딥시크 V4.1 플래시, 5520억 파라미터 중 160억만 깨워 캐시 4분의 1로 압축

중국 AI 기업 딥시크(DeepSeek)가 9월 10일(현지시각) 새로운 오픈소스 모델 V4.1 플래시(V4.1 Flash)를 선보였다. 텍스트와 이미지를 함께 처리하는 멀티모달 혼합전문가(MoE) 모델로 전체 파라미터는 5,520억 개에 이르지만, 실제 연산에 동원되는 활성 파라미터는 입력 처리 단계에서 80억 개, 출력 생성 단계에서 160억 개에 그친다. 핵심 승부수는 메모리 효율이다. 딥시크는 토큰당 캐시 용량을 기존 세대 대비 4분의 1 수준으로 줄였다고 밝혔고, API 가격도 큰 폭으로 내렸다. 딥시크는 9월 14일부터 기존 V4 프로(V4 Pro) 요청을 자동으로 V4.1 플래시에 연결하기로 했다.

5,520억 파라미터 중 단 80억~160억만 깨어난다

V4.1 플래시는 20개 인코더 층과 20개 디코더 층으로 구성된 40층짜리 ‘인과 인코더-디코더(Causal Encoder-Decoder)’ 구조를 새로 도입했다. 혼합전문가 시스템에 조건부 메모리 체계인 엔그램(Engram), 압축 스파스 어텐션2, 추측 디코딩 기법 디스파크를 결합했다. 이전 세대에서는 비전 기능이 별도의 비전-Exp 모델로 분리돼 있었지만, V4.1 플래시는 언어모델과 함께 처음부터 학습된 비전 인코더 딥시크-ViT를 기본 탑재해 모든 호출에서 이미지 인식을 지원한다.

모델 가중치는 허깅페이스에 MIT 라이선스로 공개됐다. 컨텍스트 창은 100만 토큰까지 늘어났고 출력은 38만4000토큰까지 가능하다. 다만 80억·160억이라는 활성 파라미터 수치는 로컬 환경에서 실제로 필요한 메모리량과 같은 개념이 아니다. 전체 5,520억 개 백본 자체는 여전히 어딘가에 올려둬야 하며, 실행 환경·캐시·양자화 방식에 따라 로컬 구동 난이도가 달라진다.

캐시를 4분의 1로 줄인 압축 기술

KV 캐시는 모델이 매번 대화 전체를 다시 계산하지 않도록 이전 어텐션 정보를 저장해두는 장치다. 긴 프롬프트나 에이전트 반복 작업에서는 이 캐시가 서빙 비용과 메모리 사용량의 상당 부분을 차지한다. 딥시크는 V4.1 플래시의 전역 KV 캐시가 토큰당 약 890바이트라고 밝혔는데, 이전 세대인 V4 플래시의 토큰당 3,514바이트와 비교하면 4배 가까이 줄어든 수치다.

딥시크는 이 구조가 이전 세대 대비 HBM(고대역폭메모리) 사용량은 4분의 1, SSD 캐시 저장공간은 8분의 1 수준이라고 설명했다. FP4 캐싱 기법과 압축 스파스 어텐션2를 함께 적용한 결과다. 100만 토큰짜리 컨텍스트 창은 이 상태 정보를 감당할 수 있는 서빙 구조가 뒷받침될 때만 실용적이며, 캐시 압축은 장문 컨텍스트 추론의 핵심 병목 중 하나를 정면으로 겨눈 설계다.

코딩·보안 벤치마크는 강세, 일부 영역은 뒤처져

딥시크가 자체 공개한 최대 추론 강도 기준 평가에서 V4.1 플래시는 DeepSWE v1.1에서 74.2점을 받아 클로드 오푸스5의 74.0점, GPT-5.6 Sol의 73.0점을 근소하게 앞섰다. 터미널-벤치 2.1에서는 90.6점으로 GPT-5.6 Sol, 문샷AI 키미 K3, 기존 V4 프로를 모두 웃돌았다. 사이버 보안 평가 사이버짐에서도 88.1점을 받아 V4 프로, 키미 K3, GPT-5.6 Sol을 앞섰다. 오토메이션벤치는 54.8점, 도구 활용형 차토그래피는 78.9점이었다.

하지만 모든 지표를 압도한 건 아니다. 터미널-벤치 4.0에서는 31.2점으로 클로드 오푸스5와 GPT-5.6 Sol에 뒤졌고, 별도 집계된 터미널-벤치 3.0에서도 30.0점으로 오푸스5와 격차가 컸다. GPQA 다이아몬드에서는 90.9점을 받았는데, 이는 기존 V4 프로의 92.4점보다 낮은 점수다. 독립 평가기관 아티피셜 애널리시스가 자체 기준으로 매긴 인텔리전스 지수는 보도에 따라 39.5~40 사이로 소개됐으며, 초당 평균 출력 속도 206.3토큰, 첫 응답까지 1.13초라는 수치도 함께 제시됐다. 같은 평가기관이 9월 9일 발표한 비교에서는 GPT-6 아스트라와 클로드 페이블5.1이 공동 1위(53점)를 차지했다.

가격 인하와 V4 프로의 퇴장

딥시크는 API 요금도 낮췄다. 오프피크 시간대 비캐시 입력은 100만 토큰당 0.15달러, 출력은 0.60달러다. 피크 시간대에는 각각 0.30달러, 1.20달러로 두 배가 된다. 피크 시간은 평일 한국시간 오전 10시~오후 1시, 오후 3시~7시(UTC 기준 오전 1~4시, 오전 6~10시)로 운영된다. 캐시된 입력은 오프피크 기준 100만 토큰당 0.003달러로 이전 V4 플래시보다 60% 낮아졌고, 비캐시 입력은 33%, 출력은 11% 내렸다고 딥시크는 밝혔다. 테크리퍼블릭이 SCMP를 인용해 전한 바로는 오프피크 캐시 입력 비용이 100만 토큰당 0.02위안까지 낮아질 수 있다.

더 눈에 띄는 조치는 기존 V4 프로의 퇴장이다. 딥시크는 9월 14일 한국시간 오후 1시(UTC 기준 오전 4시)부터 V4 프로로 들어오는 요청을 V4.1 플래시로 자동 전환하고, V4.1 프로가 출시되기 전까지 플래시 요금을 그대로 적용하기로 했다. 딥시크 하니스팀장 Cui Tianyi는 SCMP를 통해 “V4.1 플래시가 모든 지표에서 V4 프로를 전방위로 앞서는 상황에서, 원래 성능이 떨어지는 V4 프로를 더 높은 가격에 계속 제공하는 것은 적절하지 않다”고 밝혔다. 기존 V4-플래시, V4-플래시-비전-Exp 엔드포인트도 함께 퇴역해 V4.1 플래시로 임시 전환됐다.

남은 변수와 시장 파장

딥시크의 가격·효율 공세는 개발자들이 코딩과 자동화 작업에 저비용 모델을 시험해볼 이유를 늘려준다. 오픈라우터가 벤처캐피탈 a16z와 함께 2025년 12월 발표한 연구에 따르면, 2024년 11월부터 2025년 11월까지 조사한 기간 중 일부 주간에는 오픈 웨이트 방식의 중국산 모델이 자사 플랫폼 토큰 사용량의 30%에 가까운 비중을 차지했다. 같은 연구는 프리미엄 모델 역시 상당한 수요를 유지했으며 저가 모델은 비용에 민감한 구매자를 주로 끌어모았다고 분석했다.

앤트로픽은 9월 위협 보고서에서 딥시크가 통제를 우회하는 방식으로 클로드 오푸스의 추론 과정을 추출했다고 주장했다. 앤트로픽은 다른 모델의 출력을 학습 재료로 삼는 증류 기법이 코딩·추론·자동화 작업 성능을 끌어올릴 수 있다고 설명했지만, 이런 증류가 V4.1 플래시나 그 가격 정책에 실제로 기여했는지는 보고서에서 확인되지 않았다.