일주일 동안 헤매다 드디어 찾은 OpenClaw 최강 가성비 모델 구성 (Claude+Kimi+DeepSeek)

지난 일주일 동안 저는 멍청한 짓을 했습니다.

OpenClaw의 기본 모델을 Claude 4.5로 설정해 놓고, 오래된 Python 프로젝트를 리팩토링하게 시켰죠.

그 결과, 다음 날 아침 일어나 보니 프로젝트는 돌아가지 않았고, OpenRouter 청구서만 폭발했습니다. 그 숫자를 보고 정말 가슴이 아팠습니다.

이 일로 한 가지 문제를 깨달았습니다: 우리가 AI 에이전트를 너무 '단일적'으로 생각하고 있는 건 아닐까?

예산이 무제한인 회사에 다닌다면 당연히 처음부터 끝까지 GPT-5.3 Codex나 Claude 4.5가 모시게 할 수 있습니다. 하지만 독립 개발자에게 이건 현실적이지 않습니다.

그리고, 그럴 필요도 없습니다.

반복적인 디버깅 끝에, 저는 드디어 "황금 삼각형" 구성을 찾아냈습니다. 이 구성은 제 토큰 소모량을 90% 줄여주었고, 작업 효율은 Claude 하나만 쓸 때보다 오히려 더 높았습니다.

오해: 하나의 모델로 천하통일

많은 사람들(이전의 저를 포함해서)이 OpenClaw를 설정할 때 딱 한 줄만 씁니다: "model": "anthropic/claude-4-5-sonnet"

이건 마치 페라리로 배달을 하는 것과 같습니다.

Claude 4.5는 확실히 똑똑하고, 현재의 SOTA(최고 수준)입니다. 하지만 console.log를 짜거나 missing semicolon 같은 바보 같은 버그를 고치는 데 정말 연봉 10억짜리 아키텍트가 필요할까요?

아니요, 필요 없습니다.

에이전트의 업무는 사실 계층화되어 있습니다. 어떤 업무는 지능이 필요하고, 어떤 업무는 기억력이 필요하며, 대다수의 업무는 그저 지구력이 필요할 뿐입니다.

황금 삼각형 아키텍처 (The Golden Triangle)

저는 제 OpenClaw를 세 가지 역할로 나누었습니다.

1. 🧠 아키텍트 (The Architect): Claude 4.5

• 포지션: 비싸고, 희귀하며, 의사 결정자.
• 책임: 최상위 설계, 복잡한 논리 판단, SOP 수립.
• 호출 시기: "이 기능은 어떻게 설계해야 해?" 또는 "이 인증 로직의 보안 취약점을 검토해 줘"라고 물을 때.
• 설정 전략: planner 또는 reviewer로 설정합니다.

2. 📚 사서 (The Librarian): Kimi 2.5

• 포지션: 초대용량 메모리, 한 번 보면 잊지 않음.
• 책임: 방대한 문서 읽기, 전체 코드베이스 구조 분석, 수백 페이지의 API 매뉴얼 읽기.
• 왜 Kimi인가?: 긴 컨텍스트(Long Context) 분야에서 Kimi는 여전히 왕입니다. 파일 수십 개를 던져줘도 어떤 변수가 어떤 파일에 정의되어 있는지 정확하게 알려줍니다.
• 호출 시기: 작업을 시작할 때 먼저 src/ 디렉토리를 스캔하게 하거나, 어제의 execution.log를 요약하게 할 때.

3. 👷 인턴 (The Intern): DeepSeek R1

• 포지션: 싸고, 말 잘 듣고, 튼튼함.
• 책임: 구체적인 함수 작성, 간단한 버그 수정, JSON 데이터 생성, 테스트 스크립트 실행.
• 왜 DeepSeek인가?: 싸니까요. 극도로 쌉니다. 코딩 능력이 Claude 4.5만큼 놀랍지는 않지만, 구체적인 비즈니스 로직을 짜는 데는 차고 넘칩니다. 가장 중요한 건, 에이전트는 종종 "시행착오 루프"에 빠진다는 점입니다. 이럴 때 DeepSeek으로 10번 루프를 돌려도 마음이 아프지 않습니다.
• 호출 시기: fix_error, generate_code, run_script.

실전 설정 (Show Me The Code)

OpenClaw의 config.json에서 저는 라우터를 이렇게 설정했습니다:

{
  "router": {
    "defaults": {
      "model": "deepseek/deepseek-r1"
    },
    "overrides": [
      {
        "taskType": ["planning", "reasoning", "security_audit"],
        "model": "anthropic/claude-4-5-sonnet"
      },
      {
        "taskType": ["context_reading", "summary", "search"],
        "model": "moonshot/kimi-2.5-128k"
      },
      {
        "taskType": ["coding", "debugging", "scripting"],
        "model": "deepseek/deepseek-r1"
      }
    ]
  }
}

(참고: 위 코드는 의사 코드이며, 구체적인 설정은 사용 중인 OpenClaw 버전과 플러그인 지원 여부에 따라 다릅니다)

효과는?

이 구성으로 바꾼 뒤로:

1. 비용 절감: 일일 개발 비용이 $10에서 약 $1로 줄었습니다. DeepSeek이 토큰 소모의 80%를 담당했지만, 비용의 10%밖에 차지하지 않았습니다.
2. 혼란 없음: 예전엔 컨텍스트가 너무 길어서 Claude도 어지러워했습니다. 이제 "독해" 업무를 Kimi에게 맡기고 요약본을 다른 모델에게 넘기니 컨텍스트가 매우 깔끔합니다.
3. 과감한 시행착오: 예전엔 에러가 뜨면 돈 나갈까 봐 에이전트에게 자동 수정을 맡기기 겁났습니다. 이제는 DeepSeek에게 바로 던집니다. "가서 고쳐, 못 고치면 돌아오지 마." 심리적 부담이 전혀 없습니다.

요약

"최강 모델"을 맹신하지 마세요. 에이전트의 세계에 최강은 없고, 최적만 있을 뿐입니다.

• Claude는 당신의 CTO입니다.
• Kimi는 당신의 자료실입니다.
• DeepSeek은 지치지 않고 사무실 침낭에서 밤을 새우는 슈퍼 인턴입니다.

이들을 조합해야 비로소 진정한 팀을 갖게 됩니다.

P.S. 이 세 모델의 API 상태와 DeepSeek V4 출시 진척도를 모니터링하는 스크립트를 특별히 짰습니다. 관심 있는 분들은 여기를 보세요: DeepSeekV4.app