Qwen3.8 27B 성능 분석

Qwen3.8 27B, 지능 지수에서 더 큰 모델을 능가

Qwen3.8 27B는 인공 분석 지능 지수 v4.1.1에서 52점을 기록하여 GLM 5.2 및 GPT 5.6 Luna와 같은 훨씬 더 큰 모델들과 동등한 수준에 놓였다. 이 성능은 이전 버전인 Qwen3.6 27B(38점)에 비해 상당한 발전을 보이며, 소형 모델 범주(4B–40B)에서 최고 성능을 기록했던 모델을 뛰어넘었다.

커뮤니티 데이터에 따르면, Qwen3.8 27B는 중형 모델 범주(40B–150B)의 모든 모델을 능가하며, 대형 모델 범주(>150B)에서 다섯 번째로 높은 순위를 차지한 DeepSeek V4 Flash 0731과 동일한 점수를 기록했다.

높은 신뢰성과 낮은 환각률

Qwen3.8 27B의 가장 두드러진 기술적 성과 중 하나는 그 신뢰성이다. 이 모델은 '1회 환각률'이 70%로, 다른 고성능 모델들과는 극명한 대비를 보인다. 비교를 위해 커뮤니티 멤버들은 GPT-5.6-Sol이 이 지표에서 8% 수준임을 언급했다.

고도화된 능동적 행동과 문제 해결 능력

Qwen3.8 27B는 강력한 능동적 능력을 보이며, 능동적 지수에서 전반적으로 7위를 기록하여 Terra를 앞질렀다. 사용자들의 보고에 따르면, 이 모델은 복잡한 문제 해결 시 특히 끈기 있고 창의적이며, 명백한 경로가 실패할 경우 특이한 방법을 동원해 해결책을 찾는다.

Opus 4.6과의 비교

사용자들은 Qwen3.8 27B가 Opus 4.6을 능가하는 것으로 관찰했다. Opus 4.6은 이전에 최첨단(SOTA) 모델로 여겨졌지만, 사용자들은 이를 더 '인간적인' 성향을 지닌 것으로 묘사하며, 때로는 능동적 작업에서 '게으른' 모습을 보인다고 평가했다. 반면 Qwen3.8 27B는 문제 해결 접근 방식에서 '집착적'이고 끈기 있는 특성을 지닌다고 설명했다.

로컬 배포 및 하드웨어 효율성

Qwen3.8 27B는 27B 파라미터 모델이므로, 고성능 소비자용 데스크톱 PC와 게이밍 GPU에서도 로컬 배포가 가능하다. 이는 클라우드 인프라에 의존하지 않고도 최전방 수준의 지능을 로컬에서 실행할 수 있게 한다.

양자화 효과

실제 테스트 결과에 따르면, 양자화 수준이 모델의 행동에 큰 영향을 미친다:

• Q8 양자화: 첫 번째 시도에서 더 많은 작업을 정확히 수행하며, 해결 속도도 빠르다.
• Q4 양자화: '사고 토큰'이 2~3배 더 생성되며, 실수 후 회복에 더 많은 반복이 필요하지만, 최종 출력 품질은 대체로 유사하다.

시장 및 경제적 함의

Qwen3.8 27B의 효율성은 거대 규모 데이터 센터의 경제적 타당성에 대한 논의를 촉발했다. 27B 파라미터 모델에 최전방 수준의 기능을 포장할 수 있다는 점은, 지능의 미미한 향상을 위해 비용과 규모가 엄청난 인프라를 구축할 필요가 없다는 점을 도전한다.

가격 및 처리량

작은 크기에도 불구하고, 일부 사용자는 호스팅 제공업체(예: OpenRouter)가 이 모델에 대해 상대적으로 높은 가격(예: 입력 토큰당 $0.45/M, 출력 토큰당 $3.20/M)과 보통 수준의 처리량(약 27 tps)을 유지하고 있음을 지적하며, 이 특정 아키텍처의 추론 최적화에 제한 요소가 무엇인지에 대해 질문을 제기했다.