Qwen3.7-Plus, 알리바바가 다중 모달 AI를 완전한 자율 에이전트로 만드는 시도

Qwen3.7-Plus는 알리바바 Qwen 팀이 공개한 멀티모달 에이전트 모델로, 시각 인식(visual perception)·GUI 조작·코딩 능력을 하나의 에이전트 루프 안에 통합한 것이 핵심이다. 기존 LLM이 텍스트를 입력받아 코드를 뱉어내는 단발성 구조였다면, 이 모델은 화면을 직접 "보고"(스크린샷 등 시각 정보 해석), 그 결과에 따라 마우스·키보드 수준의 GUI 동작을 수행하며, 필요한 코드를 작성하는 행위를 반복적으로 순환시킨다. 데모에서 단어 학습 앱을 11시간에 걸쳐 약 1,000회의 에이전트 호출로 1만 줄 이상의 코드를 자율 생성했다는 점은, 모델이 단순히 한 번의 응답을 내놓는 것이 아니라 장기간 상태를 유지하며 스스로 다음 행동을 결정하는 long-horizon 자율 에이전트로 설계됐음을 보여준다. 다만 알리바바 자체 벤치마크에서 온스크린 이해(on-screen understanding) 능력은 선두를 차지했지만 전반적 성능은 들쭉날쭉(mixed)하다는 평가는, 아직 모든 영역에서 서구 프런티어 모델을 추월한 수준은 아님을 시사한다.

엔지니어 관점에서 가장 주목할 변화는 "코드 생성 도우미"에서 "화면을 조작하는 자율 작업자"로의 패러다임 이동이다. GUI를 직접 다룬다는 것은 API가 없는 레거시 시스템, 사내 어드민 도구, 브라우저 기반 워크플로우까지 자동화 대상에 포함될 수 있다는 의미이며, 이는 RPA(로봇 프로세스 자동화)와 코딩 에이전트의 경계를 허무는 흐름이다. 특히 서구 프런티어 모델 대비 현저히 낮은 가격은, 1,000회 호출·11시간 같은 대량·장시간 에이전트 작업에서 비용이 결정적 변수인 만큼 한국 개발팀이 PoC나 내부 자동화에 실험적으로 도입하기 좋은 조건을 만든다. 반면 오픈 웨이트가 없는 독점(proprietary) 모델이라는 점은 분명한 제약으로, 온프레미스 배포나 파인튜닝, 데이터 주권이 중요한 환경에서는 채택이 어렵고 알리바바 API에 대한 종속(vendor lock-in) 위험을 안게 된다.

실무적으로 한국 개발자들이 지금 취해야 할 행동은 세 가지다. 첫째, 이 모델을 생산 코드 작성용이라기보다 "장시간 자율 워크플로우 자동화"의 가능성을 검증하는 용도로 보고, 반복적이고 명세가 명확한 GUI/테스트/스크래핑 작업에 한정해 작은 범위로 시범 적용해 보는 것이 안전하다. 1,000회 호출에 걸쳐 1만 줄을 생성하는 방식은 인상적이지만, 자율 루프가 길어질수록 오류 누적·환각·예측 불가능한 비용 폭증의 위험이 커지므로 호출 횟수·실행 시간·예산 상한(budget guardrail)과 사람의 검토 체크포인트를 반드시 설계해 두어야 한다. 둘째, 자율 에이전트가 화면과 시스템을 직접 조작한다는 특성상 권한 격리(샌드박스·전용 계정·최소 권한)와 감사 로깅을 전제로 도입해야 하며, 민감 데이터가 외부 독점 API로 흘러가지 않는지 데이터 거버넌스 측면을 먼저 점검해야 한다. 셋째, 오픈 웨이트 부재로 인한 종속을 고려해 단일 모델에 묶이지 않는 추상화 계층(에이전트 프레임워크 수준에서 모델 교체가 가능한 구조)을 두고, Qwen3.7-Plus를 여러 후보 중 비용·성능을 비교 평가하는 벤치마크 대상의 하나로 다루는 것이 합리적이다.