Qwen 3.8을 활용한 에이전트 코딩에 대한 내 생각
My thoughts on qwen 3.8 so far with agentic coding.
핵심 요약
Qwen 3.8 모델의 강력한 코딩 성능과 반복 루프 문제에 대한 사용자 경험 공유.
- 코딩 성능 — 복잡한 코드도 한 번에 해결하는 뛰어난 성능을 보여줌
- 반복 루프 — 특정 상황에서 답변을 폭력적으로 반복하는 문제 발생
- 속도 — 알리바바 공식 토큰 플랜 사용 시 매우 빠른 속도 제공
- 모델 구조 — 초당 토큰 처리량으로 보아 MoE 구조로 추정됨
나이 50 먹은 자폐인이다. 젊었을 때 대학에서 C++를 배웠는데, 사실 써먹을 일은 거의 없었지. 게임 해킹하려고 Cheat Engine 좀 만지작거리면서 어셈블리도 살짝 배웠고, 덕분에 LUA도 조금 깔짝거려 봤다.
난 원래 코딩을 진짜 싫어했다. 벽에 머리 박는 것 같은 짓이라 질색이었는데, 그래도 컴퓨터가 내가 시키는 대로 움직이는 게 꽤 멋있어서 시작했었지. 근데 코딩은 내 적성이 아니라는 걸 깨닫고 그 열정은 진작에 뒤졌다. 내 자폐 성향 때문인지, 내가 멍청해서인지, 아니면 그냥 코딩 자체가 싫은 건지 모르겠다.
AI 초기 시절에는 모델한테 복사 붙여넣기 할 수 있는 간단한 것들만 시키다가, 어느 순간부터는 로컬 모델로 레포지토리를 클론해서 빌드까지 할 수 있게 되더라.
이거 진짜 존나 재밌다.
본론으로 들어가서, 내 게임에는 3D, 경로 탐색, 루틴 같은 복잡한 요소들이 잔뜩 들어있다. 그중에서도 제일 골치 아픈 게 게임에 LLM을 쓰는 건데, 이거 구현하느라 며칠 동안 벽에 머리 박고 있다가 오늘 그냥 qwen 3.8 모델을 붙여버렸다.
내가 겪고 있는 문제들을 설명했더니 10분 만에 전부 해결하더라. 완벽하진 않았지만 llama.cpp랑 Godot용 커스텀 애드온까지 엮인 문제였는데도 말이지.
모델을 써보면서 느낀 점을 영향력 순으로 정리해 본다.
- 작동할 때는 진짜 미친 수준으로 잘 돌아간다. 코딩 실력이 장난 아니다. llama.cpp 같은 복잡한 것도 한 방에 끝내버림. 이렇게 코딩 잘하는 모델은 처음 본다. 처음 코딩하는 거 봤을 때 소름이 쫙 돋더라.
- 지금은 루프에 빠지는 경향이 좀 심하다. 프롬프트 2~3번 주고 나면 갑자기 맛이 가서 똑같은 소리만 미친 듯이 반복함. (눈치 잘 챙겨야 함). 이건 좀 개선됐으면 좋겠다.
- 이전 모델들처럼 쓸데없이 고민하는 짓은 없어졌다.
- 알리바바 공식 토큰 플랜 쓰고 있는데 속도 진짜 미쳤다.
- 5번은 원래 생각 안 했는데 왜 적었는지 모르겠네.
그냥 내 개인적인 감상이다. 총평? 이거 쓰면서도 실실 웃음이 나오는데, 솔직히 모델 튜닝은 좀 더 필요하다. 그래도 작동할 때는 진짜 말도 안 되게 강력하다. 이렇게 복잡한 코드를 아무렇지도 않게 슥슥 짜버리는 모델은 처음 본다.
내 똥컴 3060 ti에서도 돌아가면 좋을 텐데. 몇 년 뒤면 가능하겠지? ;)


