> ## Documentation Index
> Fetch the complete documentation index at: https://docs.coreweave.com/llms.txt
> Use this file to discover all available pages before exploring further.

# 트레이닝할 수 있는 모델

> 여러 모델 제품군을 트레이닝하고 작업에 맞는 품질, 비용, 지연 시간 사이의 최적의 균형점을 찾으세요.

다음 모델을 트레이닝할 수 있습니다.

* `OpenPipe/Qwen3-14B-Instruct`
* `Qwen/Qwen3-30B-A3B-Instruct-2507`
* `meta-llama/Llama-3.1-8B-Instruct`

최고 성능 모델은 작업에 따라 다릅니다. 작은 모델은 더 빠르고 저렴할 수 있고, 큰 모델은 더 복잡한 동작을 처리할 수 있습니다. Model Distillation을 사용하면 여러 후보 모델을 트레이닝한 뒤 동일한 예시로 비교할 수 있습니다.

UI는 트레이닝 서비스에서 허용하는 모델만 목록에 표시하므로, 모델이 선택기에서 일시적으로 사라질 수 있습니다.

<h2 id="experimental-models">
  실험적 모델
</h2>

다음 모델은 요청 시 실험적 트레이닝 대상으로 사용할 수 있습니다. 이 모델은 기본적으로 모델 선택기에 표시되지 않을 수 있으며, 지원 여부는 예고 없이 변경될 수 있습니다.

* `nvidia/NVIDIA-Nemotron-3.5-Lightning-30B-A3B-BF16`
* `Qwen/Qwen3.5-4B`
* `Qwen/Qwen3.5-9B`
* `Qwen/Qwen3.6-35B-A3B`
* `Qwen/Qwen3.8-27B`
* `google/gemma-4-26B-A4B-it`
* `google/gemma-4-31B-it`

UI에서는 Nemotron 모델이 `nvidia/NVIDIA-Nemotron-3.5-Lightning-30B-A3B`로 표시됩니다. API 요청에서는 `-BF16`을 포함한 전체 식별자를 사용하세요.

<Note>
  이 목록은 트레이닝할 수 있는 모델에 해당합니다. 서빙, 재레이블링, 비교 용도로는 OpenAI 호환 공급자의 기존 모델을 연결해서 사용할 수도 있습니다.
</Note>

<h2 id="you-do-not-need-to-choose-one-model-in-advance">
  모델을 미리 하나만 고를 필요는 없습니다
</h2>

가능성 있는 모델 몇 개를 트레이닝하고, 원하는 동작을 기준으로 평가한 다음, 가장 좋은 결과를 배포하세요. 이렇게 하면 벤치마크나 크기만 보고 모델을 고르는 대신, 실제 작업에서 결과를 직접 비교할 수 있습니다.

<Accordion title="API: 모델 ID 사용">
  파인튜닝을 생성할 때 목록에 있는 값을 그대로 `base_model`에 복사하세요.

  ```json theme={"system"}
  {"base_model": "Qwen/Qwen3-30B-A3B-Instruct-2507"}
  ```

  전체 요청은 [Fine-tuning Quick Start](/ko/model-distillation/studio/fine-tuning-quickstart)를 참고하세요.
</Accordion>


## Related topics

- [첫 번째 모델 트레이닝 및 배포하기](/ko/model-distillation/get-started/first-model.md)