딥시크가 9월 10일, 새 모델 V4.1 플래시를 공개했습니다. 총 파라미터는 5520억 개지만 실제로 계산에 쓰이는 건 입력 처리에 80억, 출력 생성에 160억뿐인 MoE(전문가 혼합) 구조인데, 이걸로 몇몇 어려운 에이전트형 벤치마크에서 GPT-5.6 솔과 클로드 오퍼스5를 앞질렀다고 발표했습니다. DeepSWE v1.1(74.2 vs 솔의 73.0), AutomationBench(54.8 vs 45.8), Agent's Last Exam(31.8 vs 26.7), CyberGym(88.1 vs 84.5) 같은 지표들입니다. 가격은 입력 기준 100만 토큰당 0.30달러 수준이고, MIT 라이선스로 가중치를 공개했습니다.
왜 신경 써야 하나
지금까지 "오픈웨이트 모델이 코딩에서 프론티어 모델을 따라잡고 있다"는 얘기는 많았지만, 대부분 종합 지식 벤치마크나 일반 대화 성능 얘기였습니다. 이번엔 다릅니다. 에이전트가 터미널을 굴리고, 여러 스텝을 스스로 판단해 처리하는 '에이전틱 코딩' 영역을 정조준했고, 그것도 활성 파라미터를 극단적으로 줄인 모델로 해냈다는 게 포인트입니다. 게다가 MIT 라이선스라 자체 서버에 올려서 돌릴 수도 있습니다. 최근 몇 달 클로드 페이블, GPT-6 아스트라, 제미나이 3.8 플래시가 벌이던 '가격 대비 코딩 성능' 경쟁에 오픈소스 진영이 제대로 끼어든 셈입니다.
토큰당 KV 캐시 용량도 이전 V4 플래시의 4분의 1 수준(890바이트)으로 줄었다고 하는데, 이건 서비스하는 입장에서 서버 비용이 그만큼 싸진다는 뜻이라 API 가격 인하로 이어질 여지가 큽니다.
지금 뭐가 달라지나
바이브코더 입장에서 실익은 명확합니다. 에이전트 워크플로우(OpenHands류 자율 코딩 에이전트, 각종 CLI 에이전트)를 돌릴 때 모델 비용이 병목이었다면, 이번 모델로 그 비용을 크게 줄일 수 있는 선택지가 생겼습니다. 1M 토큰 컨텍스트에 이미지 입력도 지원해서 큰 코드베이스나 스크린샷을 곁들인 작업도 가능합니다.
다만 한계도 분명합니다. 지식 집약적인 벤치마크(HLE)나 일부 터미널·코딩 지표에서는 여전히 서구 플래그십 모델이 앞서고, 위 벤치마크 수치는 딥시크 자체 발표라 제3자 검증은 아직입니다. 또 하나 실무 팁: 딥시크는 9월 14일부터 기존 V4-프로 API 트래픽을 전부 이 V4.1 플래시로 자동 라우팅한다고 밝혔는데, 코드에 `deepseek-v4-pro`를 하드코딩해두고 프로 모델 특유의 추론 품질에 의존하고 있었다면 에러 없이 조용히 답변 품질이 떨어질 수 있으니 미리 확인해두는 게 좋습니다.
댓글 0
첫 댓글을 남겨보세요!