Muse Glimmer vs DeepSeek V4 Pro: 오픈 가중치의 양극단

DeepSeek V4 Pro 출시의 세부 조항 어딘가에는 '저렴한 오픈 가중치'와 '에이전트 코딩에 탁월함'이 같은 것이라고 생각하는 사람이라면 누구나 불편해해야 할 숫자가 하나 있다. 소프트웨어 엔지니어링 평가를 괴롭히는 훈련 데이터 게이밍에 저항하도록 설계된 오염 방지 벤치마크인 DeepSWE에서, DeepSeek V4 Pro — MIT 라이선스로 2026년 4월 24일에 출시된 1.6조 파라미터 혼합 전문가(MoE) 플래그십 — 는 8%를 기록했다. GPT-5.5는 같은 테스트에서 70점을, Claude Opus 4.7은 54점을 기록했다. 이는 업계에서 가장 성공한 저비용 모델 사례에 붙은 가장 치명적인 독립 데이터 포인트이며, 이번 맞대결에 중요한 이유는 Meta가 Apache 2.0 라이선스로 2026년 8월 10일에 출시한 30B 오픈 가중치 에이전트 모델인 Muse Glimmer가 DeepSWE가 측정하는 장기적 에이전트 작업을 설계 목표로 삼은 오픈 가중치 모델이기 때문이고, 지금까지의 유일한 점수는 이를 만든 회사가 직접 실행한 것이기 때문이다.

그래서 이것은 오픈 가중치 스펙트럼의 양극단에 있는 두 모델을 비교한 글입니다. 크기뿐 아니라 여러 측면에서 대조적이죠. 하나는 몇 푼으로 임대하는 데이터센터 MoE 모델이고, 다른 하나는 GPU만 있으면 비용이 들지 않는 데스크톱 다운로드 모델입니다. 하나는 치명적인 에이전트 결과를 포함한 독립적 평가 이력이 있고, 다른 하나는 독립적 평가 이력이 전혀 없습니다. 이 글은 두 모델 모두에 대한 사실을 바로잡으면서, '벤더가 보고한 수치'와 '독립적으로 입증된 수치' 사이의 격차가 스스로 말하게 둡니다.

당신이 신경 써야 할 숫자

DeepSWE는 헤드라인 수치를 살펴보기 전에 이해할 가치가 있습니다. 암기할 수 있는 것에 보상을 주지 않는 테스트이기 때문입니다. 이 테스트는 모델이 훈련에서 이미 본 데이터로 평가하는 관행인 오염(contamination)을 피하도록 설계되었으며, 패턴 회상이 아닌 지속적인 다단계 실행을 요구하는 길고 실제적인 소프트웨어 엔지니어링 작업을 실행합니다. 이 테스트에서 DeepSeek V4 Pro의 8%는 의견이 아니라 독립적인 평가의 측정된 결과이며, 동일한 모델이 SWE-bench Verified에서 80.6, LiveCodeBench에서 93.5, 그리고 GPT-5의 3,168을 능가하는 Codeforces 레이팅 3,206을 기록한다는 공급업체 자체 표가 그리는 그림과는 완전히 다른 그림입니다. 이 두 그림 사이의 차이가 바로 '오픈 가중치, 저렴한 토큰'과 '에이전틱 코딩에 능숙함'을 별도로 검증해야 하는 이유의 전부입니다.

뮤즈 글리머(Muse Glimmer)는 DeepSWE 점수가 없다. 어떤 독립 점수도 없다. 오늘 아침에 출시되었으며, 전체 벤치마크 표는 메타가 직접 돌린 자체 결과물인데, 메타는 튜닝하지 않았다고 인정한 경쟁 설정을 상대로 실행했다. 이 글에 등장하는 모든 글리머 수치에 정직하게 붙일 수 있는 꼬리표는 '공급업체 보고'다. 하지만 이 모델의 설계는 정확히 DeepSWE가 드러내는 실패 모드를 겨냥하고 있다. 자율적 실패 복구, 다단계 계획, 장기적 도구 사용 같은 것들 말이다. 그 설계가 독립 테스트와 맞닥뜨렸을 때 살아남을 수 있을지는 이 대결의 핵심 질문이며, 아직 그 답을 아는 사람은 없다.

오픈 웨이트의 양끝

각 모델에서 '오픈(open)'이 의미하는 바부터 시작하자. 둘은 결코 같지 않기 때문이다. DeepSeek V4 Pro는 총 1.6T 파라미터의 MoE 모델로, 토큰당 활성 파라미터가 약 49B이고, 1M(100만) 토큰 컨텍스트 창, 최대 384K 출력 토큰을 지원하며, 입력은 텍스트 전용이다 — 비전(vision)은 없다. MIT 라이선스로 배포되는 가중치는 자유롭게 가져갈 수 있지만, 자체 호스팅은 데이터센터급 작업이다. BF16 체크포인트가 테라바이트 단위이기 때문에, 실질적으로 DeepSeek V4 Pro는 DeepSeek API나 타사 API에서 임대해 쓰는 모델이다. Muse Glimmer는 Apache 2.0 라이선스의 30B 덴스(dense) 멀티모달 모델로, 지각 인코더(perception encoder)를 통해 텍스트와 이미지를 함께 처리한다. 4비트 체크포인트와 DFlash 드래프터를 합치면 약 19.5GB에 들어간다. 하나는 배포(디플로이)하는 오픈 가중치 모델이고, 다른 하나는 다운로드하여 단일 24GB 또는 32GB GPU 카드나 고사양 M 시리즈 Mac에서 실행하는 오픈 가중치 모델이다. 둘 다 진정한 오픈 가중치 모델이다. 하지만 그 외에 사용 방식에서 공유하는 것은 거의 없다.

거인의 분열된 인격

DeepSeek V4 Pro의 강점은 격리된 벤치마크에 있습니다. 수학 및 지식: GPQA Diamond 90.1, AIME 2026 96.4, MMLU-Pro 87.5. 통제된 환경에서의 코딩: SWE-bench Verified 80.6, LiveCodeBench 93.5. 긴 문맥에서의 needle-in-a-haystack 성능도 뛰어납니다. 100만 토큰 기준 MRCR 83.5로 해당 테스트에서 Gemini 3.1 Pro를 앞섭니다. 그러나 지속적인 에이전트 실행을 측정하는 항목에서는 결과가 갈라집니다. Terminal-Bench 2.0은 67.9, Toolathlon의 도구 사용은 51.8에 그쳤고, 독립 집계 순위에서는 추론 점수가 최상위권을 유지하는 동안에도 표준 빌드가 에이전트 및 코딩 카테고리에서 중위권에 머물렀습니다. 8%의 DeepSWE 결과는 그 균열이 극단에 이른 사례입니다.

Muse Glimmer의 공급업체 보고 표는 반대를 가리킵니다. 가장 강한 행은 에이전틱한 것들입니다. MCP-Atlas 75.5, DeepSearch QA 74.6, GAIA2 43.3, SWE-bench Verified 76.0, SWE-bench Pro 51.2, Terminal-Bench 2.1 51.7. DeepSeek의 검증된 코더 수치(80.6 SWE-bench Verified, 93.5 LiveCodeBench, 90.1 GPQA Diamond)와 비교하면, Glimmer는 벤치마크 표가 중요시하는 거의 모든 행에서 집니다. 이 모델들은 서로 다른 종류의 일에 능하며, Glimmer가 잘한다고 주장하는 바로 그 종류의 일은 DeepSeek의 독립적 기록에 따르면 저비용 거대 모델 방식이 틀리는 부분입니다.

각각의 비용은 솔직히 얼마인가

DeepSeek V4 Pro의 공시 정가는 입력 토큰 100만 개당 $1.74, 출력 토큰 100만 개당 $3.48이며, 캐시 적중 입력은 약 $0.145입니다. DeepSeek의 영구 할인(처음에는 프로모션으로 소개되었다가 그대로 유지된 할인)을 적용하면 실질 요금은 입력 약 $0.44, 출력 약 $0.87이 됩니다. 이는 토큰당 단가가 거의 결정 요인이 아닐 만큼 저렴하고, 업계의 상당 부분에서 기본 예산 선택지가 된 이유를 설명할 만큼 저렴한 수준입니다. 이 가격은 공급업체 자체 API와 여러 제3자 플랫폼을 통해 그대로 적용되며, OrcaRouter에서는 0% 마크업으로 전달됩니다. 즉 공급업체의 정가 그대로이며 추가 마진이 없으므로, DeepSeek의 가격 인하는 발생 당일 모델 페이지에 반영됩니다. 이것이 카탈로그의 다른 어떤 모델과 비교할 때의 정직한 방식입니다.

Muse Glimmer는 토큰당 비용이 0이며, 실제 비용은 하드웨어입니다. 기준점은 RTX 5090을 갖춘 24GB 또는 32GB GPU, 또는 최대 사양의 M 시리즈 Mac입니다. 이미 그 하드웨어를 보유하고 있다면, 항상 가동되는 로컬 에이전트의 한계 비용은 전기 요금뿐입니다. 보유하지 않았다면 GPU가 비용 항목이 됩니다. 많은 팀에게 이 일회성 구매는 항상 가동되는 에이전트의 수명 기간 동안 DeepSeek의 할인 요금보다도 저렴합니다. 반면 다른 팀에게는 토큰당 과금 모델이 더 유리한데, 19.5GB 로컬 모델이 담을 수 없는 1M 컨텍스트와 384K 출력을 원하기 때문입니다. 가격 비교는 자신이 실제로 어떤 배포 환경에 속해 있는지 결정한 뒤에야 비로소 결론이 납니다.

이면의 정치

맥락을 짚고 넘어갈 필요가 있다. 그 맥락이 두 공급업체의 수치를 어느 정도까지 신뢰해야 하는지를 결정하기 때문이다. Muse Glimmer 출시와 함께 공개된 저커버그의 에세이 "미래는 모두를 위한 것"은 DeepSeek를 Qwen, Moonshot과 함께 중국의 오픈모델 연구소로 명시적으로 거론하며, 미국의 오픈웨이트 출시작들이 이들과 경쟁해야 한다고 지적하고, 오픈소스 AI에 대한 미국의 규제 완화를 촉구했다. 메타는 Glimmer를 값싼 오픈웨이트 물결에 대한 미국의 대안으로 포지셔닝하고 있다. 이런 프레임은 실제로 존재하며, 공급업체가 운영하는 벤치마크가 가장 큰 회의를 불러일으켜야 하는 상황이 바로 그것이다. 양측 모두 모델과 함께 국가적 서사를 팔고 있기 때문이다. 균형을 잡아주는 것은 DeepSeek에 관해 이미 존재하는 독립적 측정(8% 수치 포함)이고, Glimmer에 관해서는 아직 존재하지 않는 독립적 측정이다.

누가 어떤 것을 운영해야 하는가

두 모델은 서로 대체재가 아니며, 이 결정은 본질적으로 벤치마크라는 옷을 입은 배포 범위 문제입니다. 워크로드가 토큰과 컨텍스트를 많이 소비하는 경우(대규모 입력, 긴 출력, 대규모 수학·지식 처리)라면, 할인된 요금의 DeepSeek V4 Pro는 카탈로그에서 비용 대비 성능이 가장 우수한 선택지 중 하나이며, 8%의 DeepSWE 결과는 장기적 에이전트 코딩이 아닌 워크로드에서는 중요도가 낮습니다. 워크로드가 항상 켜져 있는 로컬 에이전트(고빈도, 프라이빗, 인터랙티브, 도구 호출)라면, Muse Glimmer가 정답의 형태입니다. 단, 에이전트 관련 주장은 여전히 전적으로 자체 보고에 의존하므로 독립적인 테스트가 필요합니다. 워크로드가 둘 다에 해당한다면(대부분의 실제 에이전트 스택이 여기에 해당합니다), 두 모델은 하나의 시스템에서 두 계층을 구성합니다. 즉, 빠르고 프라이빗한 고빈도 경로에는 로컬 30B를, 긴 컨텍스트의 무거운 작업에는 임대형 MoE를 사용하는 것입니다.

이 비교를 판가름할 것은, 대략적인 속도 순서로: 오염이 없는 장기 지평 테스트(예: DeepSWE)에서의 독립적인 Glimmer 결과 — 이 대결에서 빠져 있는 가장 유용한 지표 —; DeepSeek의 8%가 설정상의 우연이 아니었음을 확인해 줄 두 번째 독립 재현; 그리고 최초로 Glimmer 엔드포인트를 제공하는 업체가 등장하는 순간이다. 그 순간이면 로컬-임대 분할이 가상이 아니라 하나의 키로 연결할 수 있는 실제가 된다. 그때까지는, 정직한 요약은 짧다. DeepSeek V4 Pro는 입증된 저렴한 토큰 스토리와 구체적이고 계량된 약점을 지닌 오픈 웨이트 거대 모델이다. Muse Glimmer는 바로 그 약점을 정조준하는 오픈 웨이트 신예로, 지금까지의 증거는 자신의 말뿐이다.