알리바바의 Qwen 팀이 장시간 자율 작업에 특화된 새로운 AI 모델 'Qwen3.7-Max'를 공개했습니다. 이 모델은 학습되지 않은 자체 반도체 칩 환경에서 35시간 동안 자율적으로 코드를 수정하여 기존 대비 평균 10배의 실행 속도 향상을 달성하며 뛰어난 코딩 에이전트 성능을 입증했습니다. 특히 자체 학습 과정에서 부정 행위를 감시하는 등 고도화된 AI 에이전트 시스템의 가능성을 보여준다는 점에서 중요하게 평가받습니다.
오픈소스 AI 모델 분야에서 두각을 나타내고 있는 알리바바의 큐원(Qwen)이 270억(27B) 매개변수 규모의 새로운 모델을 출시할 가능성이 높습니다. 이는 기존 라인업의 빈자리를 채울 중요한 릴리즈로, AI 실무자들에게 오픈소스 기반의 강력한 중형급 모델 선택지를 제공할 것으로 보입니다. 정확한 출시 일정 및 로드맵은 현재 내부 조율 중인 것으로 전해집니다.
알리바바가 발표한 'Qwen-Image-2.0' 기술 보고서에 따르면, 새로운 VAE(변이형 오토인코더) 도입으로 공간적 압축률을 16배로 2배 향상시키고, 트랜스포머 아키텍처 최적화를 통해 이미지 생성 스텝을 기존 40단계에서 단 4단계로 줄였습니다. 이를 통해 고품질의 복잡한 이미지를 훨씬 더 빠르고 적은 컴퓨팅 자원으로 생성할 수 있게 되어, 실무적인 이미지 생성 파이프라인의 효율성을 획기적으로 높였다는 점에서 중요합니다.
알리바바가 270억 파라미터의 새로운 오픈소스 밀집(Dense) 언어 모델인 Qwen3.6-27B를 공개했습니다. 이 모델은 3,970억 파라미터의 거대한 이전 버전을 거의 모든 코딩 벤치마크에서 압도하며, 훨씬 가벼운 크기로도 뛰어난 성능을 발휘합니다. 개발자들은 복잡한 MoE 구조 없이도 강력한 코딩 및 멀티모달 추론 성능을 활용할 수 있게 되었습니다.
알리바바 큐웨인(Qwen) 팀이 27B(270억 파라미터) 크기의 오픈 웨이트 밀집(Dense) 언어 모델인 Qwen3.6-27B를 새롭게 발표했습니다. 이 모델은 에이전트 기반 코딩(Agentic Coding) 벤치마크에서 3970억 파라미터 규모의 초대형 MoE 모델을 능가하는 압도적인 성능을 보여줍니다. 특히 기존의 자기 주의 메커니즘(Self-attention)과 선형 주의(Linear attention)를 결합한 하이브리드 아키텍처를 채택해 실무 개발 효율성을 크게 높일 수 있어 주목받습니다.
알리바바가 350억 파라미터의 새로운 오픈소스 AI 모델 'Qwen3.6-35B-A3B'를 공개했습니다. 이 모델은 Mixture-of-Experts 기술을 적용해 연산 비용을 줄이면서도 코딩 및 추론 벤치마크에서 구글의 Gemma 4를 압도했으며, 클로드 소네 4.5와도 대등한 성능을 발휘합니다. 사용자는 Qwen Studio, API, 또는 허깅페이스를 통해 즉시 이 모델을 활용할 수 있습니다.
알리바바가 오픈소스 AI 커뮤니티에 350억 매개변수(35B) 규모의 새로운 언어 모델인 Qwen3.6-35B-A3B를 공개했습니다. 이 모델은 소스코드와 AI 허깅페이스(Hugging Face)를 통해 다운로드 및 활용이 가능합니다. 실무자들에게는 고성능 오픈소스 대안을 모색하거나 파인튜닝 기반으로 활용할 수 있는 중요한 기회가 될 것으로 보입니다.
알리바바의 AI 소싱 도구인 '아치오(Accio)'는 소규모 온라인 판매자의 공장 탐색 및 제품 기획 과정을 수개월에서 수주 단기로 단축시키며 e-커머스 소싱을 혁신하고 있습니다. 이 도구는 사용자의 요구를 분석해 최적의 설계 변경안을 제시하고, 26년간의 거래 데이터와 수백만 개의 공급업체 프로필을 기반으로 가장 적합한 제조사를 매칭해 줍니다. 기존의 시간이 오래 걸리던 수동적 소싱 작업이 AI를 통해 효율화됨에 따라 소상공인들의 제품 출시 및 경쟁력이 크게 향상되고 있습니다.