오픈 웨이트 코딩 모델 비교, GLM-5.1·Kimi K2.6·DeepSeek V4·MiniMax M2.7

‘오픈 웨이트 LLM은 이제 클로즈드 모델을 못 따라잡는다’는 통념이 2026년 봄에 흔들렸어요. 3월 중순부터 4월 말 사이 중국 랩 네 곳이 코딩과 에이전트 작업을 앞세운 모델을 잇달아 내놨거든요. Z.ai의 GLM-5.1, Moonshot의 Kimi K2.6, DeepSeek V4, MiniMax M2.7까지 네 종이고, 각 랩이 모델 카드에 적은 SWE-Bench Pro 점수는 55점에서 59점 사이예요. Anthropic이 4월 16일 발표한 비교표 기준으로 Claude Opus 4.6(53.4%)보다 높고 GPT-5.4(57.7%)와 비슷한 구간까지 올라왔지만, 같은 표의 Claude Opus 4.7(64.3%)과는 아직 5점 넘게 차이가 나요. 이 글에선 5월 공개 시점 4종 모델을 공개 스펙·라이선스·SWE-Bench Pro·Terminal-Bench 2.0으로 나눠 비교하고, 한국어 처리를 직접 확인하는 법과 한국 개발자가 실제로 어떤 걸 골라야 하는지 정리합니다. DeepSeek V4는 2026년 4월 24일에 미리보기(Preview)로 공개됐고, V4-Pro 정식판(GA)은 2026년 8월 13일에 나왔어요.

1. 4종 모델 한눈에 보는 스펙 표

각 랩의 모델 카드와 공식 문서에서 2026년 10월 13일에 다시 확인한 공개 스펙이에요. GLM-5.1·Kimi K2.6·MiniMax M2.7의 라이선스 파일은 Hugging Face 저장소 기록상 4월 중순 이후 바뀌지 않아서 5월 공개 시점과 조건이 같아요.

총·활성 파라미터는 GLM-5.1이 Z.ai의 GLM-5 GitHub 모델 목록(744B-A40B), Kimi K2.6과 DeepSeek V4 Pro가 Hugging Face 모델 카드, MiniMax M2.7이 NVIDIA가 Hugging Face에 올린 양자화 모델 카드 기준이에요. 컨텍스트는 GLM-5.1과 MiniMax M2.7이 각 사 API 문서, 나머지 둘은 모델 카드 기준이고요. Kimi K2.6의 영상 입력은 모델 카드에 공식 API에서만 되는 실험 기능이라고 적혀 있어요. 벤치마크 점수와 토큰 단가는 버전·측정 시점·제공사에 따라 계속 바뀌어서 이 표에는 넣지 않았어요. 각 랩이 직접 잰 SWE-Bench Pro 점수는 3장에 모아 뒀고, 숫자로 된 최신 순위는 공식 리더보드에서 확인하세요.

DeepSeek V4의 프로와 플래시가 2026년 10월 기준으로 어떻게 갈리는지는 딥시크 V4 프로와 플래시 차이를 정리한 글에서 따로 볼 수 있어요.

한 가지 더 짚어 둘게요. 이 네 모델은 올라마 공식 라이브러리에 카드가 있어도 이름만으로는 내려받을 수 없어요. 올라마 라이브러리 기본 태그를 전수로 열어 본 실측에서 확인한 것인데, glm-5.1·kimi-k2.6·minimax-m2.7·deepseek-v4-pro 는 모두 cloud 계열 태그만 있어서 기본 태그 요청이 404 로 돌아와요. 로컬에 파일을 두고 쓸 생각이라면 이 점을 먼저 확인하세요.

2. 3월 18일부터 4월 24일까지, 네 모델이 나온 순서

네 모델은 한꺼번에 나오지 않았어요. MiniMax는 3월 18일 M2.7을 발표하면서 MiniMax Agent와 API 플랫폼에 먼저 내놨어요. Hugging Face 저장소 기록을 보면 4월 9일(UTC)에 가중치와 모델 설명이 먼저 올라왔고, 그때는 사용료 없는 이용을 허락하는 별도 모델 라이선스(MINIMAX MODEL LICENSE)가 붙어 있었어요. 지금의 비상업 라이선스는 4월 11일(UTC)에 그 라이선스를 대신해 올라왔고, 4월 14일에 마지막으로 고쳐졌어요. Z.ai 릴리스 노트에는 GLM-5.1이 4월 7일 항목으로 올라 있고, Kimi K2.6은 Hugging Face 모델 카드에 기술 블로그 링크와 평가 결과가 4월 20일(UTC)에 올라왔어요. DeepSeek V4는 4월 24일에 미리보기로 공개됐는데, 그날 올라온 DeepSeek V4 Pro 모델 카드의 비교표에는 Kimi K2.6과 GLM-5.1이 이미 들어 있어요.

각 랩이 앞세운 지점은 조금씩 달라요. Z.ai는 GLM-5.1을 에이전트 엔지니어링용 차세대 플래그십으로 소개하면서 긴 작업을 오래 이어가는 능력을 강조했고, Moonshot은 Kimi K2.6을 네이티브 멀티모달 에이전트 모델로 내놓으며 긴 코딩 작업과 에이전트 스웜을 내세웠어요. DeepSeek은 V4 미리보기를 ‘비용 효율적인 1M 컨텍스트’로 소개했고, MiniMax는 M2.7 발표문에 ‘자기 진화의 첫 신호(Early Echoes of Self-Evolution)’라는 제목을 붙였어요. 같은 코딩 모델이어도 각자 내세운 축이 달라서, 고르는 기준도 쓰임새에 따라 갈려요.

한국 개발자 입장에서 가장 큰 변화는 ‘선택지가 늘었다’는 점이 아니라 ‘선택 기준이 명확해졌다’는 거예요. 클로즈드 모델 시대엔 GPT vs Claude 양자택일이었는데, 오픈 웨이트는 사용 시나리오별로 4종을 골라 쓸 수 있는 단계가 됐어요.

3. SWE-Bench Pro — 실 GitHub 이슈 해결률

SWE-Bench Pro는 실제 오픈소스 GitHub 저장소의 미해결 이슈를 LLM에게 풀게 하는 벤치마크예요. ‘실무에서 진짜 작동하는가’ 측정에 가장 가까운 지표입니다.

오픈 웨이트 네 모델의 값은 각 랩이 직접 잰 점수라 측정 환경이 같다는 보장이 없고, 가장 높은 값과 낮은 값의 차이도 3.2점이라 이 표만으로 순위를 매기긴 어려워요. 같은 클로즈드 모델도 누가 적었는지에 따라 값이 갈려요. Claude Opus 4.6이 Anthropic 발표로는 53.4인데 DeepSeek·GLM 모델 카드에는 57.3으로 적혀 있어요.

그래도 흐름은 읽혀요. 5월 공개 시점 기준으로 오픈 웨이트 4종은 Claude Opus 4.6·GPT-5.4 구간까지 따라왔지만, 그보다 앞선 4월 16일에 나온 Claude Opus 4.7(64.3%)과는 가장 높은 Kimi K2.6(58.6)도 5.7점 차이가 나요. 2026년 10월 13일에 다시 확인해 보면 Anthropic이 5월 28일 발표한 Claude Opus 4.8은 같은 지표가 69.2%라, 이 글의 네 모델과는 차이가 10점 넘게 벌어졌어요. Opus 4.8을 기준으로 든 건, 그 뒤 나온 Claude Opus 5(7월 24일)와 Opus 5.5(9월 22일) 발표 표에는 SWE-Bench Pro 항목이 없기 때문이에요. 오픈 웨이트가 최상위 클로즈드 모델을 따라잡았다고 보긴 아직 이르고, 비용·라이선스·데이터 처리 조건까지 함께 따져 고르는 게 맞아요. 정확한 점수와 실행 비용은 SWE-Bench Pro 공식 리더보드와 각 제공사 가격 페이지에서 함께 확인하고, 본인 저장소 이슈 10건으로 재현 테스트를 돌려보는 걸 권해요.

4. Terminal-Bench 2.0 — 에이전트 안정성

Terminal-Bench 2.0은 에이전트가 터미널에서 명령을 실행하며 작업을 끝내는지 보는 벤치마크로, Anthropic 발표 표에서는 ‘에이전트 터미널 코딩(Agentic terminal coding)’ 항목으로 분류돼요. Cursor·Windsurf·Claude Code 같은 에이전트형 도구의 백엔드를 고를 때 참고할 만한 지표예요.

여기서도 측정 도구와 설정이 랩마다 달라 그대로 줄 세우긴 어려워요. 모델 카드가 강조하는 지점은 있어요. Kimi K2.6은 긴 호흡의 코딩(long-horizon coding)과 생각·도구 호출을 번갈아 여러 단계로 이어 가는 방식을 앞세웠고, GLM-5.1은 긴 작업을 오래 이어가는 능력을 내세웠어요.

한국 개발자가 이 결과를 어떻게 활용해야 할까요. Cursor 사용자라면 백엔드를 오픈 웨이트 모델의 OpenRouter endpoint로 바꿔 시험해 볼 수 있어요. 비용 차이는 본인 작업 패턴(컨텍스트 길이·반복 호출 횟수)에 따라 크게 달라져요. 일주일치 실사용 로그로 전후 비용을 직접 비교해보는 게 가장 정확합니다.

한 가지 미리 확인할 게 있어요. 오픈 웨이트 모델은 같은 이름을 여러 공급자가 서빙해서 목록에 적힌 컨텍스트 길이와 실제 공급자 한도가 갈리는 경우가 있어요. 모델 422개를 전수로 세어 그 격차를 대조한 기록은 모델 컨텍스트 길이 표시값과 공급자 실제값을 422개로 대조한 실측에 정리해 뒀어요.

5. 한국어 처리 — 변수명·주석·문서화 품질

벤치마크에 없는 항목인데 한국 개발자에게 가장 중요한 항목이에요. 다만 이번에 연 네 모델 카드에는 한국어 주석·README·변수명 품질을 잰 공개 점수가 없어서, 이 글에서는 모델별 한국어 품질을 단정하지 않을게요. GLM-5.1의 Hugging Face 저장소 메타데이터에 적힌 언어도 영어와 중국어 두 가지예요.

확인하는 방법은 단순해요. 본인이 실제 쓰는 저장소의 파일 몇 개를 골라 같은 프롬프트로 4종에 돌려보고, 주석 어투가 프로젝트 문서와 맞는지, 한자어가 과하지 않은지, 변수명이 일관된지 직접 비교하는 게 유일하게 확실한 방법이에요. 한국어 README·주석 비중이 큰 프로젝트라면 이 비교를 7장 체크리스트의 A/B 테스트에 함께 넣으세요.

6. 사용 시나리오별 추천 매트릭스

앞에서 확인한 모델 카드 값과 라이선스만 근거로 시나리오별 후보를 묶으면 다음과 같아요. 점수 차가 2점이 안 되는 모델은 우열을 가리지 않고 함께 적었어요.

Kimi K2.6이 4개 중 유일하게 이미지 입력을 받아서 ‘디자인 시안 → 코드 변환’ 같은 시나리오에선 단독 옵션이에요. GLM-5.1·DeepSeek V4 Pro·MiniMax M2.7은 텍스트 입력만 받아서 이런 시나리오엔 맞지 않아요. 사이드 프로젝트라도 MiniMax M2.7 가중치를 받아 유료 서비스에 넣으면 라이선스상 상업적 사용이라 MiniMax의 사전 서면 허가가 필요해요.

7. 5월 공개 시점 한국 도입 체크리스트

오픈 웨이트 코딩 LLM을 한국 환경에서 안전하게 도입하려면 다음 체크리스트가 합리적입니다.

1. 라이선스 검토 1순위: 회사 매출·사용 형태에 맞는 라이선스 적용 가능 여부 확인.
2. 호스팅 결정: API 호출 vs 자체 호스팅. 자체 호스팅이면 전체 가중치를 올릴 GPU 구성부터 따져 보기.
3. A/B 테스트: 실제 사내 코드베이스 샘플 100건으로 4종 동시 호출 후 사람 평가단 블라인드 비교.
4. 데이터 처리 정책: 사내 코드가 외부 API로 나갈 수 있는지 보안팀 사전 확인.
5. 벤치마크 지속 모니터링: 6~8주 단위로 신모델·신가격 갱신, 분기마다 백엔드 재평가.
6. 장애 대응 백업: 1순위·2순위 모델 동시 계약으로 한쪽 장애 시 즉시 폴백.

특히 6번은 놓치기 쉬워요. 서비스 수준 약정(SLA)은 제공사마다 달라서 계약 전에 따로 확인해야 하고, 단일 모델에만 의존하면 장애가 곧 서비스 정지로 이어져요.

마치며, 5월 시점에서 본 오픈 웨이트의 자리

2026년 5월은 오픈 웨이트 코딩 LLM이 클로즈드 모델의 대안으로 진지하게 검토되기 시작한 시점이에요. 각 랩이 적은 점수로는 Claude Opus 4.6·GPT-5.4 구간까지 올라왔지만, 같은 시기 최상위 클로즈드 모델과는 아직 차이가 있어요. 그래서 한 모델로 전부 바꾸기보다 라이선스·데이터 처리 조건을 따져 쓰임새별로 섞어 쓰는 게 현실적이에요.

바로 해 볼 수 있는 액션은 OpenRouter 또는 Together AI에 가입 → 4종 모델 API 키 발급 → 본인 사이드 프로젝트 코드 100줄을 동일 프롬프트로 4종 호출 → 출력 품질·속도·비용 비교예요. 1시간이면 되고, 평소 쓰는 클로즈드 모델 결과도 같은 프롬프트로 옆에 놓고 보면 어디까지 바꿔도 되는지 감이 잡혀요.

Q: 4종 모두 함수 호출(tool use) 지원해요?

A: 네, 4종 모두 공식 문서에 도구 호출 안내가 있어요. GLM-5.1은 Z.ai API 문서에 함수 호출(Function Call) 기능이 있고, Kimi K2.6 모델 카드는 생각과 도구 호출을 번갈아 여러 단계로 이어 가는 방식(Interleaved Thinking and Multi-Step Tool Call)을 설명해요. MiniMax M2.7 모델 카드에는 도구 호출 가이드가 따로 있고, DeepSeek V4 Pro는 API 가격 페이지의 기능 표에 도구 호출(Tool Calls)이 지원으로 표시돼 있어요. 긴 세션에서 호출을 얼마나 안정적으로 이어가는지는 이 글에서 확인한 자료로는 비교할 수 없으니, 실제 작업 로그에서 호출이 끊기는 지점을 직접 확인하세요.

Q: 라이선스에서 특히 확인할 조건은 뭐예요?

A: Kimi K2.6의 수정 MIT 라이선스가 MIT에 덧붙인 조건은 하나예요. 월간 활성 사용자 1억 명 또는 월 매출 2천만 달러를 넘는 상업 제품·서비스에 쓰면 그 제품의 화면에 'Kimi K2.6'을 눈에 띄게 표시해야 해요. MiniMax M2.7은 상업적 사용 자체가 사전 서면 허가 대상이고, 상업적으로 쓸 때는 관련 웹사이트·화면·제품 문서 등에 'Built with MiniMax M2.7'을 눈에 띄게 표시해야 해요. 문구는 각 Hugging Face 저장소의 LICENSE 파일에서 직접 확인하고, 해석이 애매하면 쓰기 전에 전문가 검토를 받으세요.

Q: 신모델 출시 주기가 얼마나 빨라요?

A: 이 글은 랩별 출시 주기를 따로 확인하지 않았어요. DeepSeek은 변경 로그 기준으로 2026년 4월 24일 V4 미리보기 공개, 7월 31일 플래시 API 갱신(V4-Flash-0731), 8월 13일 V4-Pro 정식판, 9월 10일 V4.1-Flash 공개 순으로 바뀌었어요. 그사이 모델 이름과 가격도 여러 번 바뀌었으니, 운영 중인 모델은 각 랩의 변경 로그를 주기적으로 확인하세요.

30분 안에 시작할 수 있는 가장 빠른 액션은 OpenRouter Playground에서 4종 모델을 동일 프롬프트로 비교 출력하는 거예요. ‘파이썬 함수 하나 작성해줘’ 같은 단순 프롬프트로도 한국어 자연도·출력 속도·비용을 즉시 체감할 수 있고, 결과를 본 직후 ‘우리 사이드 프로젝트엔 OO가 맞다’는 결정이 1시간 안에 나옵니다.