Qwen

쉽게 말하면, Qwen은 알리바바 클라우드의 Qwen 팀이 만든 언어 AI 모델 가족이다. 범용 텍스트 모델뿐 아니라 시각·언어, 이미지·음성, 코딩·수학, 임베딩 모델까지 갈래가 많다. 모델마다 내려받을 수 있는지와 라이선스 조건이 달라서 쓰기 전에 확인해야 한다.

1. 개요

Qwen은 알리바바의 Qwen 팀이 개발한 대규모 언어 모델과 멀티모달 모델의 계열이다. 알리바바는 2023년 4월 더 넓은 제품명인 통이첸원을 소개했고, 같은 해 이후 첫 Qwen 모델 가중치를 공개했다. 현재 계열에는 범용 텍스트 모델, 시각·언어 시스템, 음성·이미지 모델, 코딩·수학 변형, 임베딩 모델이 있으며 밀집 구조와 전문가 혼합 구조가 모두 포함된다.^2,3,4

Qwen은 모델 하나로 이루어진 것이 아니어서 라이선스와 이용 방식이 하나로 정해져 있지 않다. 일부 체크포인트는 Apache License 2.0으로 내려받을 수 있고, 초기와 대형 체크포인트 일부는 Qwen 전용 라이선스를 쓴다. Max·Plus 등 여러 호스팅 모델은 알리바바 서비스로만 쓸 수 있다. 이 문서는 내려받을 수 있는 매개변수를 공개 가중치라고 쓰고, 오픈소스는 학습 데이터 정보와 코드를 포함하는 더 완전한 정의를 공개 자료가 충족하는 경우에만 쓴다.⁹

알리바바는 2023년 4월 11일 통이첸원을 발표하며, 자사 여러 사업에 통합하고 고객 맞춤형으로 쓰기 위한 대규모 언어 모델이라고 소개했다. '통이첸원'은 여전히 더 넓은 제품·서비스 이름이고, 'Qwen'은 기술 보고서, 모델 저장소, 국제 문서에서 쓰는 모델 계열 이름이다.²

이 개요는 주요 언어 모델 세대와 이용 조건을 요약하며, Qwen2, Qwen2.5, Qwen3, Qwen3.5, Qwen3.6, Qwen3-Max, Qwen3.7-Max의 세부 내용을 대신하지 않는다. Qwen-VL, Qwen2-Audio, Qwen Image, Qwen3-Omni, Qwen3-Coder, Qwen2-Math, QwQ, Qwen3-Embedding 같은 전문 계열도 각자 범위를 따로 가진다.

2. 개발 연혁

2.1. 초기 공개와 Qwen1.5

2023년 9월 Qwen 기술 보고서는 Qwen을 사전 학습 기반 모델, 인간 피드백으로 정렬한 채팅 모델, 코드·수학 특화 변형으로 이루어진 계열로 설명했다. 첫 보고서는 Qwen-7B와 Qwen-14B를 평가하고, 디코더 전용 트랜스포머 구조, 토크나이저와 학습 선택, 지도 미세 조정, 인간 피드백 기반 강화 학습을 기술했다. 내려받을 수 있는 Qwen-7B 저장소의 맞춤형 통이첸원 라이선스에는 2023년 8월 3일 공개일이 기록되어 있다. 이 라이선스는 많은 용도를 허용했지만, 기준치를 넘는 월간 사용자 규모의 상업 서비스에는 별도 허가를 요구했고, 자료나 출력물을 다른 대규모 언어 모델 개선에 쓰는 것을 제한했다. 따라서 이는 Apache 라이선스 공개가 아니라 가중치 공개였다.^3,10

Qwen1.5는 2024년 2월 4일 발표되었다. 초기 공개 범위는 0.5B에서 72B 매개변수까지였고, 전문가 혼합 모델과 1,100억(110B) 매개변수 모델이 별도로 공개되었다. Qwen 팀은 초기 언어 모델 라인업의 문맥 길이를 32,768토큰으로 보고했고, Hugging Face Transformers 라이브러리와 통합됐다고 밝혔다. 라이선스 조건이 모든 크기에서 같지 않으므로, '모든 Qwen1.5 모델이 Apache 라이선스'라고 일반화하면 부정확하다.¹¹

2.2. Qwen2

Qwen2는 2024년 6월 7일 발표되었다. 0.5B, 1.5B, 7B, 72B의 밀집 4개 크기와 Qwen2-57B-A14B 전문가 혼합 모델로 구성되었고, 중국어와 영어 외에 27개 언어에 대한 학습 지원을 추가했다. 문맥 길이는 최대 128,000토큰으로 제시되었지만 7B와 72B 모델에 해당하며 모든 크기에 적용되지는 않는다. 기술 보고서에 따르면 대부분의 Qwen2 모델은 7조 토큰 넘게 사전 학습되었고, 0.5B 모델과 전문가 혼합 모델은 다른 학습 일정을 따랐다.^12,18

Qwen2는 체크포인트마다 라이선스를 따로 확인해야 하는 이유를 보여 준다. Qwen2-7B 저장소는 Apache License 2.0으로 표시되어 있고, Qwen2-72B에는 맞춤형 통이첸원 라이선스가 붙어 있다. 매개변수 수, 문맥 길이, 지시 튜닝, 라이선스는 서로 다른 속성이므로 한 체크포인트에 맞는 내용이 다른 체크포인트에 자동으로 적용되지 않는다.^19,20

2.3. Qwen2.5

Qwen2.5는 2024년 9월 19일 최대 18조 토큰으로 사전 학습한 뒤 발표되었다. 언어 모델 라인업은 0.5B, 1.5B, 3B, 7B, 14B, 32B, 72B 크기이며, Coder와 Math 계열을 함께 냈다. 기술 보고서는 100만 개 이상의 지도 미세 조정 예시와 15만 쌍 이상의 선호 쌍을 기록했지만, 전체 학습 코퍼스는 공개하지 않았다.^13,21

같은 보고서에 실린 크기별 문맥 길이와 라이선스 정보는 아래 표와 같다.²¹

이 표는 흔한 과잉 일반화 두 가지를 바로잡는다. 작은 모델이 모두 128K 문맥을 가진 것은 아니며, 전체 라인업이 하나의 라이선스를 공유하지도 않는다.²¹

2.4. Qwen3

Qwen3는 2025년 4월 29일 발표되었다. 공개된 계열은 0.6B에서 32B까지의 밀집 모델 6종과 Qwen3-30B-A3B, Qwen3-235B-A22B 전문가 혼합 모델 2종이며, 이 8개 모델을 Apache License 2.0으로 공개했다. 기술 보고서는 119개 언어와 방언에 걸친 36조 토큰 학습을 설명한다. 공식 Qwen 자료 사이에 문맥 값 불일치가 하나 있다. 발표문은 0.6B, 1.7B, 4B에 32K, 8B, 14B, 32B와 두 MoE 모델에 128K를 제시했지만, 기술 보고서 표 1은 Qwen3-4B에 128K를 적었다. 이 개요는 그래서 Qwen3-4B에 확정된 문맥 값 하나를 부여하지 않는다.^14,22

Qwen3는 같은 후학습 모델 안에 다단계 추론을 위한 사고 모드와 빠른 직접 응답을 위한 비사고 모드를 함께 두었다. 사고 예산(thinking budget)도 설정할 수 있게 공개했다. 이 모드들은 추론 실행 방식일 뿐이며, 사고 과정이 길어진다고 답이 반드시 정확해진다는 보장은 아니다. 별도로 호스팅되는 Qwen3-Max와도 구분해야 한다. 알리바바는 2025년 9월 Qwen3-Max를 1조 개 이상의 매개변수와 36조 학습 토큰을 가진 독점 API 모델로 설명했고, 가중치는 공개하지 않았다.^5,14,22

2.5. Qwen3.5와 Qwen3.6

Qwen3.5는 2026년 2월 15일 공개 가중치 모델 Qwen3.5-397B-A17B와 함께 발표되었다. 이름은 전체 3,970억 매개변수 중 토큰마다 170억 개가 활성화된다는 뜻이다. 이 모델은 시각 인코더와 언어 모델을 결합했고, Gated DeltaNet 계층, 전체 어텐션 계층, 희소 전문가를 사용했다. 모델 카드는 201개 언어와 방언 지원, Apache License 2.0 공개, 262,144토큰의 네이티브 문맥 길이와 1,010,000토큰까지의 선택적 확장을 명시한다. 호스팅 Qwen3.5-Plus는 기본으로 100만 토큰 문맥을 제공했다. 발표문은 기술 보고서를 이어서 내겠다고 밝혔지만, 2026년 7월 28일 기준으로 전체 학습 토큰 총량과 전체 코퍼스를 밝힌 공식 보고서는 공개되지 않았다.^15,23

첫 공개 Qwen3.6 모델인 Qwen3.6-35B-A3B는 2026년 4월 15일 발표되었다. 네이티브 시각-언어 전문가 혼합 모델로, 전체 350억·활성 30억 매개변수를 가진다. 밀집형 네이티브 시각-언어 모델인 Qwen3.6-27B가 4월 22일 뒤따랐다. 두 모델 저장소는 모두 Apache License 2.0을 쓰고, 네이티브 262,144토큰 문맥과 1,010,000토큰까지의 선택적 확장을 명시한다. 모델 카드는 정적 YaRN 스케일링이 짧은 입력의 성능을 낮출 수 있다고 경고하므로, 외삽한 최대 길이를 모든 작업이나 배포 환경에서 보장된 측정값으로 읽어서는 안 된다.^7,16,24,25

2.6. 호스팅 전용 Qwen3.7·Qwen3.8

Qwen 공식 사이트는 2026년 5월 20일 Qwen3.7-Max, 6월 1일 Qwen3.7-Plus 공개를 기록하고 있으며, Qwen3.7-Plus는 멀티모달 입력을 추가했다. 알리바바 클라우드 릴리스 기록은 두 모델의 글로벌 서비스 제공을 각각 5월 21일과 6월 2일로 적었고, 날짜 스냅샷 식별자는 qwen3.7-max-2026-05-20과 qwen3.7-plus-2026-05-26이다. 같은 기록에 따르면 qwen3.7-max-2026-06-08 스냅샷은 6월 10일 글로벌 공개되었다. 이 스냅샷은 시각 입력을 추가했고, 5월 20일 Max 스냅샷은 텍스트 전용이었다. 알리바바 클라우드의 2026년 7월 모델 문서는 호스팅 Max·Plus 모델의 문맥 한도를 최대 100만 토큰으로 기재했다. 2026년 7월 28일 기준으로 Qwen3.7-Max와 Qwen3.7-Plus의 내려받기용 가중치, 매개변수 수, 학습 데이터 전체 설명, 기술 보고서는 공개되지 않았다.^4,6,17

알리바바는 2026년 7월 20일 Qwen3.8-Max-Preview를 발표하고 Token Plan, Qoder, QoderWork 제품을 통해 이용할 수 있게 했다. 알리바바는 이 모델을 2.4조 매개변수 모델이라고 설명했고, Qwen3.8-Max를 '곧' 공개 가중치로 전환할 것이라고 밝혔다. 2026년 7월 28일 기준으로 여전히 프리뷰 서비스이며 공개 가중치 릴리스로 문서화되지 않았다. 내려받을 수 있는 가중치, 가중치 라이선스, 기술 보고서, 모델 카드, 학습 토큰 수, 가중치 공개 확정일은 아직 없다. 2.4조라는 수치는 회사가 밝힌 것이고, '곧'은 공개 날짜가 아니라 계획이다.⁸

3. 구조와 학습 정보 공개

초기 Qwen 언어 모델은 다음 토큰 예측으로 학습한 디코더 전용 트랜스포머였다. 보고서는 회전 위치 임베딩(RoPE), RMS 정규화, SwiGLU 피드포워드 네트워크를 구성 요소로 설명하고, 이후 세대에는 그룹 질의 어텐션(grouped-query attention)을 썼다고 기술했다. Qwen2.5는 밀집 모델을 유지하면서 세분화된 전문가 혼합 설계도 기록했다. Qwen3는 밀집 변형과 희소 전문가 변형을 함께 썼고, 두 MoE 구성 각각에서 전문가 128개 중 8개를 활성화했다.^3,18,21,22

Qwen3.5와 Qwen3.6은 백본을 더 크게 바꿨다. 공개된 모델 카드는 Gated DeltaNet 선형 어텐션 계층 여러 개 뒤에 전체 어텐션 계층 하나가 반복되는 구조를 설명한다. 일부 체크포인트는 밀집형이고 다른 체크포인트는 토큰을 전문가 일부로 보낸다. 이미지 입력에 별도 VL 체크포인트가 필요하지 않고, 시각 인코더를 함께 포함한다. 구조 표기만으로 매개변수 수를 서로 바꿔 비교할 수는 없다. 예를 들어 '35B-A3B'는 전체와 활성 매개변수를 함께 표시하고, '27B'는 밀집 모델을 가리킨다.^23,24,25

Qwen 보고서는 학습 토큰 총량, 데이터 영역의 큰 분류, 필터링 단계, 합성 데이터 사용, 지도 미세 조정, 선호 최적화, 강화 학습 절차를 공개한다. 그러나 예시마다 출처를 밝힌 완전하고 항목별인 학습 코퍼스와 학습을 재현하는 전체 코드는 공개하지 않는다. 이 구분은 과학적 재현성과 라이선스 용어 모두에 중요하다.^3,18,21,22

4. 가중치·라이선스·이용 방식

Qwen 공개물은 세 집단으로 나뉜다.

• 맞춤형 라이선스 공개 가중치. 원본 Qwen-7B와 일부 후기 대형 체크포인트는 Qwen 전용 조건을 쓴다.
• Apache License 2.0 공개 가중치. Qwen2-7B, 대부분이지만 전부는 아닌 Qwen2.5 크기, 초기 Qwen3 모델 8종 전체, 인용된 Qwen3.5와 Qwen3.6 체크포인트가 있다.
• 호스팅 전용 독점 모델. Max와 Plus 서비스는 내려받을 수 있는 가중치 없이 Qwen Chat이나 알리바바 클라우드로 쓸 수 있다. Qwen3-Max와 Qwen3.7이 예다.^{5,6,10,14,19,20,21,23,24,25}

Apache License 2.0 표시는 포함된 공개 자료에 적용되지만, 가중치의 라이선스만으로 그것을 만든 데이터와 과정이 드러나지는 않는다. 오픈소스 이니셔티브의 오픈소스 AI 정의는 체계를 사용·연구·수정·공유할 수 있어야 하고, 상세한 데이터 정보, 완전한 학습·추론 코드, 매개변수를 갖출 것을 요구한다. Qwen의 공개 보고서는 완전한 학습 코퍼스와 파이프라인 대신 고수준 설명을 제공하므로, 공개된 모든 Qwen 체계를 완전한 오픈소스라고 주장하기보다 'Apache 라이선스 공개 가중치 모델'이라고 쓰는 편이 정확하다.⁹

5. 호스팅 서비스와 API

알리바바 클라우드 Model Studio는 여러 지역에서 Qwen과 제3자 모델을 제공한다. 2026년 7월 13일자 텍스트 생성 API 참조 문서는 네 가지 인터페이스를 나열한다. OpenAI 호환 Chat Completions, OpenAI 호환 Responses, Anthropic 호환 Messages, 그리고 DashScope 네이티브 인터페이스다. 모델과 기능의 제공 여부는 지역과 정확한 모델 식별자에 따라 다르며, 이 개요는 호스팅 서비스의 모든 별칭을 정리하지 않는다.^6,26

버전 없는 서비스 별칭은 알리바바가 호스팅 모델을 갱신할 때 바뀔 수 있다. 날짜 스냅샷이 제공되는 경우 재현성이 필요한 애플리케이션은 정확한 식별자, 지역, 요청 매개변수, 접근 날짜를 기록해야 한다. 서비스 문서의 컨텍스트 창 한도는 입력과 출력 용량의 경계일 뿐이며, 긴 프롬프트의 모든 위치를 모델이 정확히 검색하거나 추론한다는 증거가 아니다.^6,17

6. 평가와 한계

Qwen 기술 보고서와 모델 카드에는 제작사 주도의 벤치마크 비교가 많이 담겨 있지만, 세대 간 점수를 자동으로 비교할 수는 없다. 프롬프트 템플릿, 샘플링 설정, 문맥 한도, 도구 구성, 벤치마크 개정판, LLM 평가자가 모두 달라질 수 있다. 결과는 문서화된 실험 조건과 함께 밝혀야 하며, 시점과 무관한 순위로 바꿔 읽어서는 안 된다.^18,21,22,23

독립 연구는 더 좁은 근거를 제공한다. EMNLP 2025에 발표된 QualBench는 여섯 개 분야의 중국어 전문 자격 시험 문항 17,316개를 평가했다. 보고된 설정에서 Qwen2.5-7B-Instruct는 전체 75.26%를, GPT-4o는 61.61%를 기록했다. 저자들은 분야별 차이, 답안 순서 섞기 테스트, 문항 완성 탐침에서의 약한 성능도 함께 기록했다. 이는 해당 벤치마크의 성능을 뒷받침할 뿐, 작은 모델이 전반적으로 우수하다는 결론은 아니다.²⁷

Findings of ACL 2026에 발표된 MuBench는 61개 언어의 다국어 이해를 평가했다. 시험한 공개 모델 가운데 Qwen2.5와 Qwen3 모델이 상대적으로 강하고 안정적이었다. 그러나 영어 대비 손실은 여전히 측정되었고, 자원이 적은 언어에서 특히 컸다. 그 차이는 모델 크기가 커져도 일관되게 사라지지 않았다. 제작사가 많은 언어를 '지원한다'고 말하는 것은 적용 범위를 뜻할 뿐, 모든 언어와 과제에서 같은 정확도를 뜻하지 않는다.²⁸

그 밖의 한계는 공개 방식과 배포 환경에 따른 것이다. 선택적 100만 토큰 확장은 짧은 문맥의 동작에 영향을 줄 수 있는 프레임워크와 스케일링 선택을 필요로 한다. 호스팅 별칭은 바뀔 수 있고, 독점 모델은 공개 가중치 체크포인트보다 구조와 학습 세부 정보를 적게 밝힐 수 있다. 인용된 보고서 중 어느 것도 Qwen의 출력이 일관되게 사실이라거나, 벤치마크 결과가 특정 응용 프로그램에 옮겨진다거나, 긴 문맥이나 사고 모드가 오류를 없앤다는 것을 확립하지 않는다.^{6,17,23,24,25}