'Qwen4-Max vs Qwen4 27B'라는 문구가 생성된 타이틀 카드와, 그 아래 부제 '이 중 하나에는 가격표가 있고, 다른 하나에는 무대 언급만 있습니다.'가 세 장의 카드 위에 표시됩니다. Qwen4-Max는 1M 컨텍스트, 1M당 $1.50 / $4.50, AA Index 43; Qwen4 27B는 가중치, 모델 카드, 가격 모두 없음; Qwen3.8-27B는 1M당 $0.33 / $2.40, 256K 컨텍스트, AA Index 20입니다. 푸터에는 'Qwen4-Max 수치는 Alibaba 및 Artificial Analysis 기준; Qwen4 27B는 2026년 11월 16일 기준 공개된 사양이 없습니다.'라고 적혀 있습니다.
Guides & Insights

Qwen4-Max vs Qwen4 27B: 4.5배 가격 차이와 다운로드할 수 없는 모델

작성자

jinhao.song

게시일

최신 모델 · 20모든 모델 보기 →
벤치마크: Artificial Analysis · 매일 업데이트
모든 게시물로 돌아가기

Qwen4-Max에 관한 흥미로운 질문은 그것이 좋은지 여부가 아니다. 270억 매개변수 형제 모델인 Qwen4 27B가 보유한 하드웨어에서 대부분 같은 작업을 수행할 수 있다고 할 때, 262,144토큰 단위로 사고하는 모델에 백만 토큰당 1.50달러와 4.50달러를 지불해야 하는지가 질문이다. 문제는 Qwen4 27B가 아직 실행 가능한 어떤 형태로도 존재하지 않는다는 점이다. Alibaba는 2026년 9월 22일 Apsara Conference 무대에서 Qwen 4 Max, Qwen 4 Flash, Qwen 4 Plus와 함께 이를 선보였고, 그 이후 모델 카드도, 가중치도, 컨텍스트 길이도, 가격도, 벤치마크도 공개하지 않았다. 반면 Qwen4-Max는 11월 16일 1,000,000토큰 창과 Artificial Analysis Intelligence Index 43으로 종량제가 되었다. 따라서 이 비교의 유용한 버전은 호출할 수 있는 플래그십과 호출할 수 없는 소형 모델을 맞세우고, 예산을 실제로 결정하는 질문에 답하는 것이다. 4.5배의 토큰 가격 차이가 무엇을 사주며, 27B가 제자리를 얻으려면 무엇을 해야 하는가.

가격 카드 두 장, 그중 하나에는 숫자가 적혀 있습니다

적혀 있는 것부터 시작하겠습니다. 이 섹션의 모든 내용은 공개된 수치이며, 추론된 것은 없습니다.

• Qwen4-Max, 싱가포르 — 입력 토큰 100만 개당 $1.50, 출력 $4.50이며, 전체 1,000,000토큰 윈도우 전반에서 동일합니다. 캐시 읽기는 100만 개당 $0.075, 5분 쓰기는 $1.875, 1시간 쓰기는 $3.00입니다.

• Qwen4-Max, 기타 지역 — 프랑크푸르트, 버지니아, 도쿄, 홍콩 및 베이징 전역에서 $1.413 및 $4.24, 동일한 한도 기준 싱가포르 카드 대비 5.8% 할인.

• Qwen4-Max, 독립형 — 인덱스 작업당 평가자 청구 비용 $3.27 기준 AA Index 43, 백만 토큰당 혼합 $0.80, 실행 전체 127M 출력 토큰.

• Qwen4 27B — 가격 없음. "미발표"가 아니라, 구체적으로는 붙일 모델 자체가 존재하지 않기 때문에 어디에도 해당 행이 존재하지 않습니다.

오늘날 실행할 수 있는 소형 Qwen에 가장 가까운 것은 이전 세대의 Apache-2.0 dense 멀티모달 모델인 Qwen3.8-27B입니다. Alibaba는 자사 API에서 백만당 $0.50 및 $3.00으로 책정했지만, 우리는 가중치를 직접 호스팅하여 $0.33 및 $2.40을 청구합니다. 공개 가중치에는 전가할 토큰당 공급업체 비용이 없기 때문입니다. Artificial Analysis는 동일 지수에서 이 모델에 20점을 부여했는데, 이는 Qwen4-Max보다 23점 낮은 점수로, 전체 논리를 하나의 숫자로 보여줍니다.

그러므로 정직한 비율은 유령과 비교해 측정되는 것이 아니다. 실제로 출시된 마지막 27B와 Qwen4-Max를 비교하면 입력 기준 4.5배, 출력 기준 1.9배이며, 그 차이에 대한 대가로 능력 지수 23포인트가 따른다. 그것이 좋은 거래인지는 전적으로 당신의 워크로드가 토큰을 무엇에 쓰는지에 달려 있으며, 이는 어느 벤더에 관한 질문이라기보다 당신의 트레이스에 관한 질문이다.

A generated two-column scoreboard titled 'Qwen4-Max vs Qwen3.8-27B — the scoreboard', using the same six row labels on both sides. Qwen4-Max: context 1,000,000 tokens, price per 1M $1.50 / $4.50, inputs text, image and video, open weights no, AA Index 43, cost per task $3.27. Qwen3.8-27B: context 256,000 tokens, price per 1M $0.33 / $2.40, inputs text, image and video, open weights Apache-2.0, AA Index 20, cost per task $3.53. Footer: 'Price and context vendor-reported; Qwen3.8-27B price is OrcaRouter self-hosted, Alibaba lists $0.50 / $3.00. AA Index and cost per task per Artificial Analysis v5.0.1. Qwen4 27B has no published figures.'

27B로 얻을 수 있지만 2.4조 매개변수 플래그십으로는 얻을 수 없는 것

세 가지가 있는데, 그중 어느 것도 품질은 아닙니다.

첫 번째는 고정 청구서입니다. 호스팅된 플래그십은 트래픽과 그날 모델이 얼마나 장황한 출력을 내는지에 따라 확장되는 변동 비용입니다. 자체 하드웨어에서 운영하는 오픈 27B 모델은 자본 비용과 감가상각 일정입니다. 백만 토큰당 $0.33과 $2.40의 가격에서, 플래그십에 한 달 $3,000을 쓰는 팀은 동일한 토큰 볼륨에 대해 소형 모델에 대략 $700을 쓰는 셈입니다. 그리고 그 볼륨이 두 배가 되는 순간, 그 숫자 중 하나는 움직이고 다른 하나는 움직이지 않습니다.

두 번째는 여러분이 제어하는 지연 시간입니다. 단일 노드의 27B dense 모델은 예측 가능한 형태로 응답합니다. 그 뒤에 대기열이 없고, 요청하지 않은 장기 사고 예산도 없기 때문입니다. Qwen4-Max는 기본적으로 reasoning_effort: high에 131,072토큰의 사고 예산을 사용하며, 아무것도 설정하지 않은 요청은 대부분의 작업이 사용할 것보다 더 많은 출력 여유분을 예약해 둔 셈입니다. 그 기본값은 플래그십 모델에는 맞지만, 분류기나 라우터, 또는 에이전트가 흥미로운 결정들 사이에서 내리는 수천 가지 작은 결정에는 부적합합니다.

세 번째는 라이선스입니다. Apache-2.0 가중치는 해당 모델을 양자화하고, 미세 조정하고, 출시하는 제품에 내장하고, API를 사용할 수 없는 관할 지역에서 실행할 수 있음을 의미합니다. Qwen4-Max는 독점적이며 6개 지역에서 제공되고 텍스트만 반환합니다. 가중치도, 미세 조정도, 온프레미스 배포도 없습니다. A​libaba의 문서에 따르면 어디에서도 이에 대한 미세 조정 및 모델 배포를 지원하지 않습니다.

27B가 당신에게 줄 수 없는 것은 바로 Qwen4-Max가 만들어진 이유입니다. 2.4조 개 매개변수 백본에 710억 개 활성 매개변수, 3280억 개 N-gram 임베딩 매개변수, 각 Q​wen Sparse Attention 레이어마다 이력을 고정 상태로 압축하는 Gated DeltaNet 레이어 — 이 아키텍처 중 어느 것도 27B dense 모델로 그대로 전이되지 않으며, 1,000,000토큰 창도 마찬가지입니다. 제조사가 이 제품군을 규정한 방식 자체가 "더 작은 모델은 작은 모델이 가장 잘하는 것에 맞춰 조정된다"는 것이며, 이는 그들이 같은 제품이 아니라는 점을 완곡하게 말한 것입니다.

A​libaba가 Qwen4 27B에 대해 말한 단 한 가지, 그리고 그것이 지닌 가치

11월 16일 Qwen4-Max 출시 게시물의 마지막 문단은 다음과 같습니다: "그리고 Max는 Qwen4의 첫 모습일 뿐입니다. 이 제품군의 더 작은 모델들도 오픈 소스로 공개될 예정이며, 동일한 계보를 바탕으로 구축되고 같은 세대의 기법으로 훈련되어 소형 모델이 가장 잘하는 것에 맞춰 조정되었습니다."

그것은 27B 계층에 관해 현존하는 가장 최신이자 가장 구체적인 진술이며, 그 가치는 정확히 말하는 바와 같습니다 — 겉으로 보이는 것보다는 적습니다. "오픈 소스로 공개 예정"은 날짜가 아니라 라이선스에 대한 약속입니다. "같은 계보"는 출시된 체크포인트가 아니라 아키텍처의 계승에 관한 주장입니다. 그리고 그 문장은 27B를 전혀 명시하지 않습니다. 계층 이름은 9월 단계 발표에서 나온 것으로, 당시 Q​wen의 LLM 책임자는 네 가지 모델을 보여 주면서 그 패밀리가 곧 도착할 것이라고만 말했습니다. 두 진술 사이에는 두 달의 간격이 있고, 네 계층이 약속되었으며 하나가 제공되었고, 다운로드 가능한 가중치로 가장 먼저 출시되어 온 계층인 오픈 웨이트 계층은 여전히 없습니다.

이 페이지가 구식이 되는지는 세 군데에서 확인할 수 있으며, 그 세 곳은 모두 지금까지 모든 Qwen 릴리스에서 신호를 보내온 곳입니다. Hugging Face의 Qwen 조직에 있는 Qwen4 이름의 저장소, 현재 이 조직의 최신 모델 저장소는 모두 Qwen3.8이고 마지막 업데이트는 11월 초입니다. qwen.ai에서 해당 등급을 컨텍스트 길이 및 라이선스와 함께 명시한 모델 카드, 또는 호스팅된 27B의 가격 행 — 이는 가중치가 공개되기 전에 Alibaba가 그 등급을 얼마로 보는지 알려줄 것입니다. 그중 하나라도 움직이기 전까지 Qwen4 27B에 대해 읽는 파라미터 수, 컨텍스트 창, 점수는 모두 Qwen3.8-27B에서 외삽한 것이며 그렇게 표시해야 합니다.

작업 예제: 두 카드 모두에서 동일한 에이전트 루프

지원 자동화 에이전트를 생각해 보자: 40,000토큰짜리 시스템 프롬프트와 도구 스키마, 6,000토큰짜리 대화, 티켓당 도구 호출 8회, 호출당 출력 토큰 900개, 사고 모드 없음, 월 20,000건의 티켓. 프리픽스를 캐시하라. 이건 공개된 정가를 기준으로 한 산수다.

• Qwen4-Max, 싱가포르, 캐시되지 않음 — 호출당 입력 토큰 46,000개, 백만 토큰당 $1.50 기준 $0.069; 8회 호출이면 티켓당 $0.552. 출력은 900토큰, 백만 토큰당 $4.50 기준 호출당 $0.00405, 티켓당 $0.0324. 티켓당 $0.584, 월 $11,690.

• 프리픽스가 캐시된 Qwen4-Max — 40,000토큰 프리픽스는 백만 토큰당 $1.875에 한 번 기록되고, 이후 일곱 번의 호출에서 $0.075에 읽힙니다. 티켓당 프리픽스 비용은 쓰기에 $0.075, 일곱 번의 읽기에 $0.021입니다. 움직이는 6,000토큰은 여덟 번의 호출에 걸쳐 $0.072가 듭니다. 입력은 $0.168, 출력은 $0.0324로 유지됩니다. 티켓당 $0.20, 월 $4,010 — 그리고 청구서 측면에서는 어떤 모델 교체보다 캐시가 더 큰 효과를 냈습니다.

• 자체 호스팅 요금 기준 Qwen3.8-27B — 호출당 입력 토큰 46,000개, 백만 개당 $0.33이면 $0.0152이며, 8회 호출 시 $0.121입니다. 출력은 900토큰, 백만 개당 $2.40이면 호출당 $0.00216, 티켓당 $0.0173입니다. 티켓당 $0.139, 월 $2,780입니다.

두 가지 결론이 나온다. 플래그십에서 프리픽스를 캐싱하면 66%를 절약하고, 이를 소형 모델의 비캐싱 가격의 1.4배 이내로 끌어올린다. 즉 티어 간 격차는 캐시를 사용할 때와 사용하지 않을 때의 격차보다 작다. 그리고 소형 모델의 이점은 실재하지만 이 토큰 볼륨에서는 혁신적이지 않다. 20,000개 티켓에서 월 약 $1,200 정도다. 이것이 혁신적이 되는 지점은 그 10배 볼륨일 때, 또는 작업이 충분히 단순해서 20-index 모델로 충분할 때인데, 도구 호출 라우팅과 분류에서는 대개 그렇다.

플래그십이 선택 사항이 아닌 곳

27B 등급이 더 저렴한 대체재가 아니라 애초에 논외인 작업 범주가 있으며, 이 점을 분명히 밝히는 것이 유용한 비교와 판매 페이지를 가르는 차이다.

• 256,000토큰을 초과하는 장문 컨텍스트 작업 — Qwen3.8-27B는 262,144에서 멈추고, Qwen4-Max는 1,000,000을 지원하며 비사고 모드에서는 입력 상한이 991,808토큰입니다. 400,000토큰 계약서 검토는 소형 모델에는 전혀 들어가지 않습니다.

• 장기 지평 에이전트 실행 — Alibaba가 Qwen4-Max에 대해 내세우는 에이전트적 주장은 웨트랩 플랫폼에서의 48시간 자율 소재 발견 실행과 198편의 작업 논문을 검토해 86페이지 보고서를 산출하는 법률 실사 작업이다. 벤더 데모를 어떻게 보든, 이들은 20-index 모델이 시도하지 않는 한 부류의 과제를 설명한다.

• 장시간 비디오 입력 — Qwen4-Max는 비디오와 1M 윈도우를 처리하고, 27B 제품군은 262K로 비디오를 처리합니다. 영상의 초당 프레임 수 계산은 가혹합니다.

• 보안 코딩 — A​libaba는 Max 티어에서 세대 간 Last Secure Code Bench 함수 수준 통과율이 22.0%에서 31.8%로 상승했고, 함수·파일·리포지토리 세분성에서 동시에 안전한 코드의 비율은 8%에서 14.7%로 상승했다고 보고합니다. 이는 벤더 측 수치이며 아직 재현되지 않았지만, 보안 검토에서 요구하는 유형의 수치이고 소형 모델의 모델 카드에는 담기지 않는 수치입니다.

패턴은 플래그십이 길거나, 멀티모달이거나, 잘못되면 비용이 큰 작업에서 그 가격을 정당화하며, 수가 많은 작업에서는 그렇지 않다는 것입니다. 대부분의 프로덕션 시스템에는 두 종류가 모두 포함되어 있기 때문에 "어느 것"에 대한 답은 보통 "둘 다, 라우팅해서"입니다.

하나의 키에서 혼합 상태 실행하기

OrcaRouter는 Qwen3.8 제품군(Qwen3.8-Max, Qwen3.8-Flash, Qwen3.8-27B)을 하나의 OpenAI 호환 엔드포인트에서 공급자 정가에 마크업 0%를 적용해 제공하며, 27B는 Apache-2.0 가중치로 당사 자체 인프라에서 운영하는 모델이라 가격이 A​libaba의 $0.50, $3.00이 아니라 $0.33, $2.40입니다. Qwen4-Max는 제공하지 않습니다. 해당 모델은 A​libaba 자체 Model Studio API와 여러 타사 플랫폼을 통해 접근할 수 있으며, 11월 16일 기준 카탈로그에 없습니다.

그것이 오늘 가능하게 만드는 것은 이 비교에서 주장하는 라우팅 패턴이며, 27B를 기다릴 필요가 없습니다. 200개 이상의 모델을 위한 단일 API는 티어 결정이 더 이상 조달 결정이 아니게 됨을 의미합니다. 256K에 들어가고 일상적으로 보이는 요청은 qwen/qwen3.8-27b로 이동하고, 길거나 멀티모달이거나 고위험으로 표시된 요청은 동일한 키로 프런티어 모델에 갑니다. 라우팅 DSL은 이러한 분리를 애플리케이션 코드의 분기가 아닌 규칙으로 표현합니다. 자동 장애 조치 덕분에 저렴한 티어는 상태가 나쁜 날에도 단일 장애점이 되지 않고 물량을 감당할 수 있으며, 어느 공급업체의 가격 인하든 정가가 인상 없이 그대로 전달되므로 같은 날 여러분의 키에 적용됩니다.

모델 퓨전은 그 툴킷의 세 번째 옵션이며, 이 특정한 조합에는 가장 잘 들어맞지 않는 방식입니다 — 여러 모델이 함께 답하는 패널은 어느 한쪽만 단독으로 쓸 때보다 비용이 더 들고, 이를 사용하는 이유는 물량이 아니라 어려운 질문에서의 의견 불일치입니다. 존재한다는 점은 알아둘 만하지만, 지원 티켓 라우터에 쓰려고 꺼내들 만한 것은 아닙니다.

A screenshot of the OrcaRouter model page for Qwen3.8-27B at the identifier qwen/qwen3.8-27b, showing the $0.33 input and $2.40 output prices, the Vision, Tools, JSON and Reasoning capability tags, the attribution to Qwen dated 2026-08-13, and the description of it as Alibaba's open-weight 27B dense multimodal model released under Apache-2.0 and self-hosted on OrcaRouter's own infrastructure, accepting text, images and video with a 256K-token context window.

가중치가 도착하기 전에 무엇을 해야 할까

Qwen4 27B를 기다리는 이유가 직접 실행할 수 있는 작은 오픈 모델을 원하기 때문이라면, 그 기다림이 당신에게 큰 손실을 주지는 않습니다. Qwen3.8-27B는 Apache-2.0 라이선스이고, 256K 컨텍스트 창을 갖추고 있으며, 텍스트와 이미지, 비디오를 읽고, Qwen 자체 카드에서 LiveCodeBench v6 90.3점, GPQA Diamond 89.2점을 기록했습니다. 벤더가 제공한 수치이며, 이 크기에서는 강력한 수치입니다. 거기서 시작해 20-index 모델이 당신의 작업 성공률에 어떤 영향을 미치는지 측정해 보면, Qwen4 체크포인트가 도착하기 전에 그 등급이 당신의 워크로드에 정말 적합한지 알 수 있을 것입니다.

비용이 이유라면 먼저 프리픽스를 캐시하세요. 위의 구체적 예시는 요청 파라미터 하나로 플래그십 모델에서 66% 절감을 보여주는데, 이는 동일한 비캐시 기준에서 플래그십과 소형 모델 간의 격차보다 큽니다. 팀들은 청구서에서 비싼 부분이 전체 가격으로 다시 읽고 있는 프리픽스일 때 더 저렴한 모델을 물색하곤 합니다.

이유가 역량이라면, 어떤 27B도 대신하지 못합니다. Qwen3.8-27B와 Qwen4-Max 사이의 23 인덱스 포인트는 일상 업무를 잘 처리하는 모델과 길고 멀티모달하며 위험 부담이 큰 작업을 시도하는 모델 사이의 차이입니다. 그리고 A​libaba 자체 로드맵 문구에 따르면 소형 모델들은 소형 모델이 가장 잘하는 것에 맞춰 조정되고 있으며, 이는 동등성보다는 효율성에 대한 약속입니다. 지금 존재하는 티어들 위에서 라우팅 분할을 구축해 두면, Qwen4 27B가 Hugging Face에 등장하는 날 그것은 마이그레이션이 아니라 카탈로그 항목 하나와 규칙 변경 하나가 됩니다.

A screenshot of Alibaba Cloud Model Studio's documentation page for qwen4-max (Latest Model), dated 11-16, showing the model description as the next-generation flagship multimodal model in the Qwen family covering text generation, image and video understanding and deep reasoning, its support for web search, tool calling and structured outputs, its OpenAI and Anthropic API compatibility, and its deployment regions including China (Beijing), Singapore and Germany (Frankfurt).