OpenRouter의 :free 모델을 Claude Code의 서브 에이전트(Sub-agent)·요약 태스크에 할당하면 **API 비용을 거의 제로(0)**로 만들 수 있다 - 2026년 5월 시점에서 실용 수준에 도달한 무료 모델은 5개 - 컨텍스트 길이(Context Length)·레이턴시(Latency)·코드 정밀도의 세 축으로 비교하여 용도별 활용 지침을 제시한다.

Claude Code는 강력한 AI 코딩 환경이지만, Opus나 Sonnet을 모든 태스크에 계속 사용하면 월 $50~$200의 API 비용이 쌓인다.

OpenRouter는 2025년 말부터 2026년에 걸쳐 무료 프레임 모델의 질을 대폭 끌어올리고 있으며, 조사·요약·문서 생성·테스트 보완과 같은 「정밀도보다 처리량(Throughput) 우선」인 태스크는 무료 모델로도 충분히 감당할 수 있는 수준이 되었다.

본 기사에서는 Claude Code의 서브 에이전트나 CLI 도구 내장 용도로 실용성을 갖춘 :free 모델 5개를 선정하여, 세 축 평가와 권장 유스케이스(Use Case)를 정리한다.

• 모델 ID의 끝에 :free를 붙이면 레이트 리밋(Rate Limit)은 완화되지만 과금은 발생하지 않는다 - 배후에서는 프로바이더가 연구·마케팅 목적으로 제공하는 트래픽을 OpenRouter가 라우팅하고 있다
• SLA는 상용 모델보다 낮으며, 500~1,000 RPD(1일당 요청 수) 정도가 상한선 기준이다

Gemini 1.5 Flash의 무료 프레임. **100만 토큰의 컨텍스트 윈도우(Context Window)**는 모놀리식(Monolithic)한 리포지토리 전체를 한 번에 전달할 수 있는 유일한 선택지이다. 리포지토리 전체의 요약·영향 범위 분석·대규모 문서 생성에 적합하다.

코드 보완의 정밀도는 Sonnet 3.5 대비 약 70~75% 정도의 인상이지만, 「나열하여 정리하는」 계열의 태스크에서는 정밀도가 잘 떨어지지 않는다.

권장 유스케이스

• 리포지토리 전체의 의존성 그래프 설명
• 긴 PR diff의 요약
• 10만 자 초과의 로그 분석

Meta의 LLaMA 3.3 70B는 오픈 웨이트 모델(Open-weight model) 최고봉 클래스이다. 코드 생성·디버깅·리팩터링에서 상용 모델에 육박하는 품질을 발휘한다.

특히 Python·TypeScript·Rust의 코드 보완 태스크에서는 GPT-4o mini를 상회하는 경우도 확인되고 있어, 서브 에이전트의 「구현 초안 생성」에 적합하다.

레이턴시는 트래픽에 따라 변동이 있지만, 업무 시간 외(JST 심야~새벽)에는 안정적으로 빠르다.

권장 유스케이스

• 구현 초안의 첫 번째 초고 생성
• 테스트 코드의 자동 보완
• 코드 리뷰 코멘트의 초안 작성

# OpenRouter를 통해 llama-3.3-70b를 호출하는 최소 구성 (Python)
import openai
client = openai.OpenAI(
...

Alibaba의 Qwen3 235B MoE 모델. 2026년 5월 시점에서 :free 프레임으로 사용할 수 있는 모델 중 코드 정밀도가 가장 높다. HumanEval 기반의 공개 벤치마크에서는 GPT-4o에 육박하는 스코어를 기록하고 있다.

MoE(Mixture of Experts) 아키텍처이기 때문에 추론 비용은 실질적으로 22B 상당으로 가볍지만, 첫 번째 응답까지의 대기 시간이 긴 편이다(TTFT 5~15초). 스트리밍 출력으로 커버할 수 있지만, 인터랙티브한 대화보다는 배치 처리(Batch Processing)·비동기 태스크에 적합하다.

또한, Qwen3는 thinking 모드를 내장하고 있어, /no_think 프롬프트로 가속화할 수 있다.

thinking을 비활성화하여 속도 우선

System: /no_think
User: 다음 TypeScript 함수의 버그를 수정해 주세요.

권장 유스케이스 (Recommended Use Case)

• 복잡한 알고리즘 문제의 초안 작성
• 다국어 대응 코드 번역 (일본어 $\rightarrow$ 영어 주석 포함)
• 코드 품질 리뷰 (사람의 확인 전 1차 필터)

7B 파라미터임에도 불구하고 TTFT (Time To First Token)가 최단급이다. 0.1~0.5초 내에 첫 토큰이 반환되므로, 사용자 경험이 속도와 직결되는 용도에 적합하다.

정확도는 70B 급 모델에 비해 떨어지지만, 정형 포맷 변환 (JSON $\rightarrow$ Markdown, CSV $\rightarrow$ SQL INSERT 등)에는 충분하다. CI 파이프라인의 중간 단계나, CLI 도구의 "즉시 응답" 계열 명령에組み込み(통합)하기 쉽다.

권장 유스케이스 (Recommended Use Case)

• CI의 lint 코멘트 자동 생성 (속도 우선)
• git commit 메시지 초안 작성
• 정형 포맷 변환 (JSON $\leftrightarrow$ YAML 등)

DeepSeek V3는 코딩 벤치마크에서 GPT-4o와 동등하거나 이를 상회하는 점수를 여러 공개 평가에서 기록하고 있다. 특히 경쟁 프로그래밍, 수치 계산, 정규 표현식 태스크의 정확도가 탁월하다.

2026년 3월 버전 (-0324)은 프롬프트 추종성 (Prompt Following)이 개선되어, 긴 사양서를 전달하여 구현을 생성하는 태스크에서도 지시 사항이 무너지는 일이 적다.

주의할 점으로, 중국 기업 모델이므로 입출력 데이터 취급에 대해 이용 약관을 확인한 후 사용해야 한다. 기밀 코드를 직접 입력하는 것은 피하고, 퍼블릭 OSS 코드나 범용 로직에 한정하여 사용하는 것이 안전하다.

권장 유스케이스 (Recommended Use Case)

• 알고리즘 및 자료 구조 구현 초안
• 수치 계산 및 통계 처리 코드 보완
• SQL 쿼리 최적화 제안

# 요약 단계: 비용 절감
openrouter_summarize() {
curl -s https://openrouter.ai/api/v1/chat/completions \
...

:free 모델은 속도 제한 (Rate Limit)에 걸릴 수 있다. 여러 모델을 폴백 체인 (Fallback Chain)으로 연결하면 가용성을 높일 수 있다:

FREE_MODELS = [
"qwen/qwen3-235b-a22b:free",
"meta-llama/llama-3.3-70b-instruct:free",
...

**"무거운 태스크만 Sonnet, 가벼운 태스크는 무료"**로 분리하여 비용을 60~70% 절감하는 것이 현실적인 목표이다.

RPD 상한: :free 모델은 하루당 요청 수에 상한이 있다. 대량 배치 처리는 야간 스케줄로 설정하거나 여러 모델로 분산해야 한다.
레이턴시 변동: 트래픽 집중 시 (UTC 10:0016:00)에는 TTFT가 25배 증가할 수 있다.
이용 약관 확인: DeepSeek 등은 입력 데이터 취급에 관한 약관을 반드시 확인해야 한다.
정확도 저하: 무료 모델은 모델 버전이 변경될 수 있다. 정기적으로 출력 품질을 재평가해야 한다.
기밀 코드: 퍼블릭 OSS 및 학습용 코드만 입력하고, 독점적 (Proprietary) 코드는 입력하지 않는다.

Claude Code의 모든 태스크를 고비용 모델로 처리할 필요는 없다. "정밀도가 필요한 곳에만 과금한다" 설계가 2026년 비용 최적화 (Cost Optimization)의 기본 전략이 되어가고 있다.

• OpenRouter Models 목록

• LLaMA 3.3 공식 - Meta AI

• Qwen3 Technical Report (Alibaba)

• DeepSeek V3 공식 리포지토리 (Repository) — MIT License

• Gemini 1.5 Flash 공식 문서

• Mistral 7B Instruct v0.3 — Apache 2.0

4-A~4-D에 해당하는 기술은 없는가? →
YES (사내 구성·환경 변수·경쟁 재현 요소 없음) -
코드 단편은 OSS / 공식 docs / 학습용 최소 예제뿐인가? →
YES -
인용한 OSS의 라이선스를 명시했는가? →
YES (DeepSeek V3: MIT / Mistral: Apache 2.0) -
인용한 수치·벤치마크의 출처 URL을 기재했는가? →
YES -
제목에 숫자를 넣어 검색성을 높였는가? →
YES ("5선") -
태그는 Qiita 관습에 맞는가? → 권장 태그:
OpenRouter ,ClaudeCode ,LLM ,AI ,비용 최적화

• 말미에 프로필 + lookupai 링크를 붙였는가? → 아래에 부여
• 지모라보 (Jimolabo)의 SaaS로의 자연스러운 유도가 1~2곳 있는가? → 아래 푸터에서 실시

오타·탈자 및 코드 블록의 언어 지정은 OK인가? →
YES

✍️ 본 기사의 저자: 합동회사 지모라보 (Jimolabo)

지모라보는 하치오지를 거점으로 AI를 활용한 SaaS를 다수 개발하고 있습니다. 본 기사의 기술 검증도 그러한 개발 과정의 부산물입니다.

• 🌐 공식 사이트: https://locallab.jp
• 🔍 AI SEO 최적화 SaaS: lookupai.jp
• 📺 YouTube: @locallab_llc
• ✉️ 문의: info@locallab.jp

관심이 생기셨다면 꼭 각 SNS 팔로우도 부탁드립니다!