딥시크, 'V4.1-플래시' 출시...메모리 요구량 대폭 절감

AI 모델 시장의 단가 인하 경쟁에 다시 불이 붙었습니다.

DeepSeek는 9월 10일 새로운 아키텍처를 적용한 모델 DeepSeek-V4.1-Flash를 공개했습니다. API 서비스뿐만 아니라 허깅페이스를 통해 MIT 라이선스 기반의 가중치와 기술 보고서도 함께 배포했습니다.

주목할 점은 기존 플래그십이었던 V4-Pro의 퇴장입니다. DeepSeek는 9월 14일부터 V4-Pro로 들어오는 모든 요청을 V4.1-Flash로 자동 전환하고 요금도 Flash 요율로 청구하기로 했습니다.

입출력 파라미터 비대칭과 KV 캐시 다이어트

V4.1-Flash는 총 552B 매개변수의 혼합 전문가(MoE) 구조를 기반으로 합니다. 눈에 띄는 기술적 변화는 새로운 인과적 인코더-디코더 아키텍처를 도입했다는 점입니다.

입력 처리 시점에는 8B 파라미터만 활성화하고, 출력 생성 시점에는 16B 파라미터를 활성화하는 비대칭 방식을 취했습니다. 연산 부하가 큰 입력 단계를 대폭 가볍게 만든 셈입니다.

메모리 점유율도 획기적으로 낮췄습니다. 이전 세대와 비교해 KV 캐시가 차지하는 고대역폭 메모리(HBM)는 4분의 1로, SSD 저장 공간은 8분의 1 수준으로 줄었습니다.

에이전트 워크플로 비용의 상당 부분을 차지하는 캐시 비용을 직접 줄인 덕분에, 비혼잡 시간대 기준 100만 토큰당 입력 0.15달러, 출력 0.60달러라는 파격적인 요금을 책정할 수 있게 되었습니다.

코딩 영역 강세와 종합 역량의 한계

성능 검증 지표에서는 실용 영역에 집중한 모습이 뚜렷합니다.

최대 추론 강도 기준으로 코딩 벤치마크인 DeepSWE v1.1에서 74.2점을 기록해 Claude Opus 5의 74.0점과 GPT-5.6 Sol의 73.0점을 근소하게 앞섰습니다. AutomationBench와 CyberGym에서도 경쟁 모델 대비 우위를 보였습니다.

하지만 전 영역에서 앞서는 것은 아닙니다. Terminal-Bench 4.0에서는 여전히 미국 주요 모델들에 뒤처졌으며, GPQA Diamond 점수는 90.9점으로 기존 V4-Pro의 92.4점보다 낮았습니다. Artificial Analysis 종합 지수에서도 40점에 머물러 53점을 기록한 선두권 모델들과 격차가 존재합니다.

한편 앤트로픽은 9월 보고서를 통해 DeepSeek가 자사 Opus의 추론 데이터를 우회 추출해 증류 학습에 썼다고 주장했으나, 이번 모델 개발에 직접 사용되었는지는 확인되지 않았습니다.

왜 중요한가

DeepSeek의 이번 행보는 절대적인 종합 지능 1위를 노리기보다 실무 영역에서의 가성비를 극한까지 끌어올린 전략으로 풀이됩니다.

개발자와 기업 입장에서는 코드 보조 도구나 대량의 데이터 자동화 파이프라인에 즉시 투입을 검토할 만합니다. 비혼잡 시간대 예약 실행과 극단적으로 줄어든 캐시 비용을 활용하면 운영비를 눈에 띄게 절감할 수 있기 때문입니다. 다만 실패가 용납되지 않는 복잡한 추론 작업에서는 재시도로 인한 추가 토큰 소비가 발생해 비용 이점이 줄어들 수 있습니다.

업계 전반에는 거센 가격 압박 요인으로 작용할 전망입니다. 앞서 OpenRouter 플랫폼 통계에서 중국계 오픈 모델들이 주간 사용량의 최대 30%를 차지했던 것처럼, 최상위 모델 대비 몇 분의 일 가격에 실무 코딩 성능을 맞춘 모델의 등장은 서구권 빅테크들에게 가격 인하나 압도적인 성능 격차 입증을 강요하게 만들 것으로 보입니다.