딥시크 R2 스펙 유출 루머: 1.2조 파라미터와 화웨이 칩 활용설

DeepSeek R1이 실리콘밸리에 던졌던 충격이 아직 가시지 않은 가운데, 후속작인 R2에 대한 소문이 온라인을 뜨겁게 달구고 있습니다.

지난 4월 26일, 벤처 투자자 Deedy는 소셜 플랫폼 X를 통해 중국 내 매체와 커뮤니티에서 유출된 것으로 알려진 DeepSeek R2의 세부 스펙을 공유했습니다. 비록 DeepSeek 공식 발표는 아니지만, 공개된 수치들의 파급력이 워낙 커 글로벌 AI 업계의 이목이 집중되고 있습니다.

1.2조 개 매개변수와 GPT-4o 대비 97% 저렴한 비용

유출된 내용에 따르면 DeepSeek R2는 개선된 하이브리드 MoE(전문가 혼합) 아키텍처를 채택했습니다. 전체 매개변수는 R1의 두 배인 1조 2천억 개에 달하며, 실제 연산에 참여하는 활성 매개변수는 780억 개 수준입니다.

성능 면에서는 C-Eval 2.0에서 89.7%, 이미지 벤치마크인 COCO에서 92.4%를 기록해 GPT-4 Turbo나 구글의 Gemini 2.0 Pro와 대등하게 경쟁할 수 있는 수준으로 알려졌습니다.

하지만 가장 위협적인 대목은 가격입니다. 토큰당 비용이 GPT-4o보다 무려 97.3% 저렴하다는 주장이 나왔습니다. 구체적으로는 입력 토큰 100만 개당 0.07달러, 출력 토큰 100만 개당 0.27달러에 불과합니다.

화웨이 어센드 칩 클러스터와 82%의 활용률

하드웨어 관련 세부 정보 역시 큰 파장을 일으키고 있습니다. R2 모델은 5.2PB의 데이터를 학습에 활용했으며, 대부분의 훈련을 화웨이의 어센드 910B 칩 클러스터에서 진행한 것으로 전해졌습니다.

해당 클러스터는 FP16 정밀도에서 512 PetaFLOPS의 연산력을 냈으며, 칩 활용률은 무려 82%에 달했다고 합니다.

이 주장이 사실이라면 DeepSeek은 미국 엔비디아 공급망 의존도를 대폭 낮추고 중국산 하드웨어와 자체 엔지니어링을 수직 통합하는 데 성공했다는 뜻이 됩니다.

왜 중요한가

공식 발표 전까지는 이번 정보들을 어디까지나 루머로 받아들여야 합니다. 그러나 이 중 일부만 사실로 드러나더라도 AI 시장의 판도는 다시 한번 요동칠 수밖에 없습니다.

개발자와 기업 입장에서는 비용 혁신이 가장 직접적인 혜택입니다. 100만 토큰당 몇 센트에 불과한 가격이라면 대규모 자율 에이전트 구축이나 방대한 문서 처리 파이프라인의 경제성이 완전히 달라집니다. 정식 출시가 이뤄진다면 기업들이 도입을 망설일 이유는 거의 없어 보입니다.

업계 전반에 미칠 영향 면에서 우리는 화웨이 하드웨어 활용률 수치에 주목합니다. 엔비디아의 CUDA 생태계 없이도 1조 개 이상의 매개변수를 지닌 대형 모델을 높은 효율로 학습시켰다면, 미국의 칩 수출 통제 효과에 근본적인 물음표가 붙게 됩니다. 이는 고가의 인프라 비용을 정당화하며 높은 API 가격을 유지해 온 서구권 AI 기업들을 강하게 압박할 것으로 보입니다.