최근 알리바바가 오픈 가중치 기반의 Qwen 3.5 "미디엄" 라인업을 공개하면서, GPT-5 mini와 Claude Sonnet 4.5급 성능을 훨씬 낮은 비용과 로컬 환경까지 끌어내리겠다는 신호를 분명히 했습니다1. 이번 글에서는 "왜 이게 큰일인지"를 개발자·팀 관점에서 쉽게 풀어보고, 어떤 모델을 어떻게 고르면 좋은지까지 정리해봅니다.
Qwen 3.5 Medium 모델 라인업, 뭐가 나왔나
이번에 주목받는 건 '큰 모델 1개'가 아니라, 실제 배포에 쓰기 좋은 4종 세트라는 점입니다. 공개된 오픈 모델은 Qwen3.5-35B-A3B, Qwen3.5-122B-A10B, Qwen3.5-27B이고, Qwen3.5-Flash는 알리바바 클라우드 API로 제공되는 프로덕션형 모델입니다2.
이 구성의 메시지는 단순합니다. "초거대 1개로 끝내지 말고, 팀의 GPU·예산·지연시간 요구에 맞춰 골라 쓰라"는 것. 특히 기업 입장에선 오픈 가중치(직접 호스팅/파인튜닝 가능)와 API(운영 편의) 둘 다 선택지가 생겼다는 게 큽니다.
35B가 235B를 이겼다: '액티브 파라미터'의 마법
가장 흥미로운 지점은 Qwen3.5-35B-A3B의 구조입니다. 총 350억 파라미터처럼 보이지만, 한 번 추론할 때 실제로 "켜지는" 파라미터(Active)가 30억(A3B) 수준인 MoE(Mixture-of-Experts) 계열이죠. 그런데도 이전 세대의 235B급 모델을 넘어섰다고 알려졌습니다3.
쉽게 비유하면, 매번 전 직원을 출근시키는 회사(밀집형) 대신 "일감에 맞는 전문가 팀만 호출"하는 회사(MoE)로 바꾼 겁니다. 그래서 전기세(추론 비용)는 줄고, 속도는 올라가고, 성능은 생각보다 안 떨어지는--요즘 LLM 업계가 원하는 '현실적인 진화'에 가깝습니다.
여기에 하이브리드 구조(선형에 가까운 주의 메커니즘 계열 + 일반 어텐션을 섞는 방식)와 RL 기반 후처리 파이프라인이 결합되면서, "덩치로 찍어 누르던 시대"에서 "아키텍처로 압축하는 시대"로 흐름이 이동하는 분위기입니다3.
1M 컨텍스트와 툴콜링: 에이전트 시대에 맞춘 설계
Qwen 3.5 미디엄 시리즈가 에이전트(툴 사용, 멀티스텝 실행)에 초점을 둔 것도 포인트입니다. Flash는 기본 100만 토큰 컨텍스트를 내세우고, 공식 툴/함수호출을 내장해 "문서 더미+도구 실행"을 한 번에 굴리려는 방향입니다3.
컨텍스트가 커지면 뭐가 좋을까요? 예전에는 긴 문서를 잘게 쪼개 RAG로 붙이는 '조립 작업'이 필수였는데, 이제는 "그냥 통째로 넣고 대화"하는 쪽으로 개발 경험이 바뀝니다. 특히 코드베이스 분석, 사내 규정·계약서 검토, 장시간 로그/이슈 히스토리 추적 같은 업무에서 체감이 큽니다.
또 하나의 실전 포인트는 "양자화(quantization) 친화성"입니다. Qwen 팀은 낮은 비트(예: 4-bit)로 줄여도 정확도가 잘 유지되도록 설계했다고 강조했고, 이는 로컬 GPU에서 '긴 컨텍스트+준프론티어 성능'을 꿈꾸는 사람들에게 꽤 직접적인 희소식입니다2.
비용이 진짜 무섭다: 'Flash' 가격이 만드는 압박
성능 경쟁도 흥미롭지만, 시장을 흔드는 건 가격표일 가능성이 큽니다. Qwen3.5-Flash의 API 가격은 입력 100만 토큰당 $0.10, 출력 100만 토큰당 $0.40으로 소개됐습니다3. 같은 "대량 호출/대화형 서비스" 영역에서 서구권 상용 모델들과 비교될 수밖에 없는 구간이죠.
이 가격대가 의미하는 건 단순한 절감이 아닙니다. 그동안 "비싸서 못 하던 시도"가 가능해집니다. 예를 들어 상담 챗봇에서 대화 맥락을 더 길게 유지한다든지, 코드 에이전트가 더 많은 테스트·재시도를 하도록 허용한다든지, 사내 문서 전체를 자주 통째로 재분석한다든지요. 즉, 제품 기능 자체가 바뀔 수 있습니다.
시사점
Qwen 3.5의 핵심은 "프론티어에 가까운 경험을 더 작은 비용과 더 작은 하드웨어로" 옮겨오려는 시도입니다1. 오픈 가중치로 내부망에 두고 싶은 팀은 35B-A3B나 27B를, 에이전트 성능을 더 밀고 싶다면 122B-A10B를, 운영 부담을 줄이고 가격으로 승부하려면 Flash API를 검토하는 그림이 자연스럽습니다.
실용적인 추천을 한 줄로 정리하면 이렇습니다. 로컬/사내 구축이 목적이면 35B-A3B부터, 코딩 성능의 '안정감'을 원하면 27B를, 멀티스텝 에이전트 자동화를 진지하게 한다면 122B-A10B를, 그리고 서비스 트래픽이 많다면 Flash로 비용 시뮬레이션부터 해보는 게 좋습니다.
참고
1Alibaba's open Qwen 3.5 takes aim at GPT-5 mini and Claude Sonnet 4.5 at a fraction of the cost
2Alibaba's new open source Qwen3.5-Medium models offer Sonnet 4.5 performance on local computers
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.