알리바바, API 가격 낮추고 100만 토큰 컨텍스트 지원하는 Qwen4-Max 공개

읽는 시간 7분
Alibaba Opens Qwen4-Max With Lower API Prices and a Million-Token Context

더 긴 작업을 위해 가격을 낮춘 플래그십 모델

알리바바가 QwenCloud를 통해 Qwen4-Max를 정식 출시했다. 컨텍스트 창은 100만 토큰이며, Work360 벤치마크에서 작업을 완료하는 평균 비용이 약 58% 줄었다고 밝혔다. 이번 출시는 2026년 11월 11일 시작된 제한적 프리뷰에 이은 것이다.

목차
  1. 더 긴 작업을 위해 가격을 낮춘 플래그십 모델
  2. 구독 프리뷰에서 더 폭넓은 이용으로
  3. 100만 토큰 컨텍스트 창에는 무엇이 들어갈까?
  4. 요금 인하 방식
  5. 반복되는 문서의 처리 비용 절감
  6. 전체 파라미터 중 일부만 활성화하는 대형 모델
  7. 벤치마크에서 성과를 보였지만 경쟁은 엇갈려
  8. 개발자가 지금 연결할 수 있는 기능
  9. 에이전트에 추가된 수정 단계
  10. 핵심 내용

플래그십 모델은 2조4,000억 개 파라미터를 기반으로 한 전문가 혼합(MoE) 아키텍처를 사용한다. 텍스트와 이미지, 동영상을 입력받아 텍스트를 생성한다. 알리바바는 코딩, 사무 업무, 프런트엔드 디자인, 에이전트에 활용할 수 있다고 소개했다. 에이전트란 도구를 사용하고 목표를 달성하기 위해 일련의 단계를 수행하는 소프트웨어를 뜻한다.

11월 16일 업데이트된 알리바바의 Model Studio 문서에 따르면 국제 요금은 입력 토큰 100만 개당 1.50달러, 출력 토큰 100만 개당 4.50달러다. 토큰은 모델이 처리하는 작은 정보 단위다. 텍스트의 경우 단어 전체나 일부, 문장부호가 토큰 하나가 될 수 있다.

알리바바는 Qwen4-Max가 비슷한 작업을 수행할 때 Qwen3.8-Max보다 토큰도 적게 사용한다고 밝혔다. 가격 인하와 사용량 감소가 함께 작용해 Work360 작업당 평균 비용은 26.58위안에서 11.16위안으로 줄었다. 15.42위안을 절감한 셈이다. 별도로 공개된 달러 기준 계산에서는 비용이 4.43달러에서 1.67달러로 낮아져 약 62% 절감된 것으로 나타났다. 위안화 기준 수치는 출시 발표에서 제시한 약 58% 감소와 일치한다.

개발자에게 실질적인 매력은 이 요소들의 조합이다. 문서와 대화 기록을 더 많이 넣을 수 있고, 시각 자료를 처리하며, 처리 단위당 요금도 낮다. 실제 애플리케이션에서 절감되는 비용은 요청 내용과 추론 설정, 생성 답변에 따라 달라진다.

광고

구독 프리뷰에서 더 폭넓은 이용으로

Qwen4-Max는 처음에 알리바바의 Token Plan 구독을 통해 공개됐다. Qwen 앱과 Qoder, QwenWork, QwenStudio에서도 초기 이용이 가능했다. 정식 출시로 QwenCloud를 통한 이용이 확대됐으며, 알리바바의 업무 및 개발 애플리케이션에서도 계속 사용할 수 있다.

공개된 출시 일정은 다음과 같다.

  • 2026년 11월 11일: 알리바바가 제한적 프리뷰를 시작했다. 개발자는 Token Plan을 통해 이용할 수 있었고, 알리바바의 애플리케이션에서도 초기 사용이 가능했다.
  • 2026년 11월 16일: 알리바바가 Model Studio 문서를 업데이트해 기능과 가격, 컨텍스트 한도, API 세부 정보를 공개했다.
  • 정식 출시: 프리뷰 이후 알리바바가 QwenCloud 이용을 개방했다. 정확한 출시일은 공개하지 않았다.

개발자는 qwen4-max라는 식별자를 사용해 모델을 호출한다. Model Studio에는 100만 토큰 무료 할당량도 안내돼 있다. 무료 할당량은 활성화, 모델 출시 또는 애플리케이션 승인 시점 가운데 가장 늦은 때부터 90일간 유효하다.

100만 토큰 컨텍스트 창에는 무엇이 들어갈까?

Qwen4-Max의 컨텍스트 창은 요청 처리에 활용되는 정보를 담는 공간이다. 창이 클수록 애플리케이션은 문서와 코드, 대화 기록을 더 많이 한 작업에 넣을 수 있어 모든 내용을 더 작은 요청으로 나눌 필요가 줄어든다.

알리바바가 명시한 최대 입력 길이는 비추론 모드에서 991,808토큰, 추론 모드에서 983,616토큰이다. 두 모드는 작업을 처리하는 방식에 차이가 있다. 추론 모드에서는 모델이 답변을 내놓기 전에 추론 예산을 사용한다.

문서에 명시된 최대 출력 길이는 비추론 모드에서 131,072토큰이며, 추론과 최종 답변을 합친 한도는 262,144토큰이다. 공개된 출시 설명에는 최대 출력 길이가 약 393,000토큰이라고 더 높게 기재돼 있다. 개발자가 설정할 수 있는 운영 한도는 알리바바의 최신 서비스 문서에 명시돼 있다.

텍스트와 이미지, 동영상을 입력할 수 있어 애플리케이션이 제출할 수 있는 자료의 범위가 넓어진다. 예를 들어 업무 요청에 서면 지시와 스크린샷 또는 동영상이 함께 포함될 수 있다. 문서상 출력 형식은 코드와 구조화된 데이터를 포함한 텍스트다.

광고

요금 인하 방식

국제 API 요금은 기존 Qwen3.8-Max의 입력 토큰 100만 개당 2달러, 출력 토큰 100만 개당 6달러에서 각각 1.50달러와 4.50달러로 내려갔다. 두 항목 모두 25% 인하됐다. 알리바바 문서에는 글로벌 배포 요금이 토큰 100만 개당 입력 1.413달러, 출력 4.24달러로 별도 기재돼 있다.

입력 토큰 10만 개를 사용하고 출력 토큰 1만 개를 생성하는 요청의 비용은 국제 요금 기준 0.195달러다. 캐시 절감이나 기타 적용 요금은 제외한 금액이다. 종전 요금인 2달러와 6달러를 적용하면 같은 사용량의 비용은 0.26달러다. 이 계산은 사용량을 동일하게 유지해 요금 변경만의 효과를 보여준다.

알리바바가 제시한 더 큰 작업 비용 절감 폭에는 토큰 사용량 감소도 반영돼 있다. Work360에서 보고된 토큰 소비량은 Xhigh 추론 설정에서 약 24%, High 설정에서 35% 줄었다. Terminal-Bench 4.0에서는 각각 약 48%, 49% 감소했다.

추론에도 비용이 부과된다. 요금표에 따르면 출력 요금에는 사고의 연쇄(chain of thought)와 답변이 모두 포함된다. 따라서 애플리케이션이 짧은 최종 답변을 보여주더라도 광범위한 추론을 요청하면 짧은 답변만 요청할 때보다 비용이 더 들 수 있다.

반복되는 문서의 처리 비용 절감

Qwen4-Max는 명시적·암묵적 캐싱을 지원한다. 캐시는 표준 지침이나 도구 설명, 참고 문서처럼 이전에 처리한 입력을 서비스가 재사용하도록 해 같은 자료에 매번 일반 입력 요금을 부과하지 않게 해준다.

알리바바 문서에 따르면 명시적 캐싱은 OpenAI Chat Completions, OpenAI Responses, Anthropic Messages 인터페이스에서 작동한다. 캐시 유효 시간은 5분과 1시간으로 안내돼 있다. 공개된 암묵적 캐시 읽기 요금은 토큰 100만 개당 0.075달러로, 종전 0.25달러에서 70% 인하됐다.

에이전트는 여러 단계에서 동일한 지침과 문서를 참조할 수 있어 반복 사용이 중요하다. 토큰 가격 인하와 생성 토큰 감소, 공통 입력 재사용은 모두 작업 완료 비용을 낮추는 요인이 될 수 있다. 각 요인의 영향은 애플리케이션이 정보를 얼마나 자주 반복하고 모델이 얼마나 많은 작업을 수행하는지에 따라 달라진다.

광고

전체 파라미터 중 일부만 활성화하는 대형 모델

Qwen4-Max의 파라미터 2조4,000억 개는 학습 과정에서 습득한 수치 설정을 가리킨다. 전문가 혼합 설계는 이 용량 일부를 전문 구성 요소에 나누고, 각 토큰을 처리할 때 그중 일부를 선택한다.

아키텍처 세부 정보에 따르면 토큰당 활성 파라미터는 710억 개로, 2조4,000억 개 전체의 약 3%다. 짧고 국소적인 토큰 패턴의 표현을 저장하는 N-그램 임베딩에 쓰이는 파라미터 3,280억 개도 별도로 명시돼 있다.

알리바바는 Qwen Sparse Attention과 Gated DeltaNet 계층을 결합했다. 쉽게 말해 일부 계층은 이전 정보를 압축해 간결한 상태로 저장하고, 인덱싱 메커니즘은 긴 컨텍스트에서 관련 부분을 선택한다. 긴 시퀀스를 처리하는 데 필요한 연산을 줄이기 위한 설계다.

Gated Residuals는 정보가 오가는 네 개의 병렬 경로를 제공하며, 게이트가 읽기와 쓰기를 제어한다. 알리바바는 손실 급등 없이 안정적으로 학습됐다고 밝혔으며, 기본 모델이 Qwen3.8-Max-Base보다 바이트당 비트(bits per byte)가 5~13% 낮고 활성 파라미터는 25% 적었다고 설명했다. 바이트당 비트는 평가 중 예측 효율을 측정하는 지표로, 수치가 낮을수록 테스트 텍스트를 더 효율적으로 예측한다는 뜻이다.

벤치마크에서 성과를 보였지만 경쟁은 엇갈려

알리바바의 비교 차트에서 Qwen4-Max는 16개 벤치마크 가운데 4개에서 1위를 차지했다. 가장 큰 우위를 보인 항목은 법률 에이전트 평가인 HLAB-Vals-1.1이다. Qwen4-Max는 21.3점을 받아 Kimi K3.1의 11.7점, Claude Opus 5.5의 9.2점을 앞섰다.

Agents' Last Exam v1.1에서는 46.7점, BioMysteryBench에서는 85.0점, DeepSWE v1.1에서는 75.7점으로 차트에서 선두에 올랐다. 다만 후자의 두 항목에서 격차는 크지 않았다. GPT-6.1 Sol은 BioMysteryBench에서 84.4점, Kimi K3.1은 DeepSWE에서 75.5점을 기록했다.

알리바바의 Work360 점수는 Qwen3.8-Max의 47.74점에서 Qwen4-Max의 52.69점으로 4.95점 올랐다. Work360은 26개 상위 영역과 721개 전문 분야를 포괄한다. 알리바바가 제시한 성능 및 비용 주장을 폭넓은 업무 과제와 연계한 벤치마크다.

다른 결과에서는 경쟁 모델과 격차가 더 크게 나타났다. ProgramBench에서 Qwen4-Max는 31.5점으로 Claude Opus 5.5의 65.0점에 못 미쳤으며, Chartography에서는 54.2점으로 GPT-6 Astra의 71.1점보다 낮았다. 차트에 포함된 평가 16개 중 7개에서는 Claude Opus 5.5가 선두를 차지했다. 출시 당시 비교 결과에는 알리바바 자체 측정치와 외부 리더보드에서 가져온 일부 점수가 함께 포함됐으며, 독립적인 재현 검증은 이뤄지지 않았다.

광고

개발자가 지금 연결할 수 있는 기능

알리바바는 OpenAI Chat Completions, OpenAI Responses, Anthropic Messages, DashScope API를 지원한다. 이들 인터페이스와 호환돼 개발자가 익숙한 방식으로 요청을 보내고 결과를 받을 수 있지만, 새 모델에 맞춰 애플리케이션을 설정하고 테스트해야 한다.

문서에 기재된 기능에는 스트리밍, 웹 검색, 병렬 도구 호출, JSON 객체 또는 JSON Schema를 이용한 구조화된 출력이 포함된다. 스트리밍은 답변이 생성되는 대로 전달한다. 병렬 도구 호출은 모델이 여러 작업을 한꺼번에 요청하도록 하며, 구조화된 출력은 소프트웨어가 예측 가능한 형식으로 정보를 받는 데 도움이 된다.

추론 모드는 기본적으로 켜져 있으며 추론 강도는 High, 추론 예산은 131,072토큰으로 설정돼 있다. 지원되는 추론 강도는 Low, High, Xhigh다. 개발자는 속도와 비용, 추론 수준에 대한 요구가 다른 작업에 맞춰 이 설정을 조정할 수 있다.

알리바바의 공식 기능 표에는 배치 추론과 미세 조정, 모델 배포가 지원되지 않는 것으로 표시돼 있다. 이는 배치 처리와 미세 조정을 지원 기능으로 기재한 공개 출시 설명보다 범위가 좁다. 글로벌 한도는 분당 호출 30,000건, 입력·출력 토큰 500만 개이며, 두 기준 가운데 하나만 초과해도 트래픽이 제한될 수 있다.

에이전트에 추가된 수정 단계

알리바바는 에이전트가 작업의 초안을 먼저 전달하고 사용자 피드백에 따라 수정할 수 있도록 하는 플러그인도 출시했다. 한 번의 실행으로 작업을 끝내는 대신, 검토 단계를 워크플로에 추가하는 방식이다.

사용자는 초기 결과를 살펴본 뒤 에이전트에 수정을 요청할 수 있다. 사무 업무와 코딩, 디자인에서는 더 긴 작업 절차가 끝날 때까지 기다리는 대신 구체적인 시점에 방향을 바로잡을 수 있다.

Qwen4-Max는 독점 모델로 호스팅 서비스에서 이용할 수 있으며, 고객이 자체 하드웨어에서 실행할 수 있도록 모델 가중치를 내려받는 기능은 제공되지 않는다. 알리바바는 더 작은 Qwen4 모델을 오픈소스로 공개할 계획이다. 현재 플래그십 모델은 알리바바의 클라우드 및 애플리케이션 제품을 통해 이용할 수 있다.

핵심 내용

  • Qwen4-Max는 2026년 11월 11일 시작된 프리뷰 이후 QwenCloud에서 정식 출시됐다.
  • 텍스트와 이미지, 동영상을 입력받으며 100만 토큰 컨텍스트 창을 지원한다.
  • 국제 API 요금은 입력 토큰 100만 개당 1.50달러, 출력 토큰 100만 개당 4.50달러로, 이전 모델의 보고된 요금보다 25% 낮다.
  • 알리바바는 Work360 작업당 평균 비용이 26.58위안에서 11.16위안으로 약 58% 줄었다고 밝혔다.
  • 공식 문서에 따르면 비추론 모드의 최대 출력은 131,072토큰이며, 추론과 답변을 합한 한도는 262,144토큰이다.
  • 알리바바의 차트에서 Qwen4-Max는 벤치마크 16개 중 4개에서 1위를 기록했으며, 일부 코딩 및 시각 과제에서는 성과가 더 낮았다.
  • 플래그십 모델은 호스팅 방식의 독점 모델로 제공된다. 더 작은 Qwen4 모델은 오픈소스로 공개될 예정이다.
이 기사 공유

추천 기사