Llama vs Kimi

Llama（3.8）：코딩 능력이 양호하며, Llama 4 Maverick은 GPT-4o 수준에 근접했습니다. 다만 직접 배포가 필요합니다.

Kimi（4.3）：K2의 코딩 능력이 크게 향상되었으며, Python과 JavaScript의 일반적인 작업에서 양호한 성능을 보입니다. 다만 복잡한 프로젝트 수준의 코드 이해에는 아직 부족합니다.

Llama（3.5）：중국어 성능은 약점이며, 학습 코퍼스가 영어 위주이기 때문입니다. 중국어 시나리오가 필요하면 파인튜닝을 권장합니다.

Kimi（4.6）：중국어 이해와 생성이 Kimi의 핵심 경쟁력입니다. 출력되는 중국어가 매우 자연스럽고 유창하며, "AI 냄새"가 나지 않습니다.

Llama（3.5）：영문 글쓰기 능력은 양호하고, 중국어 글쓰기는 약한 편입니다. 파인튜닝을 통해 개선할 수 있습니다.

Kimi（4.4）：중국어 글쓰기 능력이 뛰어나며, 특히 소셜 미디어 카피, 마케팅 문구 등에서 탁월한 성능을 보입니다.

Llama（3.8）：추론 능력이 중상위 수준으로, 오픈소스 모델 중 가장 우수합니다. 다만 클로즈드소스 최상위 모델과는 여전히 격차가 있습니다.

Kimi（4.2）：추론 능력은 중상위 수준으로, 일반적인 복잡도의 논리 문제를 처리할 수 있습니다.

Llama（4.5）：배포 구성에 따라 달라집니다. 자체 추론 서비스를 구축하면 극히 낮은 지연 시간을 달성할 수 있습니다.

Kimi（4.0）：응답 속도는 보통이며, 중국 모델 중 일반적인 수준입니다.

Llama（5.0）：모델은 완전 무료이지만, 자체 인프라 구축이 필요합니다. 대량 호출 시나리오에서 TCO가 가장 낮습니다.

Kimi（3.8）：가격은 중간 수준으로, 특별히 저렴하지도 비싸지도 않습니다. K1.5가 더 합리적인 가격입니다.

Llama（4.0）：자체 배포 수준에 따라 달라집니다. 전문적인 운영 하에 매우 높은 가용성을 달성할 수 있습니다.

Kimi（3.8）：안정성은 보통이며, 간헐적으로 변동이 있습니다. 스타트업 제품으로서 인프라가 대기업만큼 견고하지 않습니다.

Llama（3.5）：환각률은 중간 수준이며, 동일 파라미터 규모의 클로즈드소스 모델과 동등합니다.

Kimi（3.8）：환각률은 중간 수준이며, 중국어 지식 영역에서 비교적 신뢰할 수 있습니다.

Llama（3.0）：자체 배포가 필요하여 기술 진입 장벽이 가장 높습니다. 다만 vLLM, llama.cpp 등의 도구가 난이도를 낮추고 있습니다.

Kimi（4.5）：대화 경험이 매우 뛰어나며, 모호한 사용자 의도를 잘 이해합니다. API 기능은 상대적으로 간결합니다.