클로드 코드 똑똑함 그대로, 비용은 17분의 1…개발자 마음 훔칠 ‘딥클로드’ 등장

딥클로드의 핵심은 클로드 코드의 작업 경험을 유지하면서 모델 선택지를 넓혔다는 점이다. [사진: 깃허브]

[디지털투데이 홍진주 기자] 클로드 코드(Claude Code)의 자율 코딩 에이전트 경험은 유지하면서 모델 사용 비용을 크게 낮출 수 있는 오픈소스 도구 '딥클로드'(deepclaude)가 등장했다. 개발자는 기존 인터페이스와 작업 흐름을 그대로 사용하면서도 내부 모델만 딥시크 V4 프로(DeepSeek V4 Pro)나 오픈라우터(OpenRouter) 등으로 교체해 비용 부담을 줄일 수 있게 됐다.

11일(현지시간) 온라인 매체 기가진에 따르면, 딥클로드는 클로드 코드의 자율 에이전트 루프와 명령줄 인터페이스(CLI) 사용성을 유지한 채, 모델 호출 대상만 앤트로픽 외 다른 백엔드로 전환할 수 있도록 설계된 도구다. 깃허브 저장소 소개 문구 역시 "같은 UX, 17배 더 저렴하다(Same UX, 17x cheaper)"는 점을 핵심 특징으로 내세우고 있다.

클로드 코드는 파일 읽기와 편집, Bash 실행, Git 작업, 여러 단계에 걸친 자율 작업 루프 등을 지원하는 코딩 에이전트다. 개발자가 자연어로 작업을 지시하면 코드를 수정하고 명령어를 실행하며 작업 흐름을 이어가는 방식이다. 다만 이를 적극 활용하려면 월 200달러 수준의 앤트로픽 요금제가 사실상 필요하다는 점이 비용 부담으로 지적돼왔다.

딥클로드는 이런 구조에서 모델 API 호출만 다른 백엔드로 우회한다. 딥시크 V4 프로를 비롯해 오픈라우터(OpenRouter), 파이어웍스 AI(Fireworks AI), 앤트로픽 호환 API 등을 연결할 수 있으며, 개발자는 기존 클로드 코드의 조작 경험을 거의 그대로 유지한 채 더 저렴한 모델을 사용할 수 있다.

지원 기능도 단순 채팅 수준을 넘어선다. 파일 읽기·쓰기·편집, Bash·파워셸(PowerShell) 실행, Glob·Grep 검색, 다단계 자율 루프, 서브 에이전트 실행, Git 작업, 프로젝트 초기화 등 클로드 코드의 핵심 개발 작업 흐름 대부분을 그대로 활용할 수 있다. 단순히 챗봇 모델을 바꾸는 것이 아니라, 개발용 에이전트 루프 자체를 저비용 모델 위에서 구동하는 데 초점이 맞춰진 셈이다.

다만 완전한 대체재는 아니다. 딥시크의 앤트로픽 호환 엔드포인트는 이미지 입력을 지원하지 않으며, MCP 서버 도구 역시 호환 계층에서는 동작하지 않는다. 프롬프트 캐시도 앤트로픽의 'cache_control' 방식 대신 딥시크의 자동 캐싱 구조를 사용한다. 기능 호환 범위는 넓지만 원본 환경과 완전히 동일하지는 않다는 의미다.

성능 차이 역시 작업 성격에 따라 갈린다. 딥클로드 설명에 따르면 일상적인 개발 작업의 약 80%에서는 딥시크 V4 프로가 클로드 오퍼스(Opus)에 가까운 수준을 보이지만, 복잡한 추론이 필요한 일부 작업에서는 여전히 클로드 오퍼스가 우위를 가진다고 평가된다. 이에 따라 일반 작업은 딥시크 계열 모델로 처리하고, 어려운 문제만 다시 앤트로픽 모델로 전환하는 방식이 현실적인 활용 시나리오로 제시된다.

실제로 딥클로드는 세션 중 백엔드를 실시간 전환하는 기능도 제공한다. 로컬 프록시 서버가 '로컬호스트3200'(localhost:3200)에서 동작하며, 클로드 코드의 모델 호출을 현재 선택된 백엔드로 전달하는 구조다. 덕분에 재시작 없이 딥시크와 오픈라우터, 앤트로픽 등을 오가며 사용할 수 있다.

비용 차이는 상당하다. 딥시크 V4 프로 요금은 입력 100만 토큰당 0.44달러, 출력 100만 토큰당 0.87달러 수준이다. 반면 앤트로픽의 클로드 오퍼스 4.7은 입력 100만 토큰당 5달러, 출력 100만 토큰당 25달러다. 딥시크 가격은 현재 할인 프로모션이 반영된 수치지만, 할인 종료 이후에도 상대적으로 낮은 비용 구조를 유지할 것으로 소개됐다.

업계에서는 딥클로드가 코딩 에이전트 시장의 새로운 흐름을 보여준다는 평가도 나온다. 기존에는 특정 AI 서비스와 개발 도구가 강하게 결합돼 있었다면, 앞으로는 동일한 작업 환경 위에서 모델만 상황에 맞게 교체하는 방식이 확산할 가능성이 있다는 것이다. 비용과 성능을 작업별로 유연하게 조정하려는 개발자 수요가 커지는 가운데, 딥클로드는 이런 흐름을 상징적으로 보여주는 사례로 주목받고 있다.