DeepSeek·Qwen·Kimi 주식 분석 비교
DeepSeek, Qwen, Kimi, GLM, MiniMax가 같은 데이터로 11개 종목을 분석했습니다. 강세·약세 판단, 확신도, 소수 의견의 차이와 집계 방법.

지금까지의 데이터로는 주식 분석에 '가장 좋은' AI 모델을 가릴 수 없지만, 행동의 차이는 뚜렷합니다. 같은 팩트 시트를 읽혔을 때 DeepSeek V4 Pro가 가장 단호했고, Qwen 3.8 Max가 가장 신중했으며, Kimi K3가 다수 의견에서 가장 자주 벗어났습니다. DeepSeek vs Qwen vs Kimi 비교란 각 대규모 언어 모델(LLM)이 똑같은 시장 데이터를 어떤 의견, 확신도, 매매 계획으로 바꾸는지 살펴보는 테스트입니다. 2026년 11월 17~19일 데이터로 실행한 PickSkill AI 패널 11회에서 DeepSeek의 평균 확신도는 5점 만점에 3.36이었고 강세 판단은 한 번도 없었습니다. Qwen의 평균은 2.60이었고 3을 넘은 적이 없습니다.
이것은 행동 비교이지 정확도 순위가 아닙니다. 분석한 지 며칠밖에 지나지 않아 채점할 결과가 아직 없고, 11회(모델 의견 53건)는 작은 표본입니다. 이 데이터가 보여 줄 수 있는 것은 다른 조건이 모두 같을 때 모델들이 어떻게 다른가입니다.
핵심 요약
- 같은 입력, 다른 성향. 매 실행에서 다섯 모델은 같은 팩트 시트를 읽습니다. DeepSeek V4 Pro는 11회 중 7회 약세, 강세 0회였고, MiniMax M2.5는 6회 중립을 유지했습니다.
- 확신도 차이는 작지만 분명합니다. DeepSeek는 11건 중 5건에서 확신도 4를 줬고, Qwen은 매번 2 또는 3이었습니다. 1이나 5를 쓴 모델은 없었습니다.
- 소수 의견이 가장 잦은 모델은 Kimi K3. 유일한 반대 의견을 두 번 냈고, 600674.SS에 강세를 낸 유일한 모델이었습니다. DeepSeek도 단독 반대 의견이 두 번 있었습니다.
- 안정성과 속도도 다릅니다. Qwen은 한 번 응답하지 못했고(170초 시간 초과), 응답 시간 중앙값도 107초로 가장 느렸습니다. MiniMax의 중앙값은 10초였습니다.
- 같은 종목을 두 번 돌리면 판단이 바뀝니다. NVDA는 동일한 데이터로 두 번 실행됐고, 두 번 모두 응답한 네 모델 중 세 모델이 입장을 바꿨습니다.
- 정확도 순위가 아닙니다. n = 11회, 결과는 아직 없습니다. '어느 모델이 맞았나'가 아니라 '각 모델이 어떻게 행동하나'로 읽어 주세요.
정확히 무엇을 비교했나요?
비교 대상은 PickSkill AI 패널에 참여하는 다섯 LLM, 즉 DeepSeek V4 Pro, Qwen 3.8 Max, Kimi K3, GLM-5.3, MiniMax M2.5입니다. 매 실행마다 모든 모델은 한 종목에 대한 같은 JSON 팩트 시트를 받습니다. 여기에는 최근 주가 흐름, 8가지 기술적 지표(MACD, 이동평균선, RSI, KDJ, 볼린저 밴드, ADX, 거래량, 자금 흐름)와 각각의 5일 신호 추이, 밸류에이션 지표, 최신 실적이 들어 있습니다. 각 모델은 입장(강세·약세·중립), 15의 확신도, 기간, 근거, 리스크, 롱 온리 전략을 내놓습니다. 이어서 DeepSeek V4 Pro가 심판을 맡아 모든 의견을 읽고 결론(강세·약세·중립·의견 엇갈림)을 냅니다. 표본은 2026년 11월 1719일에 저장된 모든 실행으로, NVDA 2회, TSLA, AAPL, MSFT, GOOGL, AMZN, META, 그리고 중국 A주 3종목(600674.SS, 002384.SZ, 300750.SZ)입니다. 의견은 원래 55건이어야 했지만 실제로 도착한 것은 53건입니다.

왜 같은 입력이어야 공정한 비교가 되나요?
출력의 차이를 모델 자체의 차이로 돌리려면 입력이 완전히 같아야 합니다. DeepSeek, Qwen, Kimi에게 각자의 채팅 앱에서 같은 종목을 물으면 웹 검색 방식도, 참고하는 주가의 날짜도, 시스템 프롬프트도, 읽는 뉴스도 다릅니다. 그러면 의견이 갈려도 추론의 차이인지 데이터의 차이인지 알 수 없습니다. AI 패널에서는 같은 실행의 모든 모델이 같은 팩트 시트, 같은 지시("제공된 데이터만 쓰고 숫자를 지어내지 말 것"), 같은 출력 형식을 받고, 다섯 모델이 동시에 병렬로 호출됩니다. 그 뒤에 나타나는 입장, 확신도, 가격대의 차이는 모델에서 비롯된 것입니다. 공정하지만 범위는 좁습니다. 구조화된 데이터에 대한 추론을 보는 것이지, 뉴스 해석이나 밸류에이션 분석을 보는 것은 아닙니다.
DeepSeek, Qwen, Kimi는 어떻게 달랐나요?
DeepSeek V4 Pro는 가장 단호하고 가장 약세 쪽이었으며, Qwen 3.8 Max는 가장 절제됐고, Kimi K3는 가장 독립적이었습니다. DeepSeek는 한 번도 강세를 내지 않았고 11건이 약세 7, 중립 4로 나뉘었으며, 평균 확신도 3.36은 다섯 모델 중 가장 높았습니다. Qwen은 확신도 2를 4번, 3을 6번 줬고 그 이상은 없어 평균 2.60으로 가장 낮았습니다. Kimi는 강세 판단이 가장 많았고(2회) 11회 중 9회 확신도 3이었으며, 유일한 반대 의견을 두 번 냈습니다. 영어판 NVDA와 300750.SZ에서 나머지 네 모델이 약세일 때 Kimi만 중립이었습니다.
| 모델 | 응답 | 강세 / 중립 / 약세 | 평균 확신도 | 심판과 일치* | 단독 반대 | 응답 중앙값 |
|---|---|---|---|---|---|---|
| DeepSeek V4 Pro | 11 / 11 | 0 / 4 / 7 | 3.36 | 6 / 8 | 2 | 56초 |
| Qwen 3.8 Max | 10 / 11 | 1 / 4 / 5 | 2.60 | 7 / 8 | 0 | 107초 |
| Kimi K3 | 11 / 11 | 2 / 5 / 4 | 3.00 | 6 / 8 | 2 | 50초 |
| GLM-5.3 | 10 / 11 | 1 / 3 / 6 | 2.90 | 8 / 8 | 1 | 58초 |
| MiniMax M2.5 | 11 / 11 | 1 / 6 / 4 | 2.91 | 7 / 8 | 0 | 10초 |
*심판이 방향을 제시한 8회만 집계했고, 나머지 3회는 '의견 엇갈림'이었습니다. 데이터: PickSkill AI 패널, 2026년 11월 17~19일 데이터 기준 실행.

눈에 띄는 점이 두 가지 있습니다. 첫째, 패널 전체가 약세 쪽으로 기울었습니다(약세 26, 중립 22, 강세 5). 이는 주로 입력을 반영합니다. 많은 종목이 하락 중이었고, NVDA는 11월 17일 종가 기준 5일간 7.95% 내려 155.46이었습니다. 둘째, 기간 항목은 아무것도 알려 주지 못했습니다. 프롬프트가 1~4주 전망을 요구하기 때문에 53건 모두 '수 주'를 골랐습니다. 한 번의 실행을 자세히 보려면 다섯 AI 모델의 NVDA 분석을 참고하세요.
다른 모델과 가장 자주 의견이 갈린 모델은?
나머지가 모두 같은 의견일 때 홀로 다른 의견을 낸 횟수는 Kimi K3와 DeepSeek V4 Pro가 각 2회, GLM-5.3이 1회, Qwen 3.8 Max와 MiniMax M2.5는 0회였습니다. '단독 반대'는 다른 모델들의 입장이 모두 같고 해당 모델만 다를 때에만 셉니다. DeepSeek의 두 번은 방향이 반대였습니다. MSFT에서는 나머지 넷이 중립일 때 약세, AMZN에서는 나머지 넷이 강세일 때 중립이었습니다. GLM의 한 번은 TSLA에서 나머지 넷이 중립일 때 약세였습니다. 가장 의견이 갈린 실행은 600674.SS(쓰촨촨터우에너지)로, Kimi는 강세, DeepSeek는 약세, GLM과 MiniMax는 중립이었고 심판은 '의견 엇갈림'으로 판정했습니다. 11회 중 만장일치는 3회뿐으로, AAPL(모두 중립), GOOGL과 META(모두 약세)입니다.
반대 의견이 곧 오류는 아닙니다. 다수가 놓친 리스크를 짚는 경우가 많습니다. 예를 들어 Kimi의 NVDA 중립 판단은 과매도 수치(RSI 약 22)에 근거했고, 다른 모델들은 하락 추세와 자금 흐름을 더 중시했습니다.
심판이 DeepSeek 편을 드는 건 아닐까요?
그럴 수 있으며, '심판과 일치' 열을 볼 때 염두에 두어야 합니다. 심판은 DeepSeek V4 Pro로, 패널리스트 중 하나와 같은 모델입니다. 'LLM을 심판으로 쓰는' 연구에서는 모델이 자신과 비슷한 답을 선호하는 '자기 강화(self-enhancement) 편향'이 보고됐습니다(Zheng 외, 2023). 하지만 이번 11회에서는 그런 효과가 보이지 않습니다. DeepSeek 자신의 입장이 결론과 일치한 것은 8회 중 6회로 공동 최하위였고, GLM-5.3은 8회 중 8회였습니다. MSFT에서 심판은 DeepSeek의 약세 대신 네 모델의 중립 편에, AMZN에서는 DeepSeek의 중립 대신 네 모델의 강세 편에 섰습니다. 심판은 투표 집계도 보기 때문에 '심판과 일치'는 어느 정도 다수 의견과의 일치를 뜻하기도 합니다.
같은 모델에게 두 번 물으면 같은 답이 나오나요?
반드시 그렇지는 않습니다. NVDA는 같은 팩트 시트(11월 17일 종가 155.46)로 두 번 실행됐고, 한 번은 중국어, 한 번은 영어로 출력됐습니다. 두 번 모두 응답한 네 모델 중 세 모델이 입장을 바꿨습니다. DeepSeek는 중립(3)에서 약세(4)로, Kimi는 약세(3)에서 중립(3)으로, MiniMax는 중립(2)에서 약세(3)로 바뀌었습니다. Qwen만 두 번 모두 확신도 3의 약세였습니다. 심판의 결론도 '의견 엇갈림'에서 '약세'로 바뀌었습니다. 한 쌍뿐이라 출력 언어 때문인지 통상적인 샘플링의 무작위성 때문인지는 구분할 수 없습니다. 어느 쪽이든 한 모델의 한 번 답변은 하나의 표본이지 측정값이 아닙니다.
AI 모델의 주식 분석을 직접 비교하려면?
입력이 완전히 같다면 어떤 모델 출력으로도 이 비교를 재현할 수 있습니다. 저희가 쓴 방법은 다음과 같습니다.
- 입력을 고정합니다. 모든 모델에 날짜가 명시된 같은 데이터(종목당 팩트 시트 1장), 같은 지시, 같은 출력 형식을 줍니다.
- 구조화된 출력을 모읍니다. 입장, 1~5 확신도, 기간을 필드로 요구해 글을 해석하지 않고도 셀 수 있게 합니다.
- 실패를 기록합니다. 어떤 모델이 왜 응답하지 않았는지 남깁니다(이번에는 시간 초과 1회, 누락 1회). 누락도 하나의 행동입니다.
- 채점하지 말고 세십시오. 모델별로 입장, 평균 확신도, 최종 결론과의 일치 수, 단독 반대 횟수를 집계합니다.
- 결과가 나오기 전에는 순위를 매기지 않습니다. 정확도를 평가하려면 기간이 끝난 뒤의 주가가 필요하고, 가능하면 많은 실행과 다양한 시장 국면을 포함해야 합니다.
내보낸 실행 데이터에 돌린 스크립트의 핵심 부분입니다.
for run in runs:
views, verdict = run["result"]["views"], run["result"]["summary"]["verdict"]
for m in MODELS:
if m not in views:
missing[m].append(run["ticker"]); continue
v = views[m]
stance[m][v["stance"]] += 1; conviction[m].append(v["conviction"])
if verdict != "split":
judged[m] += 1; agree[m] += v["stance"] == verdict
others = {views[o]["stance"] for o in views if o != m}
if len(views) >= 3 and len(others) == 1 and v["stance"] not in others:
lone[m] += 1
그래서 주식 분석에 가장 좋은 AI 모델은?
11회 실행을 근거로 한 솔직한 답은 '모델에게 무엇을 원하느냐에 달렸고, 정확도는 아직 모른다'입니다. 가격대가 분명한 단호한 판단을 원한다면 가장 강하게 베팅한 모델은 DeepSeek V4 Pro였습니다. 신중한 두 번째 의견을 원한다면 Qwen 3.8 Max는 확신도 3을 거의 넘지 않았지만, 가장 느렸고 한 번 시간 초과가 났습니다. 합의에 이의를 제기할 가능성이 가장 큰 것은 Kimi K3입니다. GLM-5.3은 최종 결론과 가장 가까웠고, MiniMax M2.5는 단연 가장 빨랐습니다. 모델 간 차이 자체가 유용한 신호이며, 그래서 PickSkill AI 패널은 다섯 의견을 나란히 보여 주고 심판이 정리한 합의점과 이견을 함께 제공합니다. 더 넓은 리서치 흐름에서 어떻게 활용하는지는 2026년 AI 주식 리서치를 참고하세요.
충분한 실행이 기간을 마쳐 주가로 채점할 수 있게 되면 다시 비교하겠습니다. 이 글은 연구·교육 목적이며 투자 조언이 아닙니다.
FAQ
주식 분석에는 DeepSeek와 Qwen 중 어느 쪽이 더 나은가요? 2026년 11월 17~19일 데이터 기준 11회 실행에서 DeepSeek V4 Pro는 Qwen 3.8 Max보다 더 단호했고(평균 확신도 3.36 대 2.60) 더 약세 쪽이었습니다. 하지만 어느 쪽이 더 정확했는지 판단할 결과는 아직 없습니다. '더 낫다'는 단호한 의견과 신중한 의견 중 무엇을 원하는지, 그리고 몇 주가 걸리는 정확도 데이터에 달려 있습니다.
주식 분석을 가장 잘하는 LLM은 무엇인가요? 저희 데이터에서는 아직 꾸준히 가장 뛰어나다고 입증된 LLM이 없습니다. 입력이 같을 때 다섯 모델의 차이는 주로 확신도, 반대 의견의 빈도, 안정성, 속도에서 나타났습니다. 한 모델의 답을 믿기보다 같은 팩트 시트로 여러 모델을 비교하고 어디서 의견이 모이는지 보는 편이 더 유익합니다.
같은 AI 모델이 같은 종목에 다른 답을 내는 이유는 무엇인가요? 언어 모델은 출력을 샘플링으로 생성하기 때문에 같은 입력이라도 다시 실행하면 다른 입장이 나올 수 있습니다. 저희 데이터에서 NVDA를 같은 수치로 두 번 분석했더니 네 모델 중 세 모델이 입장을 바꿨습니다. AI의 답변 하나하나를 표본으로 보고, 여러 모델이나 여러 실행 사이에 일치하는지 확인하세요.
PickSkill AI 패널의 최종 결론은 어떻게 정해지나요? DeepSeek V4 Pro가 심판을 맡습니다. 다섯 애널리스트의 의견과 확신도로 가중한 투표를 읽고 결론(강세·약세·중립·의견 엇갈림), 주요 합의점과 이견, 롱 온리 전략, 다음에 지켜볼 점을 정리합니다. 무료 계정은 매달 AI 패널을 1회 실행할 수 있고, 그날 이미 누군가 분석한 종목은 무료로 열람할 수 있습니다.
이 통계의 바탕이 된 전체 분석을 볼 수 있나요? 네. NVDA 실행은 '다섯 AI 모델의 NVDA 분석' 글에서 자세히 다룹니다. 로그인하면 AI 패널 페이지에서 미국, 홍콩, 중국 A주, 일본, 한국 종목을 직접 분석하고 각 모델의 근거, 리스크, 가격대를 확인할 수 있습니다.