알리바바, 15배나 큰 모델보다 코딩 앞선 '큐원3.6-27B' 출시 - AI타임스

알리바바가 코딩 에이전트 작업에서 최고 수준을 기록한 매개변수 270억개의 경량 모델을 공개했다. 알리바바는 22일(현지시간) 새로운 오픈소스 AI 모델 ‘큐원3.6-27B(Qwen3.6-27B)’를 공개했다. 전문가 혼합(MoE) 방식이 아닌, 큐원3.6 시리즈 최초의 완전 밀집(Dense) 구조 모델이다. 특히, 자율형 코딩(agentic coding) 분야에서 강력한 성능을 보여주는 것이 특징이다. 270억개의 매개변수에도 불구하고, 15배 이상 큰 대표 모델 '큐원3.5-397B-A17B'를 주요 코딩 벤치마크에서 모두 앞서는 성과를 기록했다. 이는 단순한 모델 규모 경쟁에서 벗어나, 효율적인 구조 설계와 학습 방식이 성능을 좌우하는 새로운 흐름을 보여준다. 특히 이번 모델은 복잡한 코드베이스를 이해하고 여러 파일을 동시에 수정하며 실행 가능한 결과물을 만들어내는 ‘에이전트형 코딩’ 능력이 크게 향상됐다. 내부 평가인 '큐원웹벤치(QwenWebBench)'에서 1487점을 기록하며 이전 모델 대비 큰 폭의 성능 향상을 보였고, 저장소 단위 코드 생성 능력을 평가하는 'NL2Repo'에서도 상당한 개선을 달성했다. 소프트웨어 엔지니어링 자동화 성능을 측정하는 'SWE-벤치 베리파이드'에서는 77.2점을 기록하며 '클로드 오퍼스 4.5'와 유사한 수준에 도달했다. 기술적으로는 ‘preserve_thinking’이라는 새로운 기능이 도입됐다. 기존 모델들이 현재 대화에서만 추론 과정을 유지하는 것과 달리, 큐원3.6-27B는 이전 대화에서 생성된 사고 흐름까지 지속적으로 보존하고 활용할 수 있다. 이를 통해 반복적인 추론 과정을 줄이고 토큰 사용량을 절감하면서도, 장기적인 작업에서 일관성을 높일 수 있다. 아키텍처도 크게 변화했다. 선형 어텐션 기반의 ‘게이티드 델타넷(Gated DeltaNet)’과 기존 셀프-어텐션(self-attention)을 결합한 하이브리드 구조를 채택했다. 이를 통해 긴 문맥에서의 계산 비용을 크게 줄이면서도 성능 저하를 최소화했다. 또 멀티 토큰 예측(MTP) 기반의 추론 방식을 도입해 처리 속도를 높였으며, 최대 26만 토큰의 기본 컨텍스트와 확장 시 100만 토큰 이상의 초장문 처리도 지원한다. 여기에 텍스트뿐 아니라 이미지와 영상까지 처리할 수 있는 네이티브 멀티모달 AI로 설계됐다. 문서 이해, 시각적 질의응답, 영상 분석 등 다양한 작업을 하나의 모델로 수행할 수 있으며, 실제 벤치마크에서도 안정적인 성능을 보였다. 효율성과 실용성도 핵심 목표다. 알리바바는 이번 모델을 “벤치마크 점수 최적화보다 실제 사용성을 우선한 결과물”이라고 설명했다. 밀집 구조를 채택해 MoE 모델 대비 배포가 간단하고, 다양한 개발 환경에 쉽게 통합할 수 있다는 점도 강점이다. 큐원3.6-27B는 허깅페이스와 모델스코프를 통해 오픈 웨이트 형태로 공개됐으며, API와 큐원 스튜디오를 통해서도 사용할 수 있다. 또 클로드 코드(Claude Code), 오픈클로(OpenClaw), 큐원 코드(Qwen Code) 등 다양한 코딩 에이전트 도구와 호환돼 실제 개발 환경에서 즉시 활용 가능하다. 박찬 기자 [email protected]