Qwen3.6 AI 모델, 코딩 및 멀티모달 벤치마크에서 Gemma 4 완파

알리바바가 방금 오픈소스 멀티모달 파워하우스 Qwen3.6-35B-A3B를 공개했습니다. 이 sparse Mixture-of-Experts 모델은 총 350억 개 파라미터를 보유하지만 추론 시 30억 개만 활성화되어 컴퓨트 비용을 대폭 절감합니다. 에이전트 코딩 벤치마크에서 구글의 Gemma 4-31B를 완파하며 SWE-bench Verified에서 73.4%를 기록한 데 비해 Gemma는 52.0%에 그쳤습니다. 솔직히 말씀드리자면, AI 트렌드를 파헤치는 제 일에서 이런 효율성은 신선한 바람처럼 느껴집니다. 생성 도구를 만드는 크리에이터들은 이제 지하실에 데이터 센터를 둘 필요 없이 고급 모델을 실행할 수 있습니다. 코드에만 국한되지 않고, Qwen3.6은 Claude Sonnet 4.5 같은 거물들과 비전 작업에서도 충분히 경쟁합니다.

숫자를 보죠. SWE-bench Verified에서 Qwen3.6은 73.4점을 기록하며 Gemma 4의 52.0점을 두 배 이상 앞섰습니다. Terminal-Bench 2.0에서는 51.5 대 42.9. 이는 우연이 아닙니다; 실제 코딩 시나리오에서 우수한 추론 능력을 보여줍니다. 추론 벤치마크도 비슷한 이야기를 합니다—GPQA와 AIME에서 강력한 성능으로 수학이나 지식 작업에서도 뒤지지 않습니다. 비전-언어 성능은 이미지 및 비디오 이해에서 Claude Sonnet 4.5와 보조를 맞춥니다. 솔직히? 대부분의 오픈 모델이 여기서 밀리지만, Qwen3.6은 아닙니다.

적은 활성 파라미터 덕분에 소규모 하드웨어에서도 배포 가능해 이미지 및 비디오 생성 워크플로에 멀티모달 AI를 통합하는 방식을 바꿔놓습니다. 복잡한 장면 제작 파이프라인이 더 저렴하고 빠르게 됩니다—렌더링에 몇 시간 기다릴 필요가 없죠. Qwen3.6 같은 모델의 발전은 이미 NSFW 이미지 및 비디오 생성기를 강화하고 있습니다로, 프롬프트와 출력에 대한 더 날카로운 제어를 제공해 사실적인 결과를 만듭니다. 네, 그렇게 들리겠지만 제 완전히 비과학적인 한 사례 샘플은 맞춤 도구에 있어 게임 체인저라고 말합니다. 진입 장벽이 급락했습니다.

Hugging Face로 가세요—Qwen/Qwen3.6-35B-A3B에서 이미 라이브입니다. Transformers 라이브러리로 가중치 다운로드 후 실행하세요. 알리바바 대시보드의 API 액세스로 프로덕션도 간단합니다. 크리에이터를 위해: 데이터셋으로 파인튜닝해 비디오 캡셔닝 정확도 향상 같은 특화 생성 작업에 사용하세요. 예? 장면 설명과 프레임을 페어링해 NSFW 비디오 합성을 세밀하게 조정. 공식 블로그에 시작 프롬프트 있음: qwen.ai/blog. 제 광범위한... 연구에서 셋업이 1시간도 안 걸렸습니다.