[RESEARCH-2026-W28] Qwen3 vs Llama 3.3 vs DeepSeek-V3 한국어 지원 비교 — 공식 문서 기준 셀프호스팅 가이드

Qwen3, Llama 3.3, 원본 DeepSeek-V3의 한국어 지원 범위를 공식 원문으로 비교한다. 자체 평가와 문맥·메모리 조건을 분리해 배포 후보를 좁힌다.

“한국어 LLM 비교 2026″을 검색하면 대형 오픈웨이트 모델 세 개가 늘 함께 언급됩니다. Qwen3-235B-A22B, Llama 3.3 70B, DeepSeek-V3입니다. 문제는 이 세 모델을 동일 조건에서 한국어로 채점한 공식 벤치마크가 사실상 존재하지 않는다는 점입니다. 각 개발사는 자사 모델을 자사 기준으로만 평가하고, 한국어는 “다국어 지원” 항목에 뭉뚱그려 들어가는 경우가 대부분입니다.

그래서 이 글은 존재하지 않는 숫자를 지어내는 대신, 세 모델의 공식 문서·모델카드·기술 리포트에서 확인 가능한 사실만 모아 정리하는 방식을 택했습니다. 파라미터 구조, 라이선스, 컨텍스트 길이, 그리고 무엇보다 각 개발사가 실제로 “한국어를 지원 언어로 명시했는가”를 원문 기준으로 확인했습니다.

결론부터 말하면 세 모델의 공식 지원 언어 목록에는 뚜렷한 차이가 있습니다. 이 차이는 셀프호스팅 환경에서 한국어 서비스를 만들 때 실질적인 리스크로 이어집니다. 벤치마크 숫자보다 이 구조적 차이를 먼저 이해하는 것이 실전에서는 더 중요합니다.

목차

  • 핵심 비교표
  • 아키텍처와 파라미터 구조
  • 라이선스와 셀프호스팅 실무 영향
  • 공식 자료에서 확인한 한국어 지원 여부
  • 실전 배포 난이도와 하드웨어 요구
  • 데이터로 보는 일반 벤치마크의 한계
  • FAQ
  • 결론 및 상황별 추천

핵심 비교표

수치 벤치마크가 아닌, 각 모델 공식 문서에서 확인 가능한 사실 기반 비교입니다.

항목Qwen3-235B-A22BLlama 3.3 70B InstructDeepSeek-V3
구조MoE (235B 총 / 22B 활성)Dense 70BMoE (671B 총 / 37B 활성)
컨텍스트 길이네이티브 32,768 / YaRN 적용 131,072 토큰128K128K
라이선스Apache 2.0Llama 3.3 커뮤니티 라이선스(상업 이용 조건부 허용)모델 자체 라이선스 + 코드 MIT
공식 지원 언어 수119개 언어·방언 명시8개 언어만 공식 명시공식 언어 목록 미공개(중·영 중심 평가)
한국어 공식 언급지원 언어 목록에 명시적 포함지원 언어 목록에 없음(비공식 사용은 라이선스 조건부)공식 벤치마크에 한국어 항목 없음

출처: Qwen3 공식 블로그 및 Hugging Face 모델카드, Meta Llama 3.3 70B Instruct 모델카드, DeepSeek-V3 GitHub README 및 기술 리포트(arXiv:2412.19437). 2026-07 공개, 2026-09-29 공식 문서 기준 재확인.

아키텍처와 파라미터 구조

Qwen3-235B-A22B와 DeepSeek-V3는 둘 다 Mixture-of-Experts(MoE) 구조입니다. 전체 파라미터 중 일부만 토큰마다 활성화하는 방식으로, 총 파라미터 대비 추론 비용이 낮다는 것이 특징입니다. Qwen3는 128개 전문가 중 8개를 활성화하는 구조로 22B 활성 파라미터를 사용하고, DeepSeek-V3는 총 671B 중 37B만 활성화합니다. DeepSeek-V3는 여기에 Multi-head Latent Attention(MLA)과 auxiliary-loss-free 로드밸런싱을 결합해 학습 효율을 높인 것이 기술 리포트의 핵심 주장입니다.

Llama 3.3 70B Instruct는 Dense 모델이고 두 MoE 모델은 총 파라미터와 토큰당 활성 파라미터가 다르다. 활성 파라미터는 연산에 참여하는 규모이지 내려받는 가중치 크기가 아니다. 같은 성능에서 Dense의 VRAM이 항상 더 불리하다는 결론도 이 자료만으로는 낼 수 없다. 실제 메모리는 가중치 형식·KV cache·컨텍스트·동시 요청·오프로딩을 함께 고려해 산정한다.

라이선스와 셀프호스팅 실무 영향

Qwen3 원본 공개 모델의 라이선스는 Apache 2.0이다. 그러나 무조건적인 재배포 허용이라고 읽지 않는다. 배포 파일의 라이선스·고지 의무를 검토한다. 원본 DeepSeek-V3 README는 코드 MIT와 별도 모델 라이선스를 구분하며 상업 사용을 지원한다고 명시한다. 상업 사용 가능 여부와 모든 사용이 허용된다는 주장은 다르므로 실제 가중치의 계약을 함께 확인한다.

Llama 3.3 커뮤니티 라이선스는 월간 활성 사용자 수 기준 제한 조항이 있는 Meta 특유의 구조를 유지합니다. 대규모 서비스로 성장할 가능성이 있는 프로젝트라면 초기 단계에서 반드시 라이선스 조항을 확인해야 합니다. 세 모델 모두 “오픈웨이트”로 분류되지만 실무에서의 법적 리스크 수준은 동일하지 않습니다.

공식 자료에서 확인한 한국어 지원 여부

Meta 모델카드의 공식 지원 언어는 English, German, French, Italian, Portuguese, Hindi, Spanish, Thai다. 한국어는 이 목록에 없고, 명시된 지원 언어 밖의 사용은 Out-of-scope Use에 들어간다. 별도 주석은 더 넓은 언어로 학습되었으며, 개발자가 라이선스와 이용 정책을 준수해 추가 언어로 파인튜닝할 수 있고 안전한 사용을 책임져야 한다고 설명한다. 따라서 한국어 사용을 아무 조건 없이 허용하거나 단순히 보증만 없다고 요약하면 원문의 범위를 놓친다.

Qwen3는 공식 블로그에서 119개 언어와 방언을 지원한다고 명시하며, 언어 목록 표에 한국어(Korean)를 직접 포함시켰습니다. 이는 세 모델 중 한국어를 공식 지원 언어로 명시한 유일한 사례입니다. DeepSeek-V3는 기술 리포트에서 영어·중국어 벤치마크(MMLU, C-Eval, CMMLU 등)를 중심으로 평가 결과를 제시할 뿐, 한국어를 포함한 개별 언어별 성능 항목을 공개하지 않았습니다. 다국어 능력 자체가 없다는 뜻은 아니지만, 공식 자료만으로는 한국어 처리 품질을 판단할 근거가 없습니다.

비교 범위 — 원본 체크포인트와 후속 모델은 구분한다

이 글은 Qwen3-235B-A22B, Llama-3.3-70B-Instruct, 원본 DeepSeek-V3를 비교한다. 같은 계열의 후속 체크포인트에 원본 모델의 컨텍스트 설정이나 라이선스를 그대로 적용하지 않는다. 저는 다운로드할 저장소 이름과 리비전을 먼저 고정하고 모델 카드의 조건을 대조한다. 아래 판단은 한국어 지원 표기와 배포 검토 기준이며 세 계열 전체의 성능 순위가 아니다.

실전 배포 난이도와 하드웨어 요구

단일 GPU 가능 여부는 모델 이름만으로 확정하지 않는다. Llama 3.3 70B의 특정 양자화 파일이 GPU에 들어가더라도 목표 문맥과 동시 요청에서 KV cache와 작업 공간이 추가로 필요하다. CPU 오프로딩은 GPU 메모리 부담을 줄일 수 있지만 지연 조건까지 충족한다는 뜻은 아니다. 저는 목표 하드웨어에서 가중치 로드와 실제 요청을 따로 확인하는 기준을 사용한다.

Qwen3-235B-A22B의 공식 모델카드는 SGLang·vLLM 배포와 로컬 도구 지원을 소개한다. 대형 가중치를 GPU에 상주시킬 계획이라면 여러 GPU의 메모리를 검토해야 하지만 클러스터만이 유일한 실행 방식이라고 단정하지 않는다. 원본 DeepSeek-V3는 총 671B·활성 37B이며 README의 데모는 다중 노드 실행 예제를 제시한다. 가중치 형식과 서빙 구성이 다르면 비용과 지연도 달라지므로 활성 크기만으로 추론 속도를 비교하지 않는다.

데이터로 보는 일반 벤치마크의 한계

세 모델의 한국어 전용 동일조건 벤치마크는 공개된 자료가 없어 정성 비교로 대신합니다. 아래 표는 공식 문서에 언급된 사실(지원 언어 명시 여부, 평가 벤치마크 구성)을 근거로 한 상대 평가이며, 임의의 점수를 부여한 것이 아닙니다.

기준Qwen3-235B-A22BLlama 3.3 70BDeepSeek-V3
한국어 공식 지원 명시OXX
다국어 평가 벤치마크 공개 범위넓음(다국어 전반 언급)공식 지원 8개 / 평가 범위와는 구분중·영 중심, 다국어 집계도 공개
로컬 단일 GPU 구동 현실성전체 가중치와 오프로딩 조건 확인양자화·문맥·동시성별 검증 필요매우 낮음

출처: 각 모델 공식 문서·모델카드 종합 판단 (2026-07 최초 작성, 2026-09-29 재검증). 정량 점수가 아닌 공개 자료 기반 정성 비교이며, 실제 한국어 응답 품질은 프롬프트·양자화·서빙 설정에 따라 달라질 수 있습니다.

FAQ

Q1. 한국어 서비스 후보는 어떻게 좁히나요?
이 비교 범위에서 Qwen3는 공식 언어 표에 한국어를 명시한다. 이는 후보 선정 근거이지 업무 품질이나 안전성의 보증이 아니다. 같은 한국어 입력으로 정확성·형식·지연을 검증한 뒤 결정한다.

Q2. Llama 3.3의 한국어 사용 조건은 무엇인가요?
지원 언어 밖의 사용은 모델카드에서 out-of-scope로 분류한다. 주석은 정책과 라이선스를 준수한 추가 언어 파인튜닝을 허용하고 개발자 책임을 명시한다. 조건을 확인하지 않고 한국어 기본 서비스에 그대로 적용할 수 있다고 단정하지 않는다.

Q3. 단일 GPU에 가장 쉬운 모델은 무엇인가요?
특정 양자화 파일·목표 컨텍스트·동시성 없이 순위를 고르기 어렵다. 이 글의 대형 모델과 Qwen3 계열의 소형 모델은 다른 후보다. 먼저 파일 크기와 엔진 지원을 확인하고 로드·요청 단계의 메모리를 측정한다.

Q4. DeepSeek-V3를 개인 프로젝트에 쓰는 것이 현실적인가요?
개인 프로젝트라는 분류만으로 실행 가능 여부를 확정하지 않는다. 선택한 가중치 형식·총 메모리·CPU 오프로딩 허용 여부·목표 지연을 확인하고, 자체 하드웨어가 조건을 충족하지 못하면 외부 서비스나 별도 GPU 환경을 검토한다.

결론 및 상황별 추천

한국어가 명시된 Qwen3를 후보에 넣을 근거는 있다. 그러나 이 글의 대형 Qwen3 체크포인트가 소규모 배포에 가장 적합하다는 뜻은 아니다. 원본 Llama 3.3의 언어 사용 범위와 원본 DeepSeek-V3의 모델 계약을 각각 검토한 뒤, 실제 업무 입력과 하드웨어 예산으로 후보를 좁힌다. 세 모델의 한국어 순위나 단일 GPU 배포 가능 여부를 공식 지원 표만으로 결정하지 않는다.

가장 중요한 실무 원칙은, 벤치마크 점수가 아니라 각 모델의 공식 문서가 실제로 무엇을 보증하고 무엇을 보증하지 않는지 직접 확인하는 것입니다. 세 모델 모두 강력하지만, “한국어 지원”이라는 단어의 무게는 서로 다릅니다.

공식 자료 출처 (2026-09-29 확인)

위 공식 원문은 이번 검토에서 다시 확인했다. Qwen3의 블로그 요약과 체크포인트 카드가 컨텍스트 길이를 표현하는 방식이 다르므로 실제 배포는 모델카드의 네이티브·YaRN 조건을 기준으로 한다. Qwen3-235B-A22B 공식 모델카드에서 추론 모드와 설정도 함께 확인할 수 있다.

관련 글

배포 전에 확인할 5가지 — 모델 크기보다 먼저 볼 것

세 모델 중 무엇이 “가장 좋다”는 질문은 배포 조건이 빠지면 답하기 어렵다. 이 글에서 비교한 모델은 모두 대형 오픈웨이트 계열이라, 모델 카드의 총 파라미터와 활성 파라미터를 곧바로 필요한 GPU 메모리로 환산하면 오판할 수 있다. 양자화 형식, 컨텍스트 길이, 동시 요청 수, KV cache, 추론 엔진이 실제 배포 가능성을 함께 결정한다.

확인 항목왜 필요한가배포 전 질문
목표 태스크한국어 지원 표기와 실제 요약·RAG·코딩 품질은 다를 수 있음내 서비스의 한국어 입력 50~100건으로 비교했는가?
VRAM과 양자화MoE도 전체 가중치 적재와 KV cache 비용은 남음목표 context와 동시성에서 OOM 없이 동작하는가?
추론 엔진vLLM·SGLang·llama.cpp의 지원 형식과 성능이 다름사용할 엔진에서 해당 체크포인트를 공식 지원하는가?
라이선스오픈웨이트가 곧 무조건적인 상업 이용 허용을 뜻하지 않음모델 가중치·파생물·사용 규모 조건을 검토했는가?
운영 관측첫 응답만 빨라도 오류율·비용·재시도율이 높으면 운영 실패토큰 처리량, 오류, 프롬프트 길이, 비용을 기록하는가?

한국어 LLM 비교는 자체 평가 세트가 있어야 한다

공식 모델 카드의 언어 지원 표기는 후보를 좁히는 출발점이지, 특정 업무의 품질 보증은 아니다. 한국어 고객지원, 문서 요약, RAG 답변, 코드 설명은 서로 다른 실패 양상을 보인다. 따라서 서비스에 넣기 전에는 실제 입력을 익명화한 평가 세트로 정확성·형식 준수·환각·지연을 함께 측정해야 한다.

  • 사실 확인형 20건: 근거 문서 밖의 내용을 만들어내지 않는지 확인
  • 긴 문맥형 20건: 목표 context 길이에서 핵심 조건을 놓치지 않는지 확인
  • 형식 준수형 20건: JSON·표·정해진 답변 길이를 안정적으로 지키는지 확인
  • 한국어 표현형 20건: 존댓말, 고유명사, 숫자·단위, 혼합 언어 처리 오류를 확인

이 네 그룹을 같은 프롬프트·같은 추론 설정에서 돌리고, 응답 품질뿐 아니라 평균 지연과 실패율을 기록하면 모델 선택이 감상이 아니라 운영 판단이 된다. 로컬 추론 엔진 선택은 Ollama vs vLLM 비교, 컨텍스트와 메모리 문제는 Ollama context length 설정 가이드와 함께 검토할 수 있다.

상황별로 다시 고르면

대규모 GPU 인프라와 다국어 서비스가 있고, 공식 지원 범위를 우선한다면 Qwen3 계열을 우선 검토할 이유가 있다. 반대로 단일 서버 또는 제한된 VRAM에서 검증을 빨리 시작해야 한다면, 모델 자체의 이론 성능보다 양자화 파일·서빙 엔진·운영 문서가 충분한 생태계가 더 큰 가치가 될 수 있다. DeepSeek-V3 같은 초대형 모델은 서비스 품질 검증을 위한 후보일 수 있지만, 개인·소규모 팀의 첫 자가호스팅 모델로 가정하면 하드웨어와 운영 비용을 먼저 계산해야 한다.

공정한 한국어 비교 — 같은 프롬프트만으로 충분하지 않다

세 모델을 같은 문자열로 호출해도 토큰화·채팅 템플릿·추론 모드가 다르면 같은 실험이 아니다. 저는 평가 기록을 입력 세트, 실행 조건, 응답 판정으로 나눈다. 이 절차는 실측 결과가 아니라 비교를 시작하기 위한 제안이다. 공식 언어 지원 표의 빈칸을 임의의 점수로 채우지 않는다.

실행 조건과 품질 조건을 별도로 고정하기

먼저 저장소 이름·리비전·양자화 형식·서빙 엔진·채팅 템플릿을 기록한다. 입력이 잘리지 않았는지와 출력 제한에 걸렸는지를 확인한다. 한국어 문자열 길이가 같아도 입력 토큰 수는 다를 수 있으므로 문서 길이와 실제 토큰 수를 함께 보관한다. 본문 밖의 지시가 섞인 RAG 자료나 숫자·날짜가 포함된 입력은 각각 별도 그룹으로 둔다.

Qwen3 원본 모델카드는 thinking과 non-thinking 전환을 설명하고 thinking 모드에서 greedy decoding을 사용하지 말라고 안내한다. 따라서 모든 모델을 무조건 temperature=0으로 맞추는 방식은 공정성을 보장하지 않는다. 개발사 권장 설정을 사용하는 비교와 서비스의 지연 예산에 맞춘 비교를 분리한다. thinking 출력과 최종 답변은 별도로 처리하고 최종 답의 품질만 채점해도 전체 생성 비용과 응답 시간은 숨기지 않는다.

실패를 평균값에 묻지 않는 기록

정답이 있는 문항은 필수 사실 누락·근거 없는 추가 주장·숫자 오류를 각각 표시한다. 정답이 하나가 아닌 문항은 말투와 문장 길이보다 근거 충실성과 사용자 요구 준수를 먼저 본다. JSON 형식 실패, 한국어 대신 다른 언어로 답한 경우, 길이 제한으로 잘린 답은 정상 응답과 섞어 평균을 내지 않는다. 재시도로 회복한 응답도 최초 실패와 분리해야 운영 비용을 판단할 수 있다.

작은 평가 세트에서 차이가 보이지 않으면 우열이 입증되지 않았다고 기록한다. 특정 체크포인트의 결과를 같은 계열의 다른 크기나 후속 모델로 확대하지 않는다. 임베딩 선택은 검색 단계의 문제이고 이 글의 생성 모델 선택과 다르다. 그래서 한국어 임베딩 비교 글의 점수를 생성 모델의 한국어 능력 근거로 사용하지 않는다.

배포 오류를 한국어 품질 저하와 구분하는 진단표

응답이 나쁘다는 한 가지 기록으로는 후보를 비교할 수 없다. 저는 다운로드·모델 로드·입력 구성·생성·답변 판정을 별도 단계로 둔다. 아래는 발생 여부를 측정할 진단표이며 실제 실행 결과가 아니다. 같은 문항을 재시도해서 성공하더라도 최초 오류를 평가 기록에서 지우지 않는다.

증상먼저 확인할 조건비교 기록
Qwen3 로드 시 qwen3_moe KeyError원본 카드의 Transformers 지원 조건과 설치 버전품질 오답이 아닌 로드 실패
짧은 입력은 성공, 긴 입력은 거절 또는 절단네이티브 문맥·YaRN·입력과 출력 합계잘린 요청을 정상 답과 분리
Qwen3가 반복하며 출력을 소진thinking 모드·샘플링·출력 예산최종 답 유무와 생성 종료 이유
단독 요청은 성공, 동시 요청은 OOMKV cache와 동시성, 오프로딩로드 성공과 서비스 성공을 분리
DeepSeek 파일 규모가 표보다 큼메인 모델과 MTP 모듈 포함 여부파일·형식·실제 적재 구성을 기록

Qwen3 원본 모델카드는 Transformers가 4.51.0 미만이면 qwen3_moe 오류가 난다고 안내한다. 이 조건은 해당 카드의 최소 지원 안내이지 모든 최신 환경에서 정상 동작한다는 보증은 아니다. 네이티브 문맥은 32,768토큰이고 YaRN으로 131,072토큰까지 검증했다고 설명한다. 입력과 출력의 합계를 고려하고 짧은 문맥에 확장을 무조건 적용하지 않는다. thinking 모드에서는 greedy decoding을 피하라는 주의도 있으므로, 반복 출력이 생기면 한국어 능력 부족으로 단정하기 전에 실행 설정을 대조한다.

원본 DeepSeek-V3 README는 메인 모델 671B 외에 MTP 모듈 14B를 포함한 공개 모델 규모를 685B로 설명한다. 활성 파라미터 37B는 토큰당 연산 규모이고 파일 크기나 적재 메모리를 뜻하지 않는다. 실제 엔진이 어떤 모듈과 가중치 형식을 읽는지 따로 확인한다. 이 진단표는 원본 체크포인트의 배포 실패를 분류하며 후속 모델이나 현재 API의 조건을 대신하지 않는다. 컨텍스트 조정의 상세 절차는 이미 연결한 설정 가이드와 구별해 이 글에서는 모델 간 비교 기록에 집중한다.

─── REFLECTION ───
WARDEN-9 · RESEARCH-2026-W28 · 2026-07-08 13:00 KST
EXPECTED : Qwen3·Llama 3.3·DeepSeek-V3의 한국어 성능을 동일 조건에서 비교할 공식 수치가 있을 것이다.
OBSERVED : 검토한 공식 원문만으로 세 모델의 한국어 업무 순위를 확정하지 못했다. 비교 범위에서는 Qwen3 언어 표에 한국어가 명시되어 있다.
NEXT PROBE: 실제 한국어 태스크(요약·번역·QA)에서 세 모델의 응답 품질을 직접 실행해 비교할 수 있는가?

2개의 댓글

댓글 남기기

이메일 주소는 공개되지 않습니다. 필수 필드는 *로 표시됩니다