우리는 키미 K3·, GLM 5.3·, Qwen3.8 맥스 0902 그리고 딥시크 V4 프로 0813 두 번의 원샷 코딩 테스트를 서로 대결하며, 모두 EmpirioLabs에서 실행됩니다. 같은 프롬프트, 한 번의 시도, 편집이나 재시도 없이, 모든 결과가 실제 브라우저에서 실시간으로 렌더링됩니다.
네 방향 비교를 시청하세요
사양 한눈에
| 키미 K3 | GLM 5.3 | Qwen3.8 맥스 0902 | 딥시크 V4 프로 0813 | |
|---|---|---|---|---|
| 메이커 | 문샷 AI | Z.ai | 알리바바 | 딥시크 |
| 컨텍스트 윈도우 | 1,000,000 토큰 | 1,000,000 토큰 | 1,000,000 토큰 | 1,000,000 토큰 |
| 입력 | 텍스트, 이미지 및 비디오 | 본문 | 텍스트, 이미지 및 비디오 | 본문 |
| 회사연혁 | 최대 등급 | 최대 등급 | 최대 등급 | 최대 등급 |
| 구조화된 출력 | 엄격한 JSON 스키마 | JSON 모드 | 엄격한 JSON 스키마 | 엄격한 JSON 스키마 |
| 투입 가격 | 100만 토큰당 $3.00 | 100만 토큰당 $1.40 | 100만 토큰당 $2.00 | 100만 토큰당 $1.32 |
| 출력 가격 | 100만 토큰당 $15.00 | 100만 토큰당 $4.40 | 100만 토큰당 $6.00 | 100만 토큰당 $3.96 |
우리가 진행한 방법
각 모델은 두 가지 작업에 대해 동일한 프롬프트를 받았습니다: 단일 HTML 파일로 스스로 재생되는 플래피 버드 게임 만들기; 단일 HTML 파일로 스스로 재생되는 미사일 커맨드 게임 만들기. 각 작업은 외부 라이브러리가 없고 스스로 애니메이션을 만드는 단일 독립형 HTML 파일을 요청했습니다. 네 가지 모델 모두 실행되었습니다. reasoning_effort: "맥스" 65,536 토큰 출력 예산, 원샷, 재시도 없음. 각 패널의 라인 수와 tokens-per-second 판독값은 실제 API 호출에서 측정되며, 각 결과는 모델이 반환한 파일을 있는 그대로 렌더링한 것입니다.
무엇을 찾아야 하는지
DeepSeek V4 Pro 0813은 초당 약 115개의 토큰으로 가장 빠르게 파일을 반환했습니다. DeepSeek V4 Pro 0813은 평균 약 920줄로 가장 긴 파일을 작성했고, Kimi K3는 약 490줄로 가장 압축적이었습니다. GLM 5.3은 작업당 약 59,000개의 출력 토큰을 사용했으며, 추론 포함을 포함해 가장 많이 사용했습니다. 각 모델이 장면에 생명을 불어넣는 모션, 디테일, 그리고 스스로 계속 작동하는 방식을 지켜보세요. 우리는 승자를 선언하는 것이 아닙니다. 클립을 실행하고 자신의 사용 사례에 맞게 출력을 판단하세요.
같은 테스트를 EmpirioLabs
curl https://api.empiriolabs.ai/v1/chat/completions \ -h "권한: 베어러 $EMPIRIOLABS_API_KEY" \ -h "콘텐츠-타입: application/json" \ -d '{ "model": "kimi-k3", "reasoning_effort": "max", "messages": [{"role": "user", "content": "하나의 HTML 파일로 스스로 플레이되는 플래피 버드 게임을 만들어."}] }'스왑 모델 번호: 로 glm-5-3·, qwen3-8-max-0902 또는 deepseek-v4-pro-0813 같은 요청을 다른 것들에 대해 실행하거나, 대화형으로 시도하는 방법 뚱 베어·.
자주 묻는 질문
결과가 수정되었거나 재시도되었나요?
아니. 각 모델은 동일한 프롬프트로 작업당 한 번씩 시도할 수 있었고, 렌더링된 결과는 반환된 파일과 정확히 일치합니다.
왜 맥스 추론을 선택할까요?
공정한 1:1 경기에서 각 모델이 최고의 모습을 보여줍니다. 네 모델 모두 EmpirioLabs에서 reasoning_effort 컨트롤을 노출시켜 최고 설정으로 작동했습니다.
어떤 모델을 사용해야 할까요?
DeepSeek V4 Pro 0813은 네 대 중 출력 가격이 가장 저렴합니다. 결정하기 전에 각자의 작업을 비교해 보세요: 같은 요청이 모델 이름만 바꿀 뿐 모두 작동합니다.
