큐원, 키미, GLM은 모두 중국의 공개 모델로 묶이지만 같은 길을 걷지는 않는다. 어떤 회사는 클라우드 고객을 모으기 위해 모델을 열고, 어떤 회사는 긴 문맥이나 에이전트 성능으로 존재감을 만든다. ‘공개’라는 단어 하나로는 전략의 차이를 설명하기 어렵다.
Qwen 3.8과 에이전트 네이티브 클라우드
알리바바는 2026년 7월 20일 WAIC에서 Qwen 3.8-Max-Preview와 함께 AgentLoop, AgentTeams를 공개했다. 회사 발표 기준으로 Qwen 3.8-Max-Preview는 2.4조 개의 매개변수를 갖고 있으며, 정식 버전은 오픈웨이트로 공개할 계획이다. 아직 미리보기 단계인 만큼 순위보다 실제 공개 범위와 라이선스를 확인하는 편이 안전하다.
이번 발표에서 더 눈여겨볼 대목은 모델 하나보다 운영 도구다. AgentLoop는 에이전트 실행을 추적·평가·최적화하고, AgentTeams는 여러 에이전트의 협업과 통제를 맡는다. 알리바바는 자체 AI 칩용 SAIL 소프트웨어 스택도 공개했다. 큐원의 공개 전략이 모델 파일에서 클라우드 운영과 하드웨어 소프트웨어로 넓어졌다는 뜻이다.
기술 점수만 따라가면 모델을 여는 이유가 잘 보이지 않는다. 딥시크는 효율과 공개 방식으로 시장의 기대치를 흔들었고, 알리바바 큐원은 공개 모델과 클라우드를 맞물리게 했다. 문샷AI의 키미와 즈푸AI의 지엘엠은 긴 문맥과 코딩, 에이전트형 작업에서 스타트업의 속도를 끌어올렸다. 큐원은 클라우드와 커머스에 닿고, 키미와 지엘엠은 좁고 깊은 문제를 겨냥한다.
그래서 “어느 쪽이 더 낫나”에서 멈추면 그림이 작아진다. 갈리는 지점은 파일이 열린 뒤에 있다. 개발자는 어디서 시험하고, 기업 고객은 어디서 보안과 장애 대응을 맡기는가. 목적지가 보이면 공개 경쟁의 구도도 함께 보인다.
공개에도 여러 단계가 있다
AI를 공개한다고 해도 공개 수준은 여러 갈래다. 논문만 열렸는지, 모델을 움직이게 하는 가중치까지 열렸는지, 코드와 평가 방법이 있는지, 학습 데이터 정보가 설명됐는지, 상업적 사용이 가능한 라이선스인지에 따라 결론이 달라진다.
논문은 설계와 평가 결과를 담지만 바로 쓰는 제품과는 다르다. 모델 파일까지 열리면 사용자는 이미 학습을 마친 AI를 내려받아 자체 서버나 클라우드에서 실행한다. 코드는 개발자가 처음 붙여 보는 시간을 줄이고, 데이터 정보는 저작권, 편향, 개인정보를 다시 따져볼 수 있는 근거가 된다. 라이선스는 제품으로 쓰기 위한 현실의 경계다. 상업적 사용, 수정, 재배포, 파생물의 허용 범위를 확정하지 않으면 기술 논의가 끝난 뒤 법무 단계에서 멈춘다.
2024년 Open Source Initiative가 발표한 오픈소스 AI 정의 1.0은 오픈소스와 오픈웨이트의 차이를 더 분명하게 만들었다. 모델 파일을 내려받을 수 있다는 사실만으로는 오픈소스 AI라고 부르기 어렵고, 사용, 연구, 수정, 공유의 자유뿐 아니라 데이터 정보, 코드, 파라미터가 실질적으로 제공되는지가 더 까다로운 기준이 됐다. 많은 모델은 오픈소스보다 오픈웨이트로 부르는 편이 알맞다. 오픈소스와 오픈웨이트의 경계는 기업 도입 때 법무와 보안, 운영 관리 항목을 초기 단계부터 바꾼다.
큐원은 공개와 클라우드를 잇는다
큐원은 성능 순위에 오르는 이름이면서 알리바바가 기업 고객을 부르는 입구다. 모델 파일이 개발자와 스타트업의 실험을 부르고, 클라우드가 제품 운영에 필요한 관리 기능을 맡는 구조다.
성능이 좋으면 사업도 따라온다고 보기 쉽지만 실제로는 그렇지 않다. 기업 고객은 파일만 사지 않는다. 권한 설정과 데이터 보안, 로그, 청구 예측, 장애 대응, 업데이트, 내부 시스템 연동까지 요구한다. 열린 모델 파일은 프로토타입 제작 속도를 올려 주고, 그 뒤부터는 사용 기록 추적과 업무 맞춤 조정, 모니터링, 사용량이 커질 때의 관리가 따라온다. 알리바바 클라우드 모델 스튜디오 같은 상품이 필요해지는 지점이다.
그래서 모델을 여는 일과 클라우드 사업은 충돌하지 않는다. 언뜻 파일을 열면 클라우드 매출이 줄 것 같지만, 작은 팀은 열린 버전으로 프로토타입을 만들고 기업 고객은 보안과 장애 대응, 버전 관리가 필요해지는 순간 클라우드를 찾는다. 공개는 무료 배포가 아니라 개발자를 생태계 안으로 불러들이는 통로에 가깝다.
알리바바가 가진 자산을 보면 이 조합이 더 자연스럽다. 타오바오와 티몰의 판매자는 상품명을 쓰고, 상세페이지를 고치고, 리뷰를 읽고, 고객 문의에 답하고, 광고 소재를 계속 바꾼다. 여기에 큐원 계열 AI가 들어가면 독립 챗봇보다 판매자 운영 기능에 가까워진다. 매출도 모델 결제 한 곳에 묶이지 않는다. 판매자 기능의 유료화와 광고 효율, 모델 사용 수요, 기업 고객의 운영 계약이 함께 떠받친다.
키미와 지엘엠: 빠른 모델 실험의 현장
문샷AI의 키미와 즈푸AI의 지엘엠은 중국 AI 스타트업의 빠른 실험을 대표한다. 키미는 긴 문서와 대화형 제품 감각을 앞세우고, 지엘엠은 연구 토대, 모델 공개, 기업용 제품 사이를 오가며 단계적 풀이와 코딩 경쟁에 뛰어든다.
두 회사의 행보가 주목받는 이유는 기업 업무의 성격과 닿아 있다. 업무의 상당 부분은 긴 문서, 코드, 회의록, 정책 문서, 계약서처럼 복잡한 문서 위에서 처리된다. 짧은 질문에 답하는 기능보다 긴 문서의 앞뒤 관계를 읽고 여러 단계를 처리하는 기능이 업무 깊숙이 들어갈 여지가 더 넓다.
빠른 발표만으로 사업이 만들어지지는 않는다. 모델 카드에 적힌 문맥 길이와 평가 결과가 좋아도 기업 도입에는 보안, 경제성, 안정성, 라이선스, 고객 지원까지 갖춘 운영 준비가 뒤따른다. 열린 AI는 개발자를 부른다. 기업 고객은 운영 품질과 책임 절차를 요구한다. 스타트업의 지속력은 성능 이후의 고객 문제를 얼마나 오래 다루는지에서 갈린다.
두 회사는 웨이신/위챗이나 타오바오 같은 기본 사용자층 없이 출발했다. 대신 소비자 앱으로 이용 습관을 만들고, 기업용 제품과 유료 기능으로 반복 결제를 만들고, 공개 모델과 개발자 환경으로 기술 신뢰를 넓히는 순서를 밟는다. 키미는 지식 업무에서 AI가 맡을 자리를 보여 주고, 지엘엠은 개발자와 기업용 AI 제품 쪽을 파고든다. 세부 버전명은 빠르게 바뀌니, 특정 릴리스의 순위보다 긴 문서와 코드베이스, 리서치 자료를 얼마나 안정적으로 다루는지를 기준으로 두는 편이 낫다.
한계도 같은 자리에서 드러난다. 공개 모델의 인기는 빠르게 생기지만 고객지원과 버전 안정성, 운영 수준 약속, 보안 인증, 데이터 처리 방식은 시간이 걸린다. 게다가 많이 쓰일수록 답변을 만드는 비용도 함께 커진다. 긴 문맥 구독과 코딩 보조, 기업용 제품, 업무 자동화, 클라우드 파트너십에 여지가 있지만, 유료 전환과 기업 고객 유지율, 건당 마진이 드러나기 전까지는 인기와 사업 사이에 거리가 남는다.
공개 모델은 개발자를 부르지만 사업을 보장하지 않는다
세 이름을 나란히 놓으면 공개 경쟁의 장점과 한계가 함께 드러난다. 파일이 열리면 개발자와 연구자가 빠르게 시험하고 버그를 찾고 사용 사례를 쌓는다. 튜토리얼과 비교표가 생기고, 작은 팀도 초기 제품을 앞당겨 내놓는다.
문제는 그다음이다. 열린 파일은 비교도 빠르지만 교체도 빠르다. 기업 고객은 파일만 보고 계약하지 않는다. 안정적인 운영과 보안, 장애 대응, 청구 예측, 버전 관리, 데이터 보호, 법무 절차까지 요구한다. 누구나 써 볼 수 있게 되는 순간부터 기술 자체는 흔해지고, 돈이 오가는 자리는 모델 바깥으로 밀려난다. 개발자의 실험을 받아 줄 클라우드는 누가 갖고 있는가. 판매자와 광고주의 반복 작업을 누가 자기 도구 안으로 끌어들이는가. 보안과 데이터 통합은 누가 맡는가.
큐원은 어디에서 사업으로 이어지는가
큐원이 고객을 만나기까지는 이름과 공개 범위, 라이선스, 클라우드 운영 조건, 경제성, 보안, 생태계가 차례로 놓인다. 큐원 계열 안에서도 라이선스와 상업적 사용 범위가 갈리므로, 브랜드보다 모델 카드를 확인하는 편이 정확하다.
사업은 한 번에 굳지 않는다. 공개 모델이 실험을 부르고, 모델 스튜디오와 기업용 AI 상품, 맞춤 조정 기능, 운영 도구가 그 실험을 서비스로 옮긴다. 알리바바 생태계 안에서는 커머스와 광고, 문서 작성, 상담 응대처럼 반복되는 일에서 사용 기록이 쌓인다. 기업 고객은 보안과 사용량 통제, 내부 시스템 연동, 장애 대응을 이유로 관리형 클라우드와 산업 솔루션을 산다.
결국 세 회사를 가르는 것은 공개 여부가 아니라 공개 다음에 무엇이 준비돼 있느냐다. 큐원 뒤에는 클라우드와 커머스가 있고, 키미와 지엘엠 뒤에는 좁고 깊은 업무에서 쌓은 신뢰가 있다. 같은 “오픈”이라는 단어를 써도 회수하는 자리가 다르다. 새 공개 모델 소식을 만났을 때 확인할 것도 그 자리다.
자주 묻는 질문
AI 모델이 공개됐다는 말은 정확히 무엇을 뜻하나?
모델을 공개했다는 말은 하나가 아니라 여러 층위를 가리킨다. 설계와 실험 결과를 담은 논문만 낸 경우, 학습을 마친 가중치 파일을 내려받아 실행할 수 있게 연 경우, 코드와 학습 데이터 정보까지 밝힌 경우가 다 다르다. 실무에서는 여기에 라이선스가 상업적 사용과 재배포를 어디까지 허용하는지까지 확인해야 하며, 파일이 열렸다는 이유만으로 오픈소스라 부르기는 어렵고 오픈웨이트로 구분하는 편이 정확하다.
큐원은 공개 모델과 클라우드를 어떻게 연결하나?
알리바바는 큐원을 무료로 여는 데서 끝내지 않고, 그 개방을 클라우드 사업의 입구로 쓴다. 개발자와 작은 팀은 열린 가중치로 빠르게 프로토타입을 만들고, 기업은 권한 관리, 보안, 로그, 장애 대응, 청구 예측 같은 운영이 필요해지는 순간 모델 스튜디오 같은 관리형 클라우드 상품을 찾게 된다. 공개가 사람을 모으고 클라우드가 실제 운영의 복잡함을 맡는 구조라, 두 축은 충돌하지 않고 서로를 키운다.
참고자료
- Alibaba Cloud. (접속: 2026년 5월). Qwen. 원문 보기
- Qwen Team. (2025). Qwen-Agent: Agent framework and applications built upon Qwen. 원문 보기
- Kimi Team. (2025). Kimi k1.5: Scaling Reinforcement Learning with LLMs. 원문 보기
- Z.ai Team. (2025). GLM-4.5: Agentic, Reasoning, and Coding Foundation Models. 원문 보기
- Open Source Initiative. (2024). The Open Source AI Definition 1.0. 원문 보기
- Alibaba Group. (2026). Alibaba Cloud Unveils Agent-Native Innovations at WAIC 2026. 원문 보기