AI Models7분 분량

Qwen4-Max Preview는 긴 영상을 읽습니다. 필요한 장면까지 찾아줄까요?

긴 교육 영상으로 Qwen4-Max Preview를 시험해 봅니다. 답이 정확한 장면을 가리키는지, 짧은 클립을 보내면 결과가 어떻게 달라지는지 확인합니다.

K
Ken Jo

교육 영상에서 보존 상태를 확인한 다음에만 기록을 보관하라고 설명합니다. 40분 뒤 두 번째 시연에서 같은 화면을 열지만 그 확인은 건너뜁니다. 교육생은 전체 절차를 보여 주는 장면이 어디인지 묻습니다. 매끄러운 답변은 읽기 쉽지만, 정확한 타임스탬프가 훨씬 유용합니다.

2026년 11월 11일 QwenCloud는 텍스트, 이미지, 영상을 받는 주력 모델 Qwen4-Max-Preview의 제한 프리뷰를 시작했습니다. 문서상 컨텍스트 길이는 100만 토큰입니다. Token Plan에서만 이용할 수 있고, 프리뷰는 11월 25일 24:00(UTC+8)에 끝날 예정입니다. QwenCloud는 이후 이 모델 ID를 종료한다고 밝혔습니다. QwenCloud 모델 문서

이런 모델을 쓰면 긴 녹화에 관해 질문할 수 있습니다. 관건은 답의 근거가 있는 정확한 대목으로 사람을 데려다줄 수 있느냐입니다. 교육 영상으로 장면을 찾는 능력, 내용을 이해하는 능력, 결과를 명확히 전달하는 능력을 나눠 볼 수 있습니다.

긴 컨텍스트는 살펴볼 후보를 늘려 줍니다

100만 토큰은 컨텍스트 한도입니다. 특정 영상에서 유용한 세부 정보가 얼마나 전달될지 예측하기에는 좋은 단위가 아닙니다. 영상 처리, 프레임 샘플링, 파일 제약, API 경로, 프롬프트의 나머지 부분이 실제 입력에 영향을 줄 수 있습니다. 길이가 같은 영상도 시청자가 알아차려야 할 내용은 크게 다릅니다. 잠깐 나타나는 화면 상태는 몇 분간 유지되는 구간보다 찾아내기 어려울 수 있습니다. 쓰는 엔드포인트와 입력 방식의 영상 문서를 확인하세요.

QwenCloud는 구조화 출력과 별도로 조정하는 추론 강도 옵션을 문서에 제시합니다. 일관된 형태의 답변을 요구하고 서로 다른 설정을 비교할 수 있습니다. 모델이 주장과 타임스탬프를 담을 틀을 얻는 셈입니다. 근거는 그 시각에 영상에서 실제로 무엇이 보이는지 확인해야 생깁니다. QwenCloud 모델 기능

50분짜리 소프트웨어 교육 영상에 같은 보관 대화상자가 두 번 나온다고 해보죠. 중요한 시연에서는 강사가 먼저 보존 필드를 읽고 날짜를 확인한 뒤 진행합니다. 요약에서는 대화상자를 여는 방법만 보여 주고 필드를 확인하지 않습니다. 유용한 답이라면 전체 시연을 가리키고 화면에 보이는 단서를 설명해야 합니다. 대화상자 제목만 맞추면 교육생을 다른 장면으로 보낼 수 있습니다.

이 차이가 드러나도록 평가를 설계하세요. 질문마다 검토자가 근거 구간을 표시하고, 화면의 단서를 적고, 자막만으로 답할 수 있는지도 남깁니다. 근거가 충분한 구간이 두 개라면 둘 다 정답으로 표시하세요. 유용한 다른 대목을 골랐다고 감점할 필요는 없습니다. 동작 두 개의 순서가 중요하다면 둘 다 볼 수 있는 전체 구간을 표시합니다.

긴 영상에서 타임스탬프 후보를 얻고 검토자가 해당 장면을 열어 확인하는 과정

후보 시점을 열어 실제 근거를 볼 수 있을 때 타임스탬프가 유용합니다. Telli.sh 제작.

사람이 확인할 수 있는 답을 요청하세요

답변 구조는 단순해도 됩니다. 답, 원본 영상에서의 시작과 끝, 근거 단서에 대한 짧은 설명, 근거 불충분 상태를 넣으세요. 인터페이스는 제안한 구간의 시작부터 영상을 열 수 있습니다. 검토자가 생성된 설명을 읽기 전에 근거부터 확인하게 하세요. 그럴듯한 설명이 판단을 이끌 가능성이 줄어듭니다.

요청은 이렇게 구체적일 수 있습니다. ‘보관 과정 전체가 나오는 장면을 찾으세요. 시작과 끝을 반환하고 보존 상태 필드를 지목한 뒤, 보관 확인 전에 날짜가 보이는지 알려 주세요. 전체 순서가 영상에 없다면 근거가 불충분하다고 답하세요.’ 사람이 볼 수 있는 항목을 요구하세요. 신뢰도 수치가 실제 결과를 반영하는지 검증할 방법이 없다면 숫자형 신뢰도를 요구하지 않아도 됩니다.

문구, 순서, 부재에 관한 질문을 넣으세요. 문구를 시험할 때는 두 장면에서 의미가 달라지는 화면 이름을 고릅니다. 순서를 시험할 때는 분명한 단서 앞이나 뒤에 무엇이 나오는지 묻습니다. 부재를 시험할 때는 그럴듯하지만 영상에는 나오지 않는 단계를 묻습니다. 모델은 익숙한 관례로 일반 질문을 맞힐 수 있습니다. 관례와 이 영상이 다를 때 어떻게 답하는지는 잘 만든 부정 사례에서 드러납니다.

타임스탬프 기준도 정하세요. 플레이어는 0부터 시작하지만 자막은 원래 녹화의 타임코드를 사용한다면, 채점 전에 맞춰야 합니다. 긴 영상에서 5분짜리 클립을 잘랐다면 클립 시간과 원본 시간의 차이를 보관하세요. 클립의 04:15를 결과로 내보내 놓고 원본의 04:15를 열면, 모델이 올바른 프레임을 찾았더라도 그럴듯하게 틀린 결과가 됩니다.

같은 질문으로 전체 탐색과 짧은 구간 확인을 비교하세요

영상을 찾는 방법은 적어도 두 가지입니다. 모델에 전체 영상을 주고 후보 구간을 돌려받을 수 있습니다. 또는 이미 알려진 장으로 나눈 뒤 제목이나 자막으로 몇 개를 골라 짧은 클립을 검사할 수 있습니다. 같은 질문과 사람이 표시한 기준 구간을 사용하세요. 큰 요청에 들이는 시간과 비용이 정당한지는 두 방법을 비교한 뒤 결정합니다.

방법도움이 되는 상황확인할 점
한 요청에 전체 영상멀리 떨어진 장면에서 동작이 반복될 때맞는 장면인지, 전체 지연 시간, 불완전한 응답
장을 검색한 뒤 짧은 클립 확인주제는 알지만 작은 화면 단서가 중요할 때장 선택 실패와 타임스탬프 보정
자막을 먼저 보고 화면을 나중에 확인화면에 확인 동작이 나오는 해설 영상말로 설명한 동작과 화면 동작이 일치하는지

전체 영상 탐색과 짧은 클립 탐색의 결과를 사람이 같은 근거 기준으로 확인

같은 기준 장면을 사용해 여러 검색 경로를 비교하세요. Telli.sh 제작.

짧은 경로는 시험 비용이 적을 수 있지만, 모델이 근거를 보기 전부터 검색에 실패할 수 있습니다. 전체 영상에서는 예상하지 못한 장의 장면을 찾아낼 수 있는 대신, 대략적인 구간만 맞추고 정확한 단서를 놓칠 수 있습니다. 실패 유형을 구분해 기록하세요. 탐색 실패라면 장 선택을 개선해야 하고, 근거를 읽는 실패라면 입력 영상이나 검토 방식을 개선해야 합니다. 원본 시간 오류라면 플레이어 또는 시간 변환을 고쳐야 합니다.

장면 적중과 완전한 답변을 따로 세면 시험 결과가 명확합니다. 제안 구간이 유효한 장면과 겹치는지 표시한 뒤, 답이 화면의 필드와 동작 순서를 정확히 설명하는지 확인하세요. 느린 시연에는 10초처럼 허용할 오차를 미리 정할 수 있습니다. 빠른 전환에는 더 좁은 범위가 필요할 수 있습니다. 다른 모델도 같은 기준으로 측정하도록 평가와 함께 설정을 보관하세요.

사용자가 질문한 순간부터 근거를 재생할 수 있을 때까지 걸린 시간을 재세요. 설명이 빨리 나와도 재생할 구간이 없다면 사용자가 다시 찾아야 합니다. 처음 쓸 수 있는 결과가 나온 시점과 전체 완료 시점을 나눠 보세요. 중요한 질문이라면 후보 두 개를 열어 볼 가치가 있고, 일상적인 질문이라면 답과 근거 링크 하나로 충분할 수 있습니다.

비슷한 영상 세 개로 서로 다른 오류를 찾을 수 있습니다

영상마다 뚜렷한 어려움이 하나씩 있는 작은 시험 자료를 만드세요. 첫 번째 시연에서는 음성 지시와 보이는 동작을 일치시킵니다. 두 번째에서는 화자가 설명한 것과 다른 버튼 순서를 보여 줍니다. 세 번째에서는 초반에 비슷한 장면을 두고 정확한 장면을 뒤에 배치합니다. 정석적인 튜토리얼을 잘 읽는 모델도 교육생이 실제로 물어볼 사례에서 실패할 수 있습니다.

정확한 시각 단서에 따라 답이 달라지는 과제를 쓰세요. 두 번째 영상에서 화자는 ‘제출’을 누르라고 하지만, 화면의 버튼은 ‘초안으로 저장’이고 문서는 검토 대기열에 들어가지 않습니다. 실제로 제출하려는 사용자에게 중요한 차이입니다. 화자가 권장한 것과 화면에서 일어난 일을 따로 답하게 하고, 최종 상태를 나타내는 필드를 근거로 표시하세요. 올바른 타임스탬프는 왜 화면 상태가 바뀌었는지 볼 수 있을 만큼 일찍 열려야 합니다.

검토자에게 작은 판정표를 주세요. 맞는 구간을 찾고 잘못 해석했다면 읽기 오류입니다. 해석은 맞지만 다른 장면에 연결했다면 검색 오류입니다. 의도적으로 불완전한 클립에서 근거 부족을 보고하면 정답이고, 분명한 과정이 있는 클립에서는 오답입니다. 어려운 질문마다 답변을 거부해 점수를 높이지 못하도록 이런 사례를 따로 셉니다. 모든 비교 대상에 같은 채점 방식을 씁니다.

화면 문구를 놓친 결과로 결론을 내리기 전에 읽을 수 있는 영상인지 확인하세요. 실제 제출한 파일을 의도한 크기로 열어 검토자가 볼 수 있는 프레임과 비교합니다. 압축 때문에 모델에 전달되기도 전에 상태 필드가 읽을 수 없게 될 수 있습니다. 전체 요청이 늘 올바른 장을 찾지만 작은 단서를 놓친다면 잘라낸 확대 클립으로 시험하세요. 전체 녹화를 다시 보내는 것보다 화면의 해당 부분을 선명하게 보여 주는 것이 도움이 되는지 알 수 있습니다.

교육팀에서는 근거 구간이 너무 짧으면 설명이 잘릴 수도 있습니다. 5초짜리 구간이 마지막 상태는 보여 주되 그 상태에 이른 결정을 생략할 수 있습니다. 학습자가 앞선 메뉴 선택, 경고문, 확인 화면도 봐야 하는지 표시하세요. 인터페이스가 답을 증명하고 작업도 설명해 주는 대목으로 학습자를 데려갈 수 있습니다.

프리뷰 기간을 평가에 활용하세요

QwenCloud가 공개한 모델 ID는 qwen4-max-preview입니다. 문서에 따르면 Token Plan 전용이며 이 프리뷰에는 사용량만큼 내는 방식이 제공되지 않습니다. OpenAI 방식의 Chat Completions와 Responses, Anthropic 방식의 Messages와 호환된다고 안내합니다. 텍스트 전용 클라이언트를 재사용하기 전에 선택한 프로토콜에서 시각 입력을 보내는 규칙을 확인하세요. QwenCloud 프리뷰 이용 안내

QwenCloud 문서상 최대 출력은 393,216토큰이며 추론과 최종 답변이 이 한도를 함께 씁니다. Chat Completions 호환 인터페이스의 최대 완료 토큰 예산에는 둘 다 들어갑니다. 이 시험에서는 답변을 짧게 요구하고 결과가 잘리는지 살피세요. 20초짜리 장면 하나를 찾는 사용자에게 긴 출력 한도는 큰 도움이 되지 않습니다. 추론 설정을 비교할 때는 영상, 질문, 검증 규칙을 고정해 입력 크기의 변화를 추론 품질의 변화와 혼동하지 않도록 합니다.

해당 서비스에 보낼 권한이 있는 영상을 고르세요. 합성 튜토리얼이나 공개 교육 영상이면 근거 찾기를 시험하기에 충분합니다. 고객 데이터나 내부 절차를 넣지 않고, 비슷한 장면 두 개에 의도적인 차이를 하나 둘 수 있습니다. 이후 업무 녹화가 필요하다면 그 자료를 시험에 넣기 전에 제공업체의 현재 데이터 약관과 팀의 업로드 권한을 확인하세요.

프리뷰가 끝난 뒤에도 쓸 수 있도록 평가를 작성하세요. 파일 참조, 장 경계, 기준 구간, 질문, 채점 결정을 모델 ID와 날짜와 함께 남깁니다. 영상은 승인된 자체 저장 공간에 보관하세요. 후속 모델을 비교할 때 가장 다시 만들기 어려운 자산인 검증된 사례가 이미 남습니다.

사용자가 만나는 것은 근거로 가는 링크입니다

긴 컨텍스트가 생기면 장면을 찾는 새 방법을 시험할 만합니다. 다음 사람이 결과를 쓸 수 있게 해주는 것은 정확하고 재생 가능한 구간입니다. 교육팀의 더 나은 시험은 학습자가 수업 전체를 다시 보지 않고 적절한 순간에 도달해 동작을 이해할 수 있는지를 묻습니다. 프리뷰가 끝나도 이 시험은 유효합니다.

출처


교육 메모와 그 메모가 뒷받침하는 결정을 검색할 수 있게 남기려면 Telli.sh 계정을 만들어 보세요.


← 블로그로 돌아가기