저는 혼잣말로 이렇게 말했습니다. "Claude Cowork는 훌륭하지만, 비용이 계속 나가네요." 그러고 나서 그것을 없애버렸습니다. 음, 완전히 없앤 건 아니고 — OpenClaw를 통해 실행되는 DeepSeek로 교체했습니다. 그리고 이것은 제가 올해 내린 가장 합리적인 비용 결정 중 하나가 되었습니다.

솔직하게 말씀드리면: Opus 5보다는 조금 덜 똑똑합니다. 큰 차이는 없지만 — 까다로운 엣지 케이스 (edge cases)에서는 차이가 느껴집니다. 하지만 그만한 가치가 있는 거래입니다. 이것은 벤치마크가 아닌, 실제 작업에서 테스트한 그 거래에 대한 이야기입니다.

설정 (The setup)

저는 여러 다른 코딩 에이전트(coding agents)들과 함께 Claude Cowork를 메인 에이전트로 사용하고 있었습니다. 훌륭했습니다 — Opus 5는 진심으로 인상적입니다. 하지만 매일 여러 프로젝트에 걸쳐 실행하고, 특히 병렬화 (parallelize)를 할 때 비용이 계속 쌓이게 됩니다.

저는 에이전트 레이어 (agent layer)를 모델로 DeepSeek v4 flash를 사용하는 OpenClaw로 전환했습니다. 핵심적인 움직임은 다음과 같습니다: opencode go가 일정 수준까지 DeepSeek v4 flash를 무료로 제공한다는 점인데, 이는 제 일상적인 에이전트 작업의 대부분을 커버합니다. 보장된 유료 경로가 필요할 때도 OpenRouter를 통한 DeepSeek는 어차피 저렴합니다 (1M 토큰당 입력 약 $0.14 / 출력 약 $0.28).

따라서 스택 (stack)은 다음과 같습니다: 에이전트 하네스 (agent harness)로서의 OpenClaw, 두뇌로서의 DeepSeek v4 flash, 그리고 무료 모델 경로로서의 opencode go입니다.

테스트 대상

단순히 'hello-world' 프롬프트만 실행한 것이 아닙니다. 일주일 동안 실제 업무를 통해 테스트했습니다. 에이전트를 실제로 작동시키는 네 가지 작업은 다음과 같습니다:

• Chrome 연결 / 브라우저 자동화 (browser automation). 이것이 제가 가장 걱정했던 부분이었습니다. 브라우저를 제어할 수 있는 에이전트는 부주의할 경우 많은 것을 망가뜨릴 수 있기 때문입니다. 저는 에이전트를 실제 Chrome 인스턴스에 연결하여 로그인 흐름, 양식 채우기, 스크린샷, 렌더링된 출력 확인 등 실제 페이지를 통해 작업하도록 했습니다. 에이전트는 이를 처리해 냈습니다. 완벽하지는 않았지만, 단계를 통해 추론하고 스스로 수정했습니다.

• Laravel 웹 앱 (LearnCoachAssist가 포함된 cijenehr). 풀스택 (Full-stack) 작업: Blade 템플릿, 스크래핑 어댑터 (scraping adapters), 배포, 프레임워크의 까다로운 문제 (gotchas) 해결하기. DeepSeek는 Laravel에 매우 탄탄합니다. 생산성을 낼 수 있을 만큼 프레임워크를 잘 알고 있으며, 실제 버그(정말로 저주스러운 Blade 주석 문제 포함)를 잡아냈습니다.

• 스크립트 기반 미디어 파이프라인 (agicad). 크론 (cron)을 통해 Instagram, YouTube, Facebook에 게시되는 숏폼 비디오 생성 자동화. "그냥 게시가 중단된" 파이프라인을 디버깅해 보니, 코드 버그가 아니라 스크립트 라이브러리가 고갈된 것이 원인이었습니다. 에이전트는 불필요한 코드를 다시 쓰는 대신 올바른 진단에 도달할 수 있도록 추론했습니다.

• 멀티 에이전트 서버 설정 (multi-agent server setup). 원격 서버에서 OpenClaw와 Python 에이전트 (Hermes)를 조정하고, 모델을 마이그레이션하며, 인증 실패를 수정하고, 폴백 (fallback)을 연결하는 작업. 이 부분에서 "약간 덜 똑똑한" 모습이 나타났습니다. 다단계 인프라 추론은 더 강력한 모델이 앞서나가는 전형적인 엣지 케이스 (edge case)입니다. 하지만 결국 해냈고, 비용 차이는 엄청났습니다.

약점이 드러나는 부분

솔직하게 말씀드리겠습니다. 이 부분이 가장 중요하기 때문입니다.

DeepSeek v4 flash는 Opus 5가 아닙니다. 코드 작성, 버그 수정, 브라우저 작업과 같이 명확하고 범위가 잘 정해진 작업에서는 약 90-95% 정도의 성능을 보여줍니다. 격차는 다음과 같은 상황에서 나타납니다:

• 머릿속에 많은 상태 (state)를 유지해야 하는 길고 다단계적인 인프라 추론
• 모호한 아키텍처 결정에 대한 세련된 판단
• 최상위 모델은 본능적으로 해결해 내는 마지막 5%의 엣지 케이스 (edge-case) 처리

하지만 핵심은 이것입니다. 실제 대부분의 업무에 있어서 "비용은 0%인데 성능은 90% 수준"인 거래라면, 저는 언제든 기꺼이 선택할 것입니다. 그리고 정말로 더 날카로운 모델이 절대적으로 필요할 때는 그것을 사용할 수 있습니다. 단지 모든 일에 그 모델을 계속 실행해 둘 필요가 없을 뿐입니다.

비용 분석

이것이 왜 중요한지 구체적으로 말씀드리겠습니다:

• opencode go — 일정 임계값까지 DeepSeek v4 flash를 무료로 제공합니다. 이는 제 일상적인 에이전트 (agent) 작업의 대부분을 커버합니다.
• cline pass — 무료 티어 (free-tier) 제한을 걱정하는 대신 예측 가능한 구독을 원한다면, 월 5달러의 안정적인 정액제 플랜이 있습니다.
• OpenRouter를 통한 DeepSeek — 유료 최저 기준이 1M 토큰당 입력(in) 약 $0.14 / 출력(out) 약 $0.28입니다.

매일 실행되는 프리미엄 구독과 비교해 보십시오. 절약되는 비용이 사실상 이 방식의 핵심입니다. 저는 여러 에이전트를 병렬로 실행하고 있는데, 비용이 복리로 쌓이는 지점이 바로 여기이며, 저렴한 방식을 택했을 때 가장 큰 보상을 얻는 지점이기도 합니다.

시도해 보세요

만약 Claude Cowork나 다른 프리미엄 에이전트를 사용하면서 "정말 좋긴 한데 비용이 너무 많이 들어"라고 생각하고 있다면, DeepSeek + OpenClaw로 전환하는 것은 리스크가 낮은 실험입니다. 동일한 에이전트 워크플로우 (workflow)를 유지하면서, 두뇌만 더 저렴한 것으로 교체하는 것뿐입니다.

opencode go를 시작하는 것은 무료입니다. 비용을 지불하기 전에 미리 시도해 볼 수 있습니다:

opencode go →

해당 링크를 통해 접속하시면 저에게 소정의 추천 크레딧 (referral credit)이 지급되며, 이는 제가 이런 글들을 계속 쓰는 데 도움이 됩니다. 부담 갖지는 마세요. 솔직히 무료 티어만으로도 본인에게 맞는지 결정하기에 충분합니다.

Opus 5보다는 약간 덜 똑똑할 수 있습니다. 하지만 큰 차이가 나지는 않습니다. 그리고 작동합니다. 그것이 제가 기꺼이 감수할 수 있는 거래입니다.