📋
핵심 요약
sLLM 비교 시리즈 1편 — 코딩은 DeepSeek V3(HumanEval 88.4%)가 Qwen 2.5(85.0%)를 앞서고, API 비용도 절반 수준이다.
추론에서는 수치 추론이 중요한 재무·회계 업무엔 DeepSeek(MATH 90.2%)가, 128K 컨텍스트를 활용한 장문 보고서 요약엔 Qwen(83.1%)이 더 안정적이다.
실무 판단: 코딩 위주면 DeepSeek V3, 문서·보고서 중심이면 Qwen 2.5, 둘 다 쓸 거면 DeepSeek 메인 + Qwen 보조 조합이 가성비 좋다.
sLLM 비교 시리즈 1편 — 코딩은 DeepSeek V3(HumanEval 88.4%)가 Qwen 2.5(85.0%)를 앞서고, API 비용도 절반 수준이다.
추론에서는 수치 추론이 중요한 재무·회계 업무엔 DeepSeek(MATH 90.2%)가, 128K 컨텍스트를 활용한 장문 보고서 요약엔 Qwen(83.1%)이 더 안정적이다.
실무 판단: 코딩 위주면 DeepSeek V3, 문서·보고서 중심이면 Qwen 2.5, 둘 다 쓸 거면 DeepSeek 메인 + Qwen 보조 조합이 가성비 좋다.
사내 시스템에 AI를 붙일 때 가장 먼저 마주치는 질문: "어떤 모델을 써야 하지?" 이 시리즈는 검증된 sLLM을 2개씩 비교한다. 첫 번째는 코딩과 추론 — 실무에서 가장 많이 쓰이는 영역이다.
한눈에 비교
| 기준 | DeepSeek V3 | Qwen 2.5 |
|---|---|---|
| 출시 | 2024.12 | 2024.09 |
| 파라미터 | 671B (MoE) | 72B |
| 컨텍스트 | 128K | 128K |
| API 비용 (1M토큰) | $0.27/$1.10 | $0.50/$2.00 |
| HumanEval | 88.4% | 85.0% |
| MATH | 90.2% | 83.1% |
| 한글 품질 | ★★★★☆ | ★★★★☆ |
코딩: DeepSeek V3의 손을 들어준다
HumanEval 88.4%는 GPT-4 수준. 특히 긴 함수 생성과 디버깅에서 강점을 보인다. 실제 ERP 커스텀 모듈을 짤 때도 함수 단위로 정확한 코드를 생성한다. Qwen 2.5도 85.0%로 나쁘지 않지만, 복잡한 비즈니스 로직에서 간혹 헛발질이 있다.
추론: 수학·논리에서는 DeepSeek, 긴 문서는 Qwen
MATH 벤치마크에서 DeepSeek 90.2% vs Qwen 83.1%. 수치 추론이 중요한 재무·회계 업무에서는 DeepSeek가 앞선다. 반면 컨텍스트 128K를 활용한 장문 보고서 요약은 Qwen이 더 안정적이다.
실무 판단
- 코딩 많이 하면: DeepSeek V3. API 비용도 절반.
- 문서·보고서 중심이면: Qwen 2.5가 장문 처리에 안정적.
- 둘 다 쓸 거면: DeepSeek V3 메인 + Qwen 보조가 가성비 조합.
📋 sLLM 실전 비교 시리즈 — 검증된 모델만, 과장 없이. ②편에서 계속.
참고 자료
- DeepSeek V3, Qwen 2.5 공식 벤치마크(HumanEval, MATH) 및 API 가격표 — 본문 비교표 기준 코딩·추론 성능 비교
- sLLM 실전 비교 시리즈 — 검증된 모델만 다루는 AlignsDot 연재 (본문 언급)