알리바바, 큐원3.6 플러스 등 최신 AI 모델 공개

알리바바 그룹은 복잡한 업무와 소프트웨어 개발을 자율적으로 수행하는 ‘Qwen3.6-Plus’와, 텍스트·음성·이미지·영상 전반을 통합 처리하는 ‘Qwen3.5-Omni’를 6일 공개했다.

두 모델은 서로 다른 목적에 맞춰 설계됐다. Qwen3.6-Plus는 에이전틱 코딩과 멀티모달 추론에, Qwen3.5-Omni는 텍스트·음성·이미지·영상의 통합 이해와 생성에 초점을 맞췄다.

Qwen3.6-Plus는 알리바바 플래그십 모델 시리즈의 최신 버전으로, 에이전틱 코딩과 멀티모달 인식·추론 역량을 강화한 모델이다. 단순 질의응답을 넘어 저장소 단위의 엔지니어링 작업과 실제 시각 환경 기반 문제 해결을 수행할 수 있도록 설계됐다.

이 모델의 핵심은 ‘능력 루프(Capability Loop)’로, 인식·추론·행동을 하나의 워크플로 내에서 연결하는 구조다. 이를 통해 초기 코드 구상부터 테스트와 반복 개선을 거쳐 실제 적용 가능한 결과물로 이어지는 과정을 일관되게 지원한다.

특히 프론트엔드 웹 개발과 저장소 단위 엔지니어링 작업에서 목표 분해부터 테스트, 반복 개선, 최종 정제까지 전 과정을 자율적으로 수행하며, 기본적으로 100만 토큰 컨텍스트 창을 지원한다.

멀티모달 추론 측면에서는 고밀도 문서 파싱, 실제 환경 시각 분석, 장편 영상 추론 등 복합 작업을 처리할 수 있다. 또한 시각적 코딩 기능을 통해 UI 스크린샷, 손그림 와이어프레임, 제품 프로토타입을 해석해 동작 가능한 프론트엔드 코드를 생성한다.

Qwen3.6-Plus는 리테일 인텔리전스와 자동화 검사처럼 반복적이고 다단계 실행이 필요한 실제 기업 환경에 맞춰 안정성과 정확도를 높였다. 모델은 모델스튜디오와 큐원 챗에서 사용할 수 있으며, 오픈클로, 클로드코드, 클라인 등 외부 코딩 도구와도 호환된다. 또한 우콩(Wukong)과 Qwen 앱 등 알리바바의 AI 애플리케이션에도 통합될 예정이다. 아울러 알리바바는 일부 Qwen3.6 모델을 개발자 친화적 규모의 오픈소스 형태로도 지원할 계획이다.

Qwen3.5-Omni는 텍스트, 음성, 이미지, 영상, 동기화된 음성·영상 콘텐츠를 단일 모델에서 처리하는 옴니모달 AI 모델이다. 출력은 텍스트와 음성 모두 지원한다.

이 모델은 다양한 데이터 유형에 걸친 인식·추론·생성을 하나로 통합해 오프라인 지능 처리와 실시간 상호작용 역량을 함께 끌어올렸다. 라이브 스트리밍, 지능형 음성 비서, 게임 및 엔터테인먼트용 영상 자막 생성 등 다양한 활용이 가능하다.

Qwen3.5-Omni는 Plus·Flash·Light 세 가지 버전으로 제공되며, 모두 최대 256K 토큰 컨텍스트를 지원한다. 최상위 모델인 Qwen3.5-Omni-Plus는 200개 이상의 벤치마크에서 최고 수준 성능을 기록했으며, 음성 이해, 추론, 음성 인식, 다국어 번역, 대화 영역에서 제미나이 3.1 Pro보다 우수한 성능을 보였다.

이 모델은 하이브리드 어텐션 전문가 혼합(MoE) 아키텍처를 기반으로 10시간 이상의 연속 오디오를 처리할 수 있으며, 텍스트·시각 데이터와 1억 시간 이상의 큐레이션된 음성·영상 콘텐츠를 포함한 대규모 데이터로 사전학습됐다. 음성 인식은 113개 언어 및 방언, 음성 생성은 36개 언어 및 방언을 지원한다.

음성·음성-영상 콘텐츠에 대해 장면 단위 분할, 정밀한 타임스탬프 정렬, 등장인물과 상호관계까지 포함한 대본 수준의 구조화된 설명을 생성할 수 있다

‘Audio-Visual Vibe Coding’ 기능을 통해 사용자가 손으로 그린 스케치를 보여주고 기능을 음성으로 설명하면, 앱·웹사이트·미니게임용 동작 가능한 UI를 생성해 프로토타이핑을 지원한다.

실시간 상호작용 측면에서는 음량·속도·감정 표현 등을 세밀하게 제어하는 엔드투엔드 음성 인터페이스를 제공하며, ARIA(Adaptive Rate Interleave Alignment) 기술을 적용해 스트리밍 상호작용에서 음성 합성의 안정성과 자연스러움을 높였다.

글. 바이라인네트워크
<김우용 기자>yong2@byline.network