DeepSeek V4 Pro vs MiniMax M3: 오픈웨이트 플래그십 맞대결

DeepSeek V4 Pro와 MiniMax M3는 올해 코딩 왕좌를 놓고 경쟁하는 두 개의 오픈웨이트 플래그십 모델이며, 흥미로운 점은 승리를 위해 서로 다른 방식으로 접근한다는 사실입니다. 6월 1일에 출시된 MiniMax M3는 프런티어 코딩, 100만 토큰 컨텍스트, 네이티브 멀티모달 입력을 하나의 패키지에 담은 최초의 오픈웨이트 모델로, MiniMax의 Sparse Attention 아키텍처를 기반으로 합니다. 반면 4개월간의 프리뷰를 거쳐 8월 13일에 공식 버전이 나온 DeepSeek V4 Pro는 추론 전문가입니다. 1조 6천억 개의 파라미터를 가진 Mixture-of-Experts 모델로, 활성 파라미터는 490억 개이며, 언어 모델로는 사상 최고의 Codeforces 레이팅을 기록했고, 이제 에이전트 스코어카드에서도 훨씬 강력해졌습니다. 두 모델 모두 MIT 라이선스를 적용하고 있으며, 가격이 저렴할 뿐만 아니라 비용이 10배에서 50배 더 비싼 모델들을 상대로 공격적인 포지셔닝을 하고 있습니다.

'둘 다 오픈 웨이트'라는 헤드라인은 진짜 차이를 숨긴다. 이들은 로고만 다른 채 같은 것을 만들고 있는 두 회사가 아니다. M3는 긴 문맥의 경제성에 베팅한다 — 백만 토큰 창을 실제로 쓸 수 있을 만큼 저렴하게 만드는 희소 어텐션. DeepSeek V4 Pro는 순수 추론 깊이에 베팅한다 — 답하기 전에 골똘히 생각하는 거대한 전문가 병렬 MoE. 어느 쪽이 '코딩에 더 나은지'는 결국 코딩의 어느 부분을 말하느냐, 그리고 입력이 스택 트레이스냐 스크린샷이냐에 따라 달라진다.

두 가지 아키텍처, 두 가지 베팅

DeepSeek V4 Pro는 현재까지 공개된 가장 큰 오픈 웨이트(open-weights) 모델로, 총 1조 6천억 개의 파라미터와 토큰당 490억 개의 활성 파라미터, 384개의 라우팅 전문가(top-6)를 갖춘 61계층 MoE, FP8 어텐션을 적용한 FP4 전문가 가중치, 그리고 압축 및 고압축 희소 어텐션을 결합한 하이브리드 어텐션 설계를 특징으로 합니다. FP8 기준 약 862GB의 용량이 필요하므로, 자체 호스팅은 워크스테이션이 아닌 H100 8대 규모의 환경이 요구됩니다. 현재 MIT 라이선스로 공개되어 다운로드 가능한 모델은 이번 주에 출시된 공식 API 빌드에 사용된 것과 동일합니다.

MiniMax M3는 더 작고 날렵한 머신입니다 — 토큰당 약 230억 개의 활성 파라미터와 총 약 4,280억 개의 파라미터를 가지며, M​iniMax Sparse Attention(MSA)을 기반으로 구축되었습니다. 벤더는 MSA가 토큰당 연산량을 이전 세대의 약 20분의 1로 줄이고, 긴 컨텍스트에서 프리필(prefill)은 9배 이상, 디코드(decode)는 15배 이상 빨라진다고 주장합니다. 이것이 이 모델의 핵심입니다: 백만 토큰 윈도우는 그 안에서의 추론 비용이 감당할 수 있을 때만 유용하며, MSA가 바로 그것을 가능하게 합니다. M3는 또한 이미지와 비디오 입력을 기본적으로 지원하는데, V4 Pro는 그렇지 않습니다.

두 모델 모두 1,048,576 토큰 컨텍스트를 제공합니다. DeepSeek V4 Pro는 최대 출력이 384K에서 제한되는 반면, MiniMax M3의 상한선은 더 높아 512K입니다. 둘 다 토글 가능한 사고 모드를 갖추고 있습니다. DeepSeek V4 Pro는 기본적으로 사고 모드가 켜져 있으며, M3는 스위치로 노출됩니다.

DeepSeek의 공식 출시가 바꾼 것

이번 주 이전에 작성된 모든 현재 비교는 잘못된 DeepSeek 모델을 비교하고 있습니다. 4월 24일부터 실행된 프리뷰는 DeepSWE 점수 12.8을 기록한 추론 모델이었습니다. 공식 빌드인 DeepSeek-V4-Pro-0813은 DeepSeek 자체 평가에서 그 점수를 62.7로 끌어올렸고, Responses API, Codex 통합, 그리고 OpenAI 및 Anthropic 호환 엔드포인트를 추가했습니다. 따라서 한쪽과 통신하는 동일한 클라이언트 코드가 다른 쪽과도 통신할 수 있습니다. 벤더 카드의 에이전트 점수는 이제 Anthropic의 Fable 5에 근접합니다: Terminal-Bench 2.1 87.9 (Fable 5: 88.0), CyberGym 83.3 (Fable 5: 83.1), AutomationBench 31.8 (Fable 5: 29.1). 이는 하루 된 빌드에 대한 DeepSeek 보고 수치이며, 어떤 독립 연구소도 재현하지 않았습니다. 이를 주장으로 취급하십시오. 그러나 그 주장은 더 이상 겸손하지 않습니다.

코딩 점수판, 그리고 그 숫자들이 각각 누구의 것인지

가장 많이 인용된 코딩 벤치마크에서 두 모델은 판세를 양분했고, 그 양상은 시사하는 바가 큽니다:

• LiveCodeBench — DeepSeek V4 Pro 93.5, 이 벤치마크에서 가장 강력한 오픈 가중치 결과이자 가장 많이 인용된 승리입니다.

• SWE-Bench Verified — DeepSeek V4 Pro 80.6 대 MiniMax M3 80.5, 사실상 동률입니다.

• SWE-Bench Pro — MiniMax M3 59.0 대 DeepSeek V4 Pro 55.4, 에이전트형 소프트웨어 엔지니어링에서 의미 있는 3.6포인트 차이로 M3가 앞섰습니다.

• Terminal-Bench 2.1 — DeepSeek V4 Pro 67.9 대 MiniMax M3 66.0, 박빙.

• BrowseComp — MiniMax M3 83.5, 브라우저 기반 리서치 에이전트 점수로 많은 폐쇄형 모델을 능가합니다.

• Codeforces — DeepSeek V4 Pro 3206, 언어 모델 역사상 가장 높은 레이팅.

{{1}}해당 줄 중 처음 네 개는 업체가 보고한 값이며, Artificial Analysis Intelligence Index는 두 모델이 모두 등장하는 유일한 독립 수치입니다. 이 지수는 비추론 구성에서 MiniMax M3를 44, DeepSeek V4 Pro를 32로 평가합니다(글을 쓰는 시점에 추론 구성은 AA에서 아직 점수를 받지 못했습니다).{{/1}} {{2}}이번 달에 공개된 제3자 코딩 대회(bake-off)는 더 선명한 결과를 보여줍니다:{{/2}} MiniMax M3는 실제 구현 과제에서 전반적으로 가장 높은 점수를 받았으며, {{3}}심사위원은 그 코드를 "산업용 수준(industrial-grade)"이라고 극찬했습니다.{{/3}} 반면 DeepSeek V4 Pro는 최고의 아키텍처 설계자로 묘사되었지만 비즈니스 로직을 실제 동작하는 코드로 구현하는 데는 더 약하다는 평가를 받았습니다 — {{4}}"생각은 잘하지만, 실행은 못 하는."{{/4}} {{5}}경쟁 프로그래밍 스타일의 알고리즘 문제에서는 Codeforces와 LiveCodeBench 수치가 V4 Pro를 가리킵니다. 하지만 스펙을 완성되고 테스트된 서비스로 전환하는 작업에서는 실제 결과가 M3 쪽으로 기울었습니다.{{/5}}

멀티모달리티는 진정한 갈림길이다

벤치마크를 걷어내면 결정적인 차이는 입력 방식입니다. MiniMax M3는 텍스트, 이미지, 비디오를 기본적으로 지원하며 컴퓨터 사용과 시각적 근거(visual grounding)를 지원합니다. 에이전트가 다이어그램을 읽고, 화면을 보고, 본 것을 기반으로 행동할 수 있습니다. DeepSeek V4 Pro는 텍스트 전용이므로 순수 코드 및 문서 파이프라인에 완벽하게 적합하지만, 답이 이미지 안에 있는 모든 작업에는 쓸모가 없습니다. 코딩 에이전트가 이슈와 리포지토리에서 작업한다면 V4 Pro의 텍스트 중심은 비용이 들지 않습니다. 하지만 UI 목업, 크래시 스크린샷, 또는 화이트보드 사진을 봐야 한다면 두 제품 중 M3만이 가능합니다.

가격과 속도: 서로 다른 두 곡선

OrcaRouter가 전달하는 제공업체 목록 가격에서, 두 모델은 서로 다른 부분에서 저렴합니다:

• DeepSeek V4 Pro — 입력 100만 개당 $0.44, 출력 100만 개당 $0.88, 캐시된 입력 100만 개당 $0.0035.

• MiniMax M3 — 입력 100만 토큰당 $0.30, 출력 100만 토큰당 $1.20, 캐시된 입력 100만 토큰당 $0.06.

M3는 입력과 캐싱에서 우세하고, V4 Pro는 출력에서 우세하며, 출력에서 thinking 토큰이 청구됩니다. DeepSeek V4 Pro는 기본적으로 thinking-on이 설정되어 있고 추론이 장황하기 때문에, 긴 에이전트 실행은 더 저렴한 M3 입력에도 불구하고 혼합 비용을 V4 Pro 쪽으로 기울게 할 수 있습니다. 속도는 반대입니다: MiniMax M3는 제공업체에 따라 초당 약 80~145 출력 토큰을 기록하는 반면, DeepSeek V4 Pro는 대략 54~65입니다. M3의 희소 어텐션 이점은 긴 컨텍스트에서 가장 두드러지며, 이때 M3의 디코딩은 빠른 상태를 유지하는 반면 V4 Pro의 어텐션 비용은 증가합니다.

둘 다 하나의 OpenAI 호환 키 뒤에 있는 OrcaRouter에 있어서, 이 선택은 보기보다 동전 던지기가 아닙니다. 프로덕션 경로는 알고리즘 및 장문 작성 패스에 DeepSeek V4 Pro를, 멀티모달 및 장문 맥락 패스에 MiniMax M3를 라우팅하고, 라우팅 DSL이나 모델 퓨전을 사용해 단일 호출에서 협력하도록 할 수 있습니다. 각각은 공급업체 목록 가격으로 청구되며 마크업 0%가 적용되고, 한 공급업체의 엔드포인트가 불안정해지면 자동 장애 조치가 이루어집니다.

어느 것이 맞나요?

• 경쟁 프로그래밍, 알고리즘 추론, 수학, 호출당 최대 출력 → DeepSeek V4 Pro. Codeforces와 LiveCodeBench 결과는 현재 공개된 오픈 가중치 모델 중 가장 강력한 수치입니다.

• 사양을 완성된 서비스로 전환하고, 긴 자율 에이전트 실행이 필요한 경우 → 실제 코딩 벤치마크 대회 결과와 에이전틱 SWE-Bench Pro 선두에 기반한 MiniMax M3

• 텍스트가 아닌 모든 입력(스크린샷, 다이어그램, 비디오 스틸) → MiniMax M3, 여기서 유일한 멀티모달 옵션입니다.

• 백만 토큰 규모의 컨텍스트를 저렴하면서도 빠르게 유지해야 하는 상황 → 이전 세대 대비 프리필 속도 9배, 디코드 속도 15배 향상을 달성한 MiniMax M3의 스파스 어텐션

• 텍스트 출력 비용이 가장 낮음 → 특히 thinking 모드를 켠 경우, DeepSeek V4 Pro가 $0.88로 M3의 $1.20보다 저렴합니다.

• 적당한 데이터센터 GPU에서의 셀프 호스팅 → MiniMax M3의 더 작은 활성 풋프린트; V4 Pro의 862 GB FP8 체크포인트는 제대로 된 클러스터가 필요하다.

어느 모델도 아직 확정적인 평가를 받지 못했고, 둘 다 빠르게 변화하고 있습니다. DeepSeek V4 Pro의 공식 빌드는 이번 주에 출시되었지만 아직 독립적으로 벤치마킹되지 않았고, MiniMax M3의 가중치는 약속되었지만 오픈 리포지토리에 완전히 공개되려면 아직 시간이 필요하며, DeepSeek는 V4 라인에 대한 가격 인상을 발표했습니다. 오늘 선택해야 한다면 모달리티와 워크로드에 따라 선택하세요: 멀티모달 및 롱컨텍스트 에이전트 작업은 MiniMax M3에, 가장 낮은 출력 가격의 순수 텍스트 및 코드 추론은 DeepSeek V4 Pro에 적합합니다 — 그리고 둘을 함께 라우팅하여 두 모델 중 하나에 대한 첫 번째 독립 스코어보드가 나왔을 때 트래픽 전환은 재작성이 아닌 설정 변경이 되도록 하세요.