알리바바가 ‘가성비 오픈소스 모델’을 넘어 코딩과 장기 자율 실행, 사무 자동화, 복합 에이전트 작업 등 실제 업무 환경에 초점을 맞춘 ‘에이전트용 모델’을 공개했다.
알리바바는 20일(현지시간) AI 에이전트용 파운데이션 모델 ‘큐원3.7-맥스(Qwen3.7-Max)’를 공개했다.
코드 작성과 디버깅, 다중 파일 소프트웨어 엔지니어링, 사무 자동화, MCP(Model Context Protocol) 기반 워크플로우 실행, 수백~수천 단계에 이르는 장기 자율 작업 수행 등에 최적화됐다는 설명이다.
프런트엔드 프로토타입 제작부터 복잡한 소프트웨어 엔지니어링 작업까지 수행할 수 있으며, 다양한 에이전트 프레임워크에서도 안정적인 성능을 유지한다고 강조했다. '클로드 코드'나 '오픈클로', '큐원 코드' 등 여러 에이전트 환경에서 일관된 결과를 보였다는 것이다.
이번 공개에 앞서 알리바바는 ‘큐원3.7-맥스-프리뷰’와 ‘큐원3.7-플러스-프리뷰’를 LM 아레나(LM Arena)에 등록했다. 그 결과 텍스트 부문에서는 맥스 모델이 글로벌 13위, 비전 부문에서는 플러스 모델이 16위를 기록했다.
이는 중국 AI 모델 가운데 최상위권 성적이다. 다만 앤트로픽의 클로드, 구글 제미나이, 오픈AI GPT 시리즈 등 미국 최상위 프런티어 모델과는 여전히 격차가 존재한다는 평가도 나온다.
벤치마크 결과 (사진=알리바바)
공개된 큐원3.7-맥스도 다양한 벤치마크에서 높은 성능을 기록했다. 소프트웨어 엔지니어링 평가인 'SWE-프로'에서는 60.6점을 기록했고, 'SWE-베리파이드'에서는 80.4점으로 앤트로픽 ‘클로드 오퍼스 4.6 맥스’와 비슷한 수준을 보였다.
일반 에이전트 성능 평가인 'MCP-마크' 'MCP-아틀라스' '스킬벤치' 등에서도 경쟁 모델을 앞섰다.
특히 장기 자율 실행 능력이 핵심 특징으로 부각됐다. 알리바바는 큐원3.7-맥스가 35시간 동안 1158회의 도구 호출(tool call)과 432회의 커널 평가를 반복하며 완전히 자율적으로 GPU 커널 최적화를 수행했다고 밝혔다.
이 과정에서 모델은 스스로 코드를 작성하고 컴파일하며 오류를 수정하고 성능 병목을 분석해 최종적으로 기존 구현 대비 평균 10배의 성능 향상을 달성했다.
이러한 성능 향상의 배경으로 ‘환경 스케일링(Environment Scaling)’ 전략을 꼽았다. 이는 다양한 실제 환경과 에이전트 구조에서 모델을 학습시켜 특정 벤치마크가 아닌 범용 문제 해결 능력을 강화하는 방식이다. 동일한 작업을 서로 다른 하네스(harness)와 검증 환경(verifier)에 반복 노출함으로써, 모델이 특정 프레임워크 요령이 아니라 일반화된 문제 해결 전략을 학습하도록 설계했다고 설명했다.
강화학습(RL) 기반 소프트웨어 엔지니어링 실험에서도 스스로 규칙을 개선하는 능력을 보였다. 80시간이 넘는 RL 실험 과정에서 모델은 1만회 이상의 호출을 수행하며 보상 해킹(reward hacking) 패턴을 탐지하고 새로운 규칙 13개를 자율적으로 생성했다.
스타트업 운영을 시뮬레이션하는 ‘YC-벤치’에서도 성과를 냈다. 인력 관리, 계약 검토, 악성 고객 탐지 등을 포함한 장기 의사결정을 수행해 총 208만달러 매출을 기록했다. 이는 이전 세대 모델 대비 5.9배 높은 수준이다.
큐원3.7-맥스는 곧 알리바바 클라우드 모델 스튜디오를 통해 API 형태로 제공될 예정이다. 오픈AI 및 앤트로픽 API 규격과 호환되며, 장기 에이전트 작업을 위해 이전 사고 과정을 유지하는 기능(preserve_thinking)도 지원한다.
박찬 기자 cpark@aitimes.com
댓글
0