fuse op" PR, 8월 26일 공개된 Qwen3.8-Flash-Next 프리뷰, 이제 설정이 업스트림되고 멀티모달 통합까지 병합되어 vLLM 메인라인 레지스트리에 자리 잡은 qwen4_exp 항목, 9월에 CUDA와 ROCm 양쪽에 반영된 PLE-offload 작업, 그리고 9월 8일 열려 아직도 이 라인의 멀티 토큰 예측 경로를 위해 SM120 메모리를 조정 중인 sglang 드래프트 PR 사이에서, 차세대 Qwen의 윤곽은 더 이상 루머가 아니다 — 두 런타임이 그것을 위해 짓고 있는 커널과 메모리 경로에 적혀 있다. Apsara가 추가한 것은 각 티어의 이름, 학습 상태, 그리고 그다음 세대를 위한 파라미터 대역이다. 그 이후 커뮤니티가 추가한 것은 사실이 아니라 하나의 창이다: 같은 워치리스트 스레드에서 나온 10월~11월 초. 알리바바는 둘 다 공개하지 않았다. 아키텍처를 기준으로 계획하라. 날짜에 베팅하지 마라.