AI 모델
Qwen3-235B-A22B
큐원3-235B-A22B
전체 2350억·활성 220억 파라미터로 고난도 추론과 에이전트 작업을 겨냥한 대형 Qwen3 MoE 모델
HuggingFace 모델 저장소의 다운로드 스냅샷을 정렬 신호로 사용합니다. 고유 사용자 수나 품질 점수는 아닙니다.
- 파라미터
- 235B 22B 활성
- 문맥 길이
- 32K · 128K
- 구조·입력
- MoE Transformer · 텍스트
- 제작 국가
- 중국
- MonoGPT 지원
- 현재 미지원
- 출시일
- 2025.04.27
01
핵심 요약
Qwen3-235B-A22B는 Qwen3 오픈웨이트 계열의 대형 MoE 모델입니다. 활성 연산량은 22B 수준이지만 전체 가중치 저장과 다중 GPU 통신이 필요해 개인 로컬 환경보다 서버 클러스터에 적합합니다.
Qwen3-235B-A22B는 Qwen3 오픈웨이트 계열의 대형 MoE 모델입니다. 활성 연산량은 22B 수준이지만 전체 가중치 저장과 다중 GPU 통신이 필요해 개인 로컬 환경보다 서버 클러스터에 적합합니다.
Qwen3-235B-A22B의 원본 가중치와 모델 카드는 HuggingFace의 Qwen/Qwen3-235B-A22B에서 확인할 수 있습니다. 동일한 이름의 API 서비스나 양자화 파생본은 사양과 이용 조건이 다를 수 있습니다.
02
주요 기능
벤치마크 순위보다 모델 구조, 입력 형식, 문맥과 실제 실행 환경을 함께 확인하세요.
고난도 추론
수학, 코딩과 복합 지시를 위한 thinking 모드를 제공합니다.
에이전트
도구 사용과 다단계 작업 흐름을 고려한 성능을 목표로 합니다.
다국어
한국어를 포함한 폭넓은 언어 범위를 공식적으로 제시합니다.
03
다운로드와 실행 비용
오픈웨이트 모델은 다운로드 가격보다 가중치 저장 공간, GPU 메모리, 처리량과 운영 인력이 실제 비용을 결정합니다.
| 플랜 | 가격 | 조건과 설명 |
|---|---|---|
| 공식 가중치 | 다운로드 무료 | HuggingFace의 Qwen/Qwen3-235B-A22B 저장소에서 모델 파일과 카드를 확인할 수 있습니다. Apache 2.0 · 저장·전송·운영비 별도 |
| BF16 이론값 | 470GB · 438GiB | 235B 파라미터에 파라미터당 2바이트를 적용한 단순 가중치 계산입니다. KV cache·활성값·런타임 오버헤드 제외 |
| 8-bit 이론값 | 235GB · 219GiB | 양자화 형식과 추론 엔진에 따라 실제 용량, 속도와 품질이 달라집니다. 운영 여유 메모리 별도 |
| 4-bit 이론값 | 118GB · 109GiB | 파생 양자화 파일의 제작자, 방식, 호환성과 품질을 별도로 확인해야 합니다. 전체 GPU 요구량으로 해석하면 안 됨 |
| 외부 호스팅 | 제공사별 확인 | 추론 API와 전용 엔드포인트는 토큰, 시간 또는 인스턴스 단위로 과금됩니다. 지역·정밀도·제공사별 변동 |
최근 확인일 2026.08.11 · 실제 이용 전 공식 페이지를 다시 확인하세요.
04
도입 전 확인 사항
입력 데이터 경로, 제작 국가와 공급망, 가중치 라이선스, 생성 결과의 권리와 한국어 업무 품질을 구분해 확인하세요.
입력 데이터와 학습
자체 호스팅하면 입력이 모델 개발사로 자동 전송되지 않습니다. 외부 API나 호스팅을 쓰면 해당 제공사의 로그, 보존과 학습 정책이 별도로 적용됩니다.
개발·운영 주체
중국계 개발 주체의 모델입니다. 가중치를 자체 호스팅하면 프롬프트가 개발사 서비스로 자동 전송되지는 않지만, 공급망·라이선스·기관 정책은 별도로 검토해야 합니다.
가중치·결과물 권리
Apache 2.0는 주로 가중치와 배포 조건을 다룹니다. 생성 결과의 저작권 성립과 제3자 권리 침해 여부까지 보장하는 것은 아니므로 상업 이용 전 별도 검토가 필요합니다.
한국어·국내 업무
다국어 지원 표기와 실제 한국어 전문 업무 성능은 별도 벤치마크로 구분해야 합니다.
실행 환경
가중치와 KV cache, 전문가 병렬화를 고려하면 고사양 다중 GPU 인프라가 필요합니다.
05
이런 경우에 적합합니다
잘 맞는 경우
- 텍스트 작업에 맞는 자체 호스팅 모델을 찾는 개발팀
- Apache 2.0 조건을 검토하고 가중치를 직접 운영하려는 조직
- 235B 규모의 품질과 인프라 비용을 실제 데이터로 평가하려는 팀
먼저 확인할 경우
- 가중치와 KV cache, 전문가 병렬화를 고려하면 고사양 다중 GPU 인프라가 필요합니다.
- 모델 카드의 벤치마크만으로 한국어 업무 품질을 단정하지 말고 대표 문서와 실패 사례를 포함해 평가해야 합니다.
- 외부 호스팅을 선택하면 오픈웨이트 여부와 별개로 해당 제공사의 데이터 처리·과금 조건이 적용됩니다.
06
다음으로 볼 정보
관련 글·출처
관련 글과 출처
기능, 요금과 이용 조건을 더 자세히 확인할 수 있는 자료입니다.