딥시크, R1 추론 AI 모델 소폭 업데이트 공개…허깅페이스에 가중치 배포

DeepSeek-R1-0528은 딥시크의 주력 추론 모델인 R1의 최신 마이너 업데이트 버전입니다. 수학, 프로그래밍, 일반 논리 추론 성능을 한층 강화하여 O3 및 Gemini 2.5 Pro 같은 최고 수준의 상용 모델에 근접하는 성능을 보여줍니다.

무엇을 할 수 있나

이번 업데이트의 핵심은 사후 학습 단계에 있습니다. 딥시크는 사후 학습에 투입되는 컴퓨팅 자원을 늘리고 알고리즘 최적화 메커니즘을 도입하여 모델의 추론 깊이를 대폭 끌어올렸습니다.

가장 두드러진 변화는 고난도 수학 테스트에서 나타납니다. AIME 2025 벤치마크에서 기존 버전의 70%였던 정확도가 87.5%로 크게 향상되었습니다. 이를 달성하기 위해 문제당 소모하는 평균 생각 토큰 수도 기존 12K에서 23K로 두 배 가까이 늘어났습니다.

다른 주요 벤치마크에서도 성능 향상이 확인됩니다. GPQA-Diamond 정확도는 71.5%에서 81.0%로 상승했고, MMLU-Redux는 93.4%, MMLU-Pro는 85.0%를 기록했습니다. 이와 함께 환각 현상이 줄어들었고, 함수 호출 기능이 강화되었으며, 최근 주목받는 바이브 코딩 환경에 맞춘 최적화도 적용되었습니다. 최대 생성 길이는 64K 토큰까지 지원합니다.

실행 방법과 하드웨어 요구 사항

모델 가중치와 설정 파일은 허깅페이스에 모두 공개되었습니다. 라이선스는 상업적 활용이 자유로운 MIT 라이선스를 그대로 유지합니다.

하지만 직접 구동하기 위한 하드웨어 장벽은 매우 높습니다. 6850억 개(685B)에 달하는 방대한 파라미터 크기 탓에 별도의 양자화나 경량화 작업 없이는 일반 개인용 PC나 소비자용 그래픽카드에서 구동할 수 없습니다. 다중 GPU를 갖춘 전문 서버급 인프라가 필수적입니다.

인프라가 갖춰져 있다면 배포는 비교적 간단합니다. 허깅페이스 저장소에서 Transformers는 물론 vLLM, SGLang, Docker Model Runner 실행 예제를 제공합니다. vLLM이나 SGLang을 활용하면 단일 명령어로 OpenAI 호환 API 서버를 로컬에서 즉시 띄울 수 있습니다.

왜 중요한가

개인 개발자가 685B 모델을 직접 배포해 사용하는 것은 비용 면에서 부담스럽지만, 전체 가중치가 완전 오픈소스로 풀렸다는 점은 API 생태계 전반에 큰 의미가 있습니다. 주요 클라우드 호스팅 서비스들이 즉각 지원을 시작하면 폐쇄형 모델 수준의 높은 추론 능력을 훨씬 저렴한 비용으로 활용할 수 있게 됩니다.

또한 추론 시점의 연산량을 늘려 성능을 극대화하는 사후 학습 방식이 여전히 강력하게 작동한다는 사실을 입증했습니다. 복잡한 코드 작성, 심층 논리 분석, 도구 연동 기반의 에이전트 시스템을 다루는 개발자라면 이번 업데이트 버전을 즉시 테스트해 볼 가치가 충분합니다.