Qwen vs DeepSeek vs GLM: 중국의 오픈가중치 빅 3 (2026)
Qwen vs DeepSeek vs GLM은 Claude와 GPT와 경쟁하는 중국 오픈가중치 모델을 찾는 개발자들이 가장 많이 입력하는 세 가지입니다. 우리는 GLM-5.2(모델 문자열 GLM-5.2[1m])를 3주간 월 72달러에 주요 코딩 모델로 운영했습니다. DeepSeek V4는 SWE-bench Verified에서 약 80.6%의 성능을 기록했습니다. Qwen3.6은 Apache 2.0 라이선스로 배포되며, 이것이 여기서 가장 허용적인 라이선스입니다. 세 연구소, 세 가지 완전히 다른 선택. 사양 테이블, 각 번호를 누가 보고했는지 표시하는 벤치마크 테이블, 그리고 실제 프로덕션 테스트와 함께 어떻게 실제로 비교되는지 알아보겠습니다.
에이전트형 코딩과 장기 에이전트를 위해서는 GLM-5.2가 우리의 선택입니다(3주간 프로덕션에서 운영했습니다). 가장 저렴한 토큰과 규모의 RAG를 위해서는 DeepSeek V4 Flash가 가격 면에서 우승합니다. 로컬 자체 호스팅과 가장 허용적인 라이선스를 위해서는 Qwen3(Apache 2.0)이 가장 넓고 가벼운 풋프린트를 가지고 있습니다.
빠른 답변:
- Qwen, DeepSeek, GLM은 한 모델의 세 이름이 아니라 세 개의 별도 회사(알리바바, DeepSeek, Zhipu/Z.ai)입니다.
- 토큰당 가장 저렴: DeepSeek V4 Flash(M당 입력 $0.14 / 출력 $0.28; 캐시 히트 $0.0028).
- 최고의 실제 코딩 선택: GLM-5.2(Claude Code에서 3주간 운영); 가장 허용적인 라이선스: Qwen(Apache 2.0).
- 세 가지 모두 이제 대략 1M 컨텍스트에 도달하며, 모델별 미묘한 차이가 있습니다(Qwen 오픈 모델 변동).
빠른 구분: 한 모델의 세 이름이 아니라 세 개의 별도 회사입니다. DeepSeek의 더 오래된 R1 "distill Qwen" 체크포인트는 완전히 다른, 더 오래된 것입니다.
한눈에 보는 Qwen vs DeepSeek vs GLM
세 계열은 반대의 설계 선택을 합니다. Qwen(알리바바)은 가장 가벼운 자체 호스팅 풋프린트와 Apache 2.0 라이선스를 가진 가장 광범위한 라인입니다. DeepSeek(DeepSeek)은 대규모 Mixture-of-Experts 모델 위에 구축된 2단계 가격-성능 플레이입니다. GLM-5.2(Zhipu/Z.ai)는 코딩 및 장기 에이전트 전문가입니다. 여기에 나란히 놓인 사양 시트가 있습니다.
두 가지 참고 사항. Qwen은 오픈 모델을 폐쇄 API 전용 "Max" 플래그십과 분리하므로 의도한 것을 명시하세요. 그리고 DeepSeek V4의 매개변수 수는 공식이 아닌 블로그 보고이므로 "보고됨" 태그가 붙습니다.
Qwen, DeepSeek, GLM이 벤치마크에서 어떻게 비교되나요?
단일 모델이 모든 벤치마크에서 우승하지는 않으므로 순위가 아닌 클러스터를 읽으세요. 코딩에서 GLM-5.2는 장기 에이전트 작업을 주도하는 반면 DeepSeek V4 Pro는 집계 코딩 점수에서 최고입니다. 추론에서는 둘 다 AIME를 거의 포화 상태로 밀어냅니다. 일반 지능 지수에서 GLM은 오픈 가중치 중 중간 정도입니다. 서로 다른 프레임워크는 교차 모델 숫자를 사과와 오렌지 비교로 만들므로 아래의 모든 점수는 누가 공표했는지로 표시됩니다.
범례: [SR] = 공급업체 자체 보고. [3P] = 제3자 리더보드, 독립 수집자, 또는 우리 자체 실제 테스트. n/a 셀은 공급업체가 비교 가능한 점수를 공표하지 않았다는 의미이며, 0이 아닙니다.
2026년 중국 오픈가중치 벤치마크에 대한 솔직한 평가: 단일 모델이 모든 행을 우승하지 않으며 절반 이상의 눈에 띄는 숫자는 자체 보고입니다. Qwen3.6-27B 77.2%는 단일 블로그에서 나온 것이고, DeepSeek ~ 80.6%는 "검증되지 않은 스캐폴드"를 사용했으므로 둘 다 조심스럽게 취급하세요. 우리 자체 테스트에서는 콘텐츠 팜 숫자보다 SWE-bench 리더보드와 Artificial Analysis에 의존합니다. 스캐폴드 변경만으로도 점수를 몇 포인트 움직일 수 있기 때문입니다. 모델이 자신의 성적표만 인용하면 조금 할인하세요.
DeepSeek V4: 가격-성능 킹
DeepSeek V4는 매 백만 토큰이 중요할 때 선택할 모델입니다. 두 가지 계층으로 배포됩니다: 추론 및 에이전트 작업용 V4 Pro와 빠르고 저렴한 대량 호출용 V4 Flash. 구조적 장점은 캐시 가격입니다. 워크로드가 RAG 파이프라인 또는 시스템 프롬프트를 다시 전송하는 에이전트처럼 동일한 컨텍스트를 다시 읽는 경우, 캐시 히트 율이 여기서 가장 저렴한 옵션입니다.
DeepSeek V4는 2026년 4월 24일에 미리보기로 출시되었습니다. 보고된 아키텍처: V4 Pro용 1.6T / 49B-active MoE 및 V4 Flash용 284B / 13B이며, 둘 다 공식적으로 확인되기보다는 블로그에서 보고됩니다. 가중치는 Hugging Face(deepseek-ai/DeepSeek-V4-Pro, deepseek-ai/DeepSeek-V4-Flash)에 MIT 라이선스로 배치되어 있으며 공식 1M 컨텍스트 윈도우가 있습니다.
캐시 히트 경제학이 나타나는 곳은 여기입니다: V4 Flash는 캐시 미스 시 M당 입력 $0.14를 청구하지만 캐시 히트 시 $0.0028만 청구하며, 출력은 $0.28입니다. 동일한 문서 저장소를 해머링하는 RAG 서비스의 경우, 이 격차가 전부입니다. 전체 숫자는 공식 DeepSeek 가격 페이지에 있습니다.
다른 사람이 표시하지 않는 한 가지 신선함 지뢰: 아직도 deepseek-chat 또는 deepseek-reasoner를 호출하고 있다면, 해당 엔드포인트는 2026-07-24 15:59 UTC에 폐기됩니다. 지금 deepseek-v4-pro 또는 deepseek-v4-flash로 마이그레이션하세요. 왜냐하면 그 기한이 이 게시물 후 단 10일 뒤에 나오기 때문입니다.
비용 민감한 API 우선 제품, 특히 반복된 컨텍스트가 많은 모든 것을 위해 DeepSeek V4를 선택하세요. 단일 워크스테이션에서 자체 호스팅하는 모델은 아닙니다. 큰 MoE는 클러스터급 하드웨어를 원합니다.
Qwen3: 가장 광범위한 계열과 최고의 자체 호스트 풋프린트
Qwen3는 자신의 하드웨어에서 실행할 모델입니다. 세 가지 중 가장 광범위한 계열이며, 오픈 모델은 Apache 2.0 라이선스(여기서 가장 허용적)를 제공하고, 조밀한 계층은 단일 GPU에 충분히 가볍습니다. 또한 코딩 전용 비교에서 건너뛰는 다국어 작업과 같은 비코딩 축에서 가장 강합니다.
라인업이 깊습니다. 오픈 측에서는 Qwen3.6-27B(밀집), Qwen3.6-35B-A3B(MoE), 그리고 Qwen3-Coder-Next(80B-A3B, 256K 컨텍스트)로 정점인 코딩 라인을 얻습니다. 별도로 Qwen3-Max는 폐쇄 API 전용 플래그십이므로 오픈 가중치와 혼동하지 마세요. 버전과 Apache 2.0 약관은 Qwen3-Coder GitHub 저장소 및 Qwen 팀 블로그에 있습니다.
코딩에서 Qwen3-Coder-Next는 프레임워크 전체에서 70.6-71.3% SWE-bench Verified를 기록합니다(자체 보고됨, 테스트 시간 스케일링이 없는 오픈 모델 중 SOTA). 자체 호스팅 헤드라인: 조밀한 27B급은 약 18GB VRAM에서 실행되며, 여유가 있는 단일 24GB 카드입니다. 이 숫자는 한 블로그에서 나왔으므로 자신의 설정에서 확인하세요. 이러한 모델을 로컬로 실행하는 방법과 한 상자를 넘어 확장할 때 vLLM 또는 SGLang으로 제공하는 방법은 다음과 같습니다.
Qwen 네이밍은 세 가지 중 가장 불안정하므로 의존성을 고정하기 전에 현재 오픈 플래그십 이름을 다시 확인하세요. 로컬 배포, 다국어 지원, 또는 기술 이상의 Apache 2.0이 특별히 필요한 모든 경우에 대해 Qwen3을 선택하세요.
GLM-5.2: 코딩 및 장기 에이전트 선택
GLM-5.2는 코딩 및 장기 에이전트 전문가이며 우리가 직접 알고 있는 것입니다. 이것은 MIT 라이선스 하의 753B 전체 / ~40B-active MoE이며, 2026년 중반 이후 1M 컨텍스트 윈도우와 약 131K 최대 출력을 가지고 있습니다. 에이전트 벤치마크에서 유지합니다: SWE-bench Pro 62.1, Terminal-Bench 2.1에서 81.0, AIME는 거의 포화 상태인 99.2, 그리고 Artificial Analysis Intelligence Index 51(모두 제3자).
여기 솔직한 부분이 있고, 이것이 벤치마크 재활용과 구별되는 신뢰 신호입니다: 우리의 직접 경험은 GLM만 있습니다. 우리는 GLM-5.2 Pro를 3주간 실제 클라이언트 저장소 전체에서 Claude Code를 통해 Z.AI의 Anthropic 호환 엔드포인트(api.z.ai/api/anthropic, 모델 문자열 GLM-5.2[1m])에 대해 주요 코딩 모델로 운영했습니다. 정상 주간은 우리의 ~2,000주간 프롬프트 중 약 1,300이었습니다. 마이그레이션이 많았던 두 주 동안 우리는 5일 만에 주간 한도에 도달했습니다. 오버에지는 없습니다. 약 12개 파일 전체에 걸쳐 실제 Next.js 16 API 경로 리팩터를 깔끔하게 처리했습니다. 비용: GLM Coding Plan Pro 계층에서 월 $72대 Claude Max에서 우리가 지불할 ~$200/월입니다. Qwen3 및 DeepSeek V4의 경우 발표된 벤치마크와 더 짧은 API 현장 확인에 의존하므로 GLM 평결을 실제로 함께 살았던 것으로 가중치를 두십시오.
교환 자체는 3개의 환경 변수이며, Claude Code에서 GLM Coding Plan을 3주간 운영한 것으로 바로 재사용할 수 있습니다:
...