DGX Spark(GB10)로 Qwen3.8-Flash-Next 모델 실측 비교 (huggingface.co)
알리바바 Qwen의 125B MoE 모델 Qwen3.8-Flash-Next를 NVIDIA DGX Spark 한 대에 올리는 커뮤니티 레시피 다섯 개를 10일간 실제 서비스 서버에서 비교했다. 같은 4비트라도 같은 3D 코드 과제가 0/2에서 2/2까지 차이가 났고, 한국어에서는 초안 어휘 목록만 고쳐도 속도가 약 14% 올랐다.
#Qwen
Qwen4-27B·Max 오픈웨이트 동시 공개설 확산 (x.com)
Qwen 공식 개발자 계정이 큰 인형과 작은 인형 사진에 "big or small?"이라고 묻고 "둘 다 하자"고 답하자, Qwen4-27B와 Qwen4-Max의 오픈웨이트가 동시에 공개된다는 해석이 퍼졌다. 알리바바는 두 모델의 공개를 직접 발표하지 않았고, 크기·시점·라이선스도 밝히지 않았다.
Strands Decider 2B, 맥북에서 실행되는 결정 모델 (github.com)
Strands Agents의 실험 조직 Strands Labs가 질문마다 선택지 하나를 확률과 함께 고르는 결정 모델 Strands Decider 2B를 오픈소스로 공개했습니다. 파라미터는 19억 개이고 RTX 3090에서 질문 하나에 중앙값 115밀리초가 걸리며, 공개 벤치마크 JevBench 정확도는 72.3%입니다.
업스테이지 Solar Mini 4, AA 평가 24점…비용은 5배 (x.com)
Artificial Analysis가 10월 1일 업스테이지의 Solar Mini 4를 평가해 지능 지수 24점을 부여했습니다. 토큰 단가는 GPT-6 Luna(max)와 비슷하지만 과제 한 건에 출력 토큰을 8.8만 개 써서 드는 비용은 약 5배입니다. 업스테이지는 9월 22일 이 모델을 출시했습니다.
선택지 고르는 AI 모델, 세 가지 방식이 나왔다 (docs.typesafe.ai)
결정 모델은 글을 쓰지 않고 미리 정한 선택지 중 하나를 골라 확률과 함께 내놓는 AI 모델입니다. 9월 15일 TypeSafe AI의 Jev 이후 2주 안에 오픈 모델과 OpenAI의 Decisions API가 나왔지만, 신뢰도가 실제 정답률과 맞는지 제3자가 측정한 자료는 아직 없습니다.
Jev는 답을 쓰지 않고 고른다, 강화학습으로 본 사용법 (typesafe.ai)
TypeSafe AI의 Jev는 문장을 쓰지 않고 미리 정한 보기마다 확률을 부여합니다. 같은 방식을 공개 모델 세 개로 직접 실험했습니다. 형식은 큰 모델이면 이미 지켰지만, 확률은 한 모델이 모든 답에 100%를 붙였고 다른 모델은 보기 순서에 따라 답이 바뀌었습니다. Jev가 내세우는 '보정'의 의미와 활용법을 분석했습니다.
알리바바, Qwen4 계열 예고…
알리바바가 9월 22일 APSARA 컨퍼런스 무대에 Qwen4-Max·Qwen4-Flash·Qwen4-Plus·Qwen4-27B 네 이름을 띄우고 Qwen4 계열을 예고했습니다. 아직 학습 중이라고 밝혔고, 같은 자리에서 공개한 앞 세대의 자기개선 결과는 Artificial Analysis 지능 지수로 40점에서 45점입니다.
AI 모델은 사용자의 고통이 아니라 자기 피해에 반응했다 (arxiv.org)
연구자 세 명이 오픈웨이트 모델 25종을 들여다보니, 고통을 담은 문장에서만 함께 움직이는 값의 묶음이 있었다. 이 묶음은 사용자가 겪는 고통에는 반응하지 않고 모델 자신을 향한 피해에만 반응했다. 여기를 건드리자 모델은 1인칭으로 무가치함을 말하고, 고통을 없애는 버튼까지 골랐다.
알리바바 Qwen, 투명 배경까지 만드는 7B 이미지 모델 공개 (github.com)
배경을 따로 지울 필요 없이 투명한 PNG를 바로 만들어 낸다. 알리바바 Qwen 팀이 9월 20일 이미지 생성·편집 모델 Qwen-Image-2.1을 오픈웨이트로 공개했다. 생성부가 7B로 가볍고 2048×2048을 기본 해상도로 지원한다.
Qwen3.8-Flash-Next, 팀 배포는 아직 개인용은 쓸 만 (huggingface.co)
GB10 한 대에 4비트 후보판 Qwen3.8-Flash-Next를 6일간 운영했습니다. 품질과 안정성은 합격인데, 체감 속도가 기본 모드에서도 같은 기계의 기본 모델(Gemma-4-26B)보다 1.4배 느렸습니다(41.7 대 29.1초). 사고를 최대로 켜면 한 답에 최대 33.7분까지 걸렸습니다. 모델이 아니라 GB10 한 대 구성의 병목입니다.
GB10 Qwen3.8‑27B 3주, 3.4배 느려도 남긴 이유 (recipes.vllm.ai)
GB10 한 대에 Qwen3.8-27B를 사내 챗봇의 선택 모델로 3주째 운영하고 있습니다. 공개 지능 지표는 같은 기계의 기본 모델 Gemma-4-26B의 두 배(52 대 26)인데, 한국어 산문은 14~15 tok/s로 그 기본 모델(51.5)보다 3.4배 느렸습니다. 속도를 올리려 한 시도는 MTP 깊이 하나만 빼고 전부 실패했습니다.
Qwen3.8-Flash-Next, 27B 다음 MoE 공개 (huggingface.co)
알리바바가 오픈 웨이트 모델 Qwen3.8-Flash-Next 를 2026년 8월 26일 공개했습니다. 토큰당 6B 만 켜는 125B MoE 판본이고, 8월 15일 나온 밀집 모델 Qwen3.8-27B 의 다음 차례입니다. 개인 PC 로 가는 llama.cpp 지원은 하루 반 만에 정식 태그에 들어갔습니다.