딥시크, V4 프리뷰 오픈소스 공개: 기본 1M 컨텍스트 지원

DeepSeek-V4 Preview는 딥시크가 새롭게 오픈소스로 공개한 차세대 혼합 전문가(MoE) 모델군입니다. 1M(100만 토큰)에 달하는 장문맥을 모든 서비스의 기본 사양으로 채택하며, 장기 에이전트 워크플로와 코드 생성 환경의 메모리 병목을 직접 겨냥했습니다.

공개된 모델은 두 종류입니다. 플래그십인 DeepSeek-V4-Pro는 총 1.6T 파라미터 중 49B를 활성화하며 글로벌 최상위권 폐쇄형 모델에 맞먹는 성능을 목표로 합니다. 경량형인 DeepSeek-V4-Flash는 총 284B 중 13B 파라미터를 활성화하여, 가벼운 비용과 빠른 응답 속도를 유지하면서도 기본 작업에서 Pro 못지않은 효율을 냅니다.

무엇을 할 수 있나

두 모델 모두 추론 모드와 일반 모드(Thinking / Non-Thinking)를 지원하며, 장기 실행 에이전트 작업에서 오픈 모델들이 겪던 취약점을 해결하는 데 집중했습니다.

공식 기술 보고서에 따르면 V4-Pro는 수학, 과학, 코딩 추론 벤치마크에서 기존 오픈 모델을 앞서며, 지식 영역에서는 Gemini-3.1-Pro에 이어 최상위권을 기록했습니다. 에이전트 코딩 벤치마크에서도 오픈소스 최고 수준의 성능을 입증했습니다.

딥시크는 내부 개발 에이전트에 이미 V4를 투입해 활용 중이며, Claude Code, OpenClaw, OpenCode 등 널리 쓰이는 외부 에이전트 프레임워크와도 즉시 연동됩니다.

에이전트 사용성 측면에서는 다회차 도구 호출 처리 방식이 개선되었습니다. 과거 버전과 달리 도구 실행 도중 사용자가 새로운 메시지를 입력해도 이전 추론 흔적을 그대로 유지하므로, 모델이 매번 상태를 재구성하느라 토큰과 시간을 낭비하는 현상을 줄였습니다.

1M 컨텍스트를 가볍게 만든 원리

1M 토큰이라는 숫자 자체보다 중요한 것은 그 깊이에서 실제로 추론을 수행할 때 하드웨어가 감당할 수 있느냐입니다.

Hugging Face의 기술 분석에 따르면, 에이전트가 도구를 반복 호출하면 이전 기록이 누적되어 토큰 연산량과 GPU 내 KV 캐시 메모리가 급격히 증가합니다. DeepSeek-V4는 레이어별로 두 가지 압축 어텐션을 교차 배치하는 하이브리드 구조로 이 문제를 풀었습니다.

시퀀스를 4배 압축한 뒤 정밀 인덱서로 필요한 블록만 골라내는 압축 희소 어텐션(CSA)과, 시퀀스를 128배 압축해 전체를 가볍게 참조하는 고압축 어텐션(HCA)을 번갈아 사용합니다. 여기에 슬라이딩 윈도와 저정밀도 포맷을 결합해, 표준적인 8헤드 GQA 구조 대비 KV 캐시 메모리 사용량을 약 2% 수준으로 줄였습니다.

그 결과 1M 토큰 깊이에서 V4-Pro의 토큰당 추론 연산량은 DeepSeek-V3.2 대비 27%, KV 캐시 메모리는 10%에 불과합니다. V4-Flash는 연산량 10%, 캐시 메모리 7% 수준까지 내려갑니다.

사용 방법 및 지원 현황

모델 가중치와 기술 보고서는 Hugging Face 컬렉션에 등록되어 있어 로컬 배포를 시도할 수 있습니다.

일반 이용자는 DeepSeek 공식 웹사이트에서 Expert Mode나 Instant Mode를 통해 Pro와 Flash를 바로 사용해 볼 수 있습니다.

개발자를 위한 API도 즉시 개방되었습니다. OpenAI ChatCompletions 및 Anthropic API 포맷을 모두 지원하므로, 기존 base_url을 그대로 유지한 채 모델 이름만 deepseek-v4-pro 또는 deepseek-v4-flash로 변경하면 됩니다.

주의할 점은 기존 deepseek-chat과 deepseek-reasoner 엔드포인트의 종료 일정입니다. 현재 해당 호출은 V4-Flash로 연결되고 있으며, 2026년 7월 24일 15:59(UTC)에 공식적으로 지원이 중단됩니다.

왜 중요한가

장기 코딩 작업이나 복잡한 에이전트 파이프라인을 다루는 개발자라면 바로 테스트해 볼 가치가 있습니다. 그동안 100만 토큰 지원은 높은 메모리 비용 때문에 실무 환경에서 그림의 떡에 가까웠습니다.

딥시크는 벤치마크 점수 경쟁에만 매달리지 않고 KV 캐시 구조를 뜯어고쳐 실제 배포 단가를 대폭 낮췄습니다. 1M 장문맥을 에이전트가 현실적인 하드웨어 위에서 끝까지 완주할 수 있게 만들었다는 점에서 실용적인 가치가 큽니다.