Qwen 3.7 Max와 에이전트 LLM 경쟁 구도

에이전트 실행을 전면에 둔 Qwen 3.7 Max

2026년 봄에는 OpenAI의 GPT-5.5, Anthropic의 Claude Opus 4.7, Google의 Gemini 3.5 Flash, DeepSeek의 V4 Pro, Alibaba의 Qwen 3.7 Max가 불과 30일 안에 잇달아 출시됐다. 이 경쟁에서 Qwen 3.7 Max가 내세운 방향은 단순한 응답 성능 향상이 아니라 장시간 자율적으로 작업하는 에이전트 엔진이다.

Alibaba는 2026년 5월 20일 항저우에서 열린 알리바바 클라우드 서밋(Alibaba Cloud Summit)에서 Qwen 3.7 Max를 공식 발표했다. Qwen 팀이 개발한 이 모델은 텍스트 기반 장문 추론과 에이전트 코딩에 특화된 플래그십이다. 같은 세대의 Qwen 3.7 Plus는 비전 입력을 포함한 멀티모달 기능을 맡는다.

두 모델은 현재 클로즈드 웨이트(closed-weights)로 제공된다. Alibaba Cloud의 DashScope와 Model Studio, OpenRouter 같은 서드파티 집계 서비스를 통해 접근할 수 있다.

긴 컨텍스트가 실제 검색 성능으로 이어지는가

Qwen 3.7 Max의 컨텍스트 윈도우는 최대 1,000,000 토큰이다. 이전 세대의 256K 토큰보다 4배 확장돼 대형 코드베이스 전체나 수백 페이지 분량의 문서를 하나의 컨텍스트에서 처리할 수 있다.

지원 길이만 늘어난 것은 아니다. MRCR-v2 128k 검색 벤치마크에서 90.4점을 기록했다. 1M 컨텍스트를 지원한다고 밝힌 경쟁 모델 가운데 실제 장문 검색에 취약한 사례가 있다는 점을 고려하면 눈여겨볼 결과다. 단일 요청의 최대 출력 토큰은 65,536개다.

계획을 세운 뒤 추론하는 확장 사고

Qwen 3.7 Max에는 추론에 앞서 계획을 수립하는 확장 사고 레이어가 내재돼 있다. 복잡한 수학 문제나 여러 단계를 거치는 코딩 과제에서 단계적 추론의 깊이를 높이기 위한 구조다.

공개 벤치마크에서는 GPQA Diamond 92.4, HMMT 2026 Feb 97.1을 기록해 동급 모델 중 최고 성능을 보였다.

응답 모델에서 자율 실행 엔진으로

Alibaba의 내부 테스트에서 Qwen 3.7 Max는 35시간 연속 자율 운용을 달성했다. 그동안 1,158회의 도구 호출과 432회의 커널 평가를 수행했고, 아키텍처를 5회 재설계했다. 커널 최적화 작업의 속도 향상은 기하평균 10.0배였다.

이 결과가 보여주는 핵심은 한 번의 프롬프트에 답하는 능력이 아니다. 도구를 사용하고 결과를 평가한 뒤 설계를 바꾸면서 목표를 향해 반복하는 에이전트 역량이다. 세부 아키텍처의 공개 범위는 제한적이지만, DeepSeek·Meta·Google이 수렴하고 있는 Mixture-of-Experts(MoE) 프런티어 아키텍처 계열에 위치하는 것으로 분석된다.

⤢✕

코딩과 추론 벤치마크에서 확인된 위치

출시 직후 Qwen 3.7 Max는 BenchLM.ai 전체 모델 리더보드에서 118개 모델 중 3위, 검증 리더보드에서 26개 모델 중 2위에 올랐다.

코딩 에이전트 평가 결과는 다음과 같다.

벤치마크	Qwen 3.7 Max	DeepSeek V4 Pro	Claude Opus 4.6
SWE-Pro	60.6%	55.2%	58.1%
Terminal-Bench 2.0	69.7%	63.4%	61.8%
SWE-Verified	80.4%	76.1%	79.2%
SWE-Multilingual	78.3%	74.8%	72.5%

수학·추론 평가에서도 선두권을 기록했다.

벤치마크	Qwen 3.7 Max	DeepSeek V4 Pro	Claude Opus 4.6
GPQA Diamond	92.4	89.7	91.2
HMMT 2026 Feb	97.1	95.2	96.2
Apex	44.5	38.3	34.5

다국어 성능은 WMT24++에서 확인할 수 있다. 55개 언어를 대상으로 한 번역 품질 평가에서 Qwen 3.7 Max는 85.8점을 받았다. Qwen 3.6 Plus는 84.3, Claude Opus 4.6 Max는 82.7이었다. 중국어·한국어·일본어 등 아시아 언어에서 보였던 강점이 글로벌 다국어 처리로 확장됐음을 시사한다.

기존 LLM 스택에서 전환하는 방법

실무 도입에서 눈에 띄는 부분은 듀얼 API 호환성이다. Qwen 3.7 Max는 OpenAI API와 Anthropic API에 호환되는 드롭인 엔드포인트를 제공한다. 기존 OpenAI 또는 Claude 스택으로 구축한 애플리케이션을 코드 변경 없이 전환할 수 있다는 의미다.

⤢✕

API 가격은 입력 $2.50/M 토큰, 출력 $1.20/M 토큰 수준이다. GPT-5.5보다 수십 배 저렴하면서 코딩·추론 벤치마크에서는 동등하거나 우월한 성능을 보인다는 점이 핵심 가치 제안이다.

텍스트 플래그십과 멀티모달 모델의 역할 분담

Qwen 3.7 세대는 하나의 모델에 모든 기능을 집중하지 않는다. Qwen 3.7 Max는 텍스트 기반 에이전트 작업을 담당하고, Qwen 3.7 Plus-Preview는 비전 입력이 포함된 멀티모달 태스크를 처리한다.

Qwen 3.7 Plus는 비전 아레나(Vision Arena) 16위에 올라 이미지 이해 능력을 검증받았다. 텍스트 전용 플래그십과 멀티모달 보조 모델을 나눈 구성은 태스크 특성에 맞춰 각각 최적화하려는 설계다.

⤢✕

2026년 봄에 재편된 LLM 시장

Qwen 3.7 Max는 단일 제품의 출시를 넘어 글로벌 LLM 시장이 여러 축으로 나뉘는 흐름을 보여준다. 2026년 봄의 플래그십 모델 출시는 다음 순서로 이어졌다.

⤢✕

RAND 연구소와 Atlantic Council의 분석을 보면 미국은 파운데이션 모델의 순수 규모(scale), 멀티모달 통합, 벤처 캐피털 투자 유치에서 여전히 압도적 우위를 유지한다. 2025년 8월 기준 글로벌 LLM 사이트 방문의 약 **93%**가 미국 모델에 집중됐다.

중국 모델은 가격과 효율에서 다른 전략을 취한다. 2026년은 중국의 “효율 혁명” 원년으로 평가된다. DeepSeek V4 Pro는 GPT-5.5보다 34배 낮은 출력 토큰 비용으로 동등한 성능을 달성했고, Qwen 3.7 Max도 낮은 API 가격으로 벤치마크 선두권 성능을 제공한다. Google DeepMind CEO 데미스 하사비스는 중국의 선도 AI 모델이 서방 최상위 시스템과 “불과 몇 달”의 격차만 남겨두고 있다고 평가했다.

오픈소스도 영향력 확대의 수단이다. 중국은 2026년 오픈소스 AI 전략을 강화하며 글로벌 AI 인프라에서의 영향력을 높이고 있다. DeepSeek의 MIT 라이선스 오픈 웨이트 전략과 Qwen 시리즈의 단계적 오픈소스화가 대표적인 사례다.

개발자 입장에서는 선택지가 크게 늘었다. OpenAI API 호환 엔드포인트를 이용해 GPT 스택을 Qwen이나 DeepSeek로 즉시 대체할 수 있고, 비용 최적화의 자유도도 높아졌다. 대신 모델별 강점을 구분해 어떤 작업에 어떤 모델을 배치할지 결정하는 능력이 엔지니어링의 중요한 부분이 됐다.

실제 도입에서 맞는 작업과 제약

Qwen 3.7 Max는 1M 토큰 컨텍스트를 활용하는 대형 코드베이스 리팩토링과 버그 분석에 적합하다. 장시간 자율 실행이 필요한 CI/CD 파이프라인 에이전트, WMT24++ 1위 기록을 활용한 다국어 기술 문서 번역, 수학·과학 분야의 복잡한 추론 태스크도 후보가 된다.

운영 제약도 분명하다. 현재 클로즈드 웨이트이므로 온프레미스 배포는 할 수 없다. 이미지나 오디오를 처리해야 하는 파이프라인이라면 Qwen 3.7 Plus와 병행 구성이 필요하다. 또한 35시간 자율 에이전트 실행은 벤더가 공개한 수치이므로 독립적인 검증이 필요하다.

Qwen 3.7 Max가 제시한 경쟁력은 100만 토큰 컨텍스트나 개별 벤치마크 점수에만 있지 않다. 가격 효율, API 호환성, 장시간 도구 실행을 하나의 에이전트 운용 모델로 묶었다는 데 의미가 있다. GPT-5.5와 DeepSeek V4 Pro를 포함한 경쟁 역시 순수 성능만이 아니라 비용, 오픈소스 전략, 에이전트 특화 역량을 함께 비교하는 구도로 이동하고 있다.