▲문맥 길이(4K~1024K 토큰)에 따른 토큰 1개 디코딩 연산량(GFLOPs). V1과 V3.2는 문맥이 길어질수록 연산량이 급증하지만 V4.1 Flash는 100만 토큰 문맥에서도 20~30 GFLOPs 수준으로 거의 일정해, 에이전트가 긴 코드와 도구 실행 결과를 읽어도 비용과 속도가 크게 나빠지지 않는 이유를 보여준다.
딥시크
V4.1 Flash는 소프트웨어 엔지니어링, 사이버보안 환경, 자동화 작업에서 특히 강합니다. DeepSWE v1.1, CyberGym, Automation-Bench에서는 비교 모델 가운데 가장 높은 점수를 기록했고, DeepSWE에서는 Claude Opus 5를 0.2점 차로 앞섰습니다.
반면 Terminal-Bench 3.0에서는 V4.1 Flash가 30.0점에 그쳐, Opus 5의 43.3점과 GPT-5.6 Sol의 34.4점보다 낮았습니다. GPQA Diamond, Terminal-Bench 3.0/4.0, ProgramBench 같은 종합 벤치마크에서도 최상위 폐쇄형 모델과의 격차는 여전합니다. 따라서 V4.1 Flash는 모든 벤치마크를 압도한 모델이 아니라, 돈이 되는 작업에서 우위를 점한 모델입니다.
V4 Pro를 스스로 폐기하다 — 에이전트 토큰 경제학이 만든 세대교체
이와 함께 주목할 것은 DeepSeek가 V4 Pro의 서비스 종료를 예고했다는 사실입니다. 자사 플래그십을 없애는 결정은 통상적으로 성능 자신감의 표현입니다. 그러나 그 이면에는 더 실질적인 이유가 있습니다. 바로 추론 비용의 추가 절감입니다. 여기서 핵심은 에이전트 작업의 토큰 구조입니다. 일반 챗봇은 질문과 답변의 길이가 비슷합니다. 사용자가 짧게 묻고 모델이 짧게 답합니다. 그러나 에이전트는 완전히 다릅니다.
코딩 에이전트에게 "이 저장소에서 버그를 찾아 고쳐줘"라고 지시하면, 에이전트는 먼저 코드 저장소 전체를 읽습니다. 이 과정에서 수만 개의 컨텍스트 토큰이 소모됩니다. 이어서 관련 파일을 검색하고, 도구를 호출하고, 실행 결과를 받아 해석합니다. 오류 메시지를 분석하고, 다시 파일을 열어 확인합니다. 이 모든 과정이 입력 토큰으로 쌓입니다. 그런데 정작 최종 출력은 "이 줄을 이렇게 수정했습니다"라는 수십에서 수백 토큰에 불과합니다.
즉, 에이전트는 읽기는 수만 토큰, 쓰기는 수십 토큰이라는 극단적으로 비대칭적인 워크로드를 가집니다. 입력 대비 출력 비율이 수백 대 일에 달하는 경우도 흔합니다. V4.1 Flash는 바로 이 지점을 겨냥했습니다. 입력을 읽을 때는 8B 파라미터만 활성화하고, 출력을 만들 때는 16B를 활성화하는 비대칭 설계를 적용한 것입니다. 그래서 에이전트가 긴 코드를 읽고 도구 결과를 처리할 때는 가벼운 연산으로 빠르게 지나가고 실제로 답을 작성할 때만 더 큰 연산을 투입합니다 그 결과 입력이 아무리 길어져도 비용이 폭발하지 않습니다.
여기에 KV Cache 압축이 더해집니다. V4.1 Flash는 KV Cache를 대폭 줄여 HBM 요구량을 이전 세대의 4분의 1, SSD 요구량을 8분의 1 수준으로 낮췄습니다. 에이전트가 여러 차례 도구를 호출하고 긴 문맥을 유지할 때 필요한 고속 메모리와 저장장치 자원이 그만큼 줄어든 것입니다. 커뮤니티 테스트에서 초당 약 400토큰의 속도가 측정되고, 컨텍스트가 길어져도 처리 속도가 크게 떨어지지 않는 현상도 이 구조에서 나옵니다.
결국 V4.1 Flash의 비용 절감은 단순한 가격 인하가 아니라, 에이전트 워크로드의 비대칭적 토큰 구조를 정면으로 겨냥한 아키텍처 최적화의 결과입니다. 읽기는 가볍게, 쓰기는 정교하게, 캐시는 작게 — 이 세 가지가 맞물리면서 긴 입력을 다루는 에이전트 작업의 전체 비용이 크게 낮아졌습니다.
유저들이 환호한 부분은 가격 인하입니다
▲딥시크 V4.1 Flash의 Causal-Encoder-Decoder 구조도. 텍스트·비전 임베딩과 엔그램(Engram)을 함께 입력받는 인과적 인코더(왼쪽)가 8B 파라미터로 입력을 읽고, 계층적 희소 인덱서로 추린 후보 풀(Candidate Pool)을 참조하며 CSA2 어텐션과 MoE 층을 반복하는 디코더(오른쪽)가 16B 파라미터로 출력을 쓰는 비대칭 설계다.
딥시크
V4.1 Flash의 가격 인하 폭은 두 가지 기준으로 나눠서 볼 수 있습니다. 먼저 V4 Flash 자체의 이전 버전과 비교하면, 비혼잡 시간 기준으로 캐시 적중 입력은 100만 토큰당 0.05위안에서 0.02위안으로 60% 인하됐고, 캐시 미적중 입력은 1.5위안에서 1위안으로 약 33% 인하됐으며, 출력은 4.5위안에서 4위안으로 약 11% 인하됐습니다. 다만 이번 인하는 8월 인상분을 일부 되돌린 것으로, 8월 인상 전 원래 가격이었던 출력 2위안까지 완전히 돌아간 것은 아닙니다. 즉, 앞의 두 항목은 원래 가격으로 복귀했지만 출력 가격은 여전히 당시보다 높은 수준입니다.
대체되는 V4 Pro와 비교하면 인하 폭은 훨씬 큽니다. V4 Pro의 입력 가격은 100만 토큰당 약 0.73달러였고 V4.1 Flash는 0.15달러로 약 79% 저렴합니다. 출력의 경우 V4 Pro는 100만 토큰당 약 2.18달러였고 V4.1 Flash는 0.60달러로 약 72% 저렴합니다. V4 Pro가 8월 가격 조정 후 혼잡 시간 출력 가격이 100만 토큰당 27위안까지 올라갔던 점을 감안하면, V4.1 Flash의 혼잡 시간 출력 8위안은 그 3분의 1에도 미치지 않는 수준입니다.
결국 V4.1 Flash의 이번 가격 인하는 V4 Flash 자체의 이전 버전 대비 최대 60%, 대체되는 V4 Pro 대비 입력 약 79%·출력 약 72%에 달합니다. 이것이 바로 효율 향상이 가격 인하로 이어진다는 주장의 가장 직접적인 증거이며 세대교체의 기준이 "더 똑똑한가"에서 "에이전트 워크로드에서 더 싼가"로 이동했음을 보여줍니다. 딥시크의 입력 가격은 아스트라의 1.5%, 출력 가격은 1.2%, 캐시 읽기는 0.3% 수준입니다. OpenDesign Arena의 실제 디자인 작업 벤치마크에서 딥시크 V4.1 Flash는 아스트라 평균 점수의 98%를 달성하면서 비용은 1.4% 수준이었습니다.
캐시를 줄이면 하드웨어가 바뀐다 — HBM 병목을 우회한 소프트웨어 정의 시대
그렇다면 이 비용 절감은 어디서 나오는 것일까요. 답은 캐시 구조에 있습니다. V4.1 Flash는 KV Cache를 대폭 축소했고 이미 V4 세대의 KV Cache가 V3.2의 약 7% 수준까지 줄어든 것으로 알려졌다는 점을 감안하면, 이는 상당한 변화입니다.
특히 흥미로운 점은 모델 API의 성능을 설명하면서 SSD 요구량까지 언급한다는 것입니다. 이는 DeepSeek의 캐시 계층 구조에서 SSD 자체를 하나의 스토리지 계층으로 적극 활용하고 있다는 의미입니다. 더욱이 각 추론 단계에서 읽어야 하는 KV 데이터가 충분히 작아지면서 메모리 대역폭의 주요 병목이 KV Cache에서 모델 가중치 읽기로 이동했습니다.
이 지점에서 우리는 더 큰 그림을 볼 수 있습니다. 소프트웨어가 하드웨어를 정의하는 시대로 접어들었다는 것입니다. HBM이라는 물리적 병목을 알고리즘으로 우회하고 더 작은 캐시로 더 빠르고 더 정확하게 연산하는 방향으로 진화하는 과정은 딥시크가 화웨이 칩과의 최적화를 완성해 가는 중임을 시사합니다. 즉, 칩이 좋아서 모델이 빨라지는 것이 아니라 모델 구조가 좋아져서 더 적은 하드웨어로 같은 일을 해내는 방향으로 경쟁의 축이 옮겨간 것입니다.
모델이 아니라 작업 환경을 팔다 — 하네스 동시 공개와 오픈웨이트 표준화
▲AI 디자인 모델 평가 플랫폼 OpenDesign Arena가 딥시크 V4.1 Flash를 '가성비 추천' 모델로 꼽은 화면. 평가 평균 81.2점으로 1위 GPT-6 Astra(82.7점)의 98%에 이르면서 결과물당 비용은 0.023달러로 Astra(1.61달러)의 1.4%에 그쳤고, 전체 순위에서는 Fable 5.1을 제치고 2위에 올랐다.
OpenDesign Arena
한편 새 모델과 함께 DeepSeek Harness v0.1.5도 공개됐습니다. 웹 인터페이스에서 이미지와 PDF를 비롯한 다양한 형식의 파일 업로드를 지원하며, 플러그인 개발자를 위한 표준화된 UI 확장 인터페이스가 확대됐습니다. 파일 업로드와 사이드바 파일 미리보기 이 추가됐고, UI 성능과 사용자 인터랙션도 개선됐습니다.
무엇보다 이번 버전은 V4.1 Flash의 모델 훈련 과정과 긴밀하게 결합돼 개발됐습니다. 모델 자체가 DSH(DeepSeek Harness)의 다양한 설정 환경에 맞춰 별도의 훈련과 최적화를 거쳤다는 점이 중요합니다. 이와 함께 일반 사용자 서비스도 통합됐습니다. 웹과 앱에서 제공되던 빠른 모드·전문가 모드·이미지 인식 모드가 모두 하나로 통합되어 V4.1 Flash에 연결되며, 사용자는 심층 사고와 검색 기능을 함께 쓸 수 있게 됐습니다.
Workbuddy 등 서드파티 에이전트 도구와 AI 플랫폼도 동시 지원을 시작했습니다. OpenDesign Arena 벤치마크에서는 세계 2위에 올라 Fable 5.1을 제치고 Astra에 이어 두 번째를 기록했습니다. 결국 모델 단품이 아니라 하네스와 플러그인, UI까지 묶어 파는 순간, 경쟁사는 모델만으로 대응할 수 없게 됩니다. 이것이 이번 업데이트의 전략입니다.
오픈웨이트의 정의는 소프트웨어를 넘어 하드웨어 파이까지 키운다
V4.1 Flash의 핵심은 단순한 "더 좋은 모델"에 있지 않습니다. 긴 입력을 읽고 도구를 사용하며 반복적으로 작업하는 에이전트 시대에 맞춰 모델의 연산 구조와 캐시, 비용 체계까지 다시 설계했다는 점이 가장 주목할 부분입니다. 그리고 이 설계는 과거에도 그랬듯 GLM, KIMI, MiniMax 등 또 다른 오픈웨이트 모델에 이식될 가능성이 큽니다. 아키텍처와 캐시 전략은 논문과 코드로 공개되고, 중국 오픈웨이트 진영은 이를 빠르게 흡수합니다. 결과적으로 딥시크라는 기본값이 중국 오픈웨이트 모델 전체를 강력하게 만들고 있습니다.
V4.1 Flash의 HBM·SSD 절감은 화웨이 슈퍼노드 최적화의 결과 중 하나로 보입니다. 다만 그것은 "화웨이 전용"이 아니라, 화웨이 Ascend와의 공동 설계가 만들어낸 범용적 하드웨어 효율화의 정점입니다. 그리고 이 설계가 오픈웨이트로 공개되면서 GLM, KIMI, MiniMax 같은 다른 모델에도 이식될 가능성이 크다는 점에서, 화웨이 슈퍼노드 최적화는 곧 중국 AI 하드웨어 생태계 전체의 추론 효율 기준을 끌어올리는 사건이 됩니다.
오픈웨이트의 정의는 더 이상 소프트웨어 배포에 머물지 않습니다. 알고리즘이 HBM 요구량과 SSD 요구량을 바꾸고, 칩과의 최적화를 이끌어내며, 추론 인프라의 형태 자체를 결정하는 순간 — 오픈웨이트는 소프트웨어를 넘어 하드웨어 파이까지 키우게 됩니다. 더 빨라지고 더 작아진 모델이 효능을 올리면 비용이 내려가고, 그 비용이 다시 생태계 전체의 판을 키우는 구조. 이것이 이번 딥시크 V4.1 Flash와 하네스 동시 발표가 던지는 시사점입니다.
[참고]
○ 공식 발표 및 기술 문서
DeepSeek API 공식 체인지로그 (2026-09-10 V4.1 Flash 릴리스): https://api-docs.deepseek.com/updates/
DeepSeek V4.1 Flash 공식 문서 (성능·가격·API 변경):
https://api-docs.deepseek.com/news/news260910
DeepSeek V4.1 Flash 기술 보고서 (Hugging Face): https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash/blob/main/DeepSeek_V41_Tech_Report.pdf
○ 모델 오픈소스
Hugging Face 모델 페이지 (DeepSeek-V4.1-Flash): https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash
DeepSeek Harness v0.1.5 GitHub 릴리스: https://github.com/deepseek-ai/deepseek-harness/releases/tag/dsh-v0.1.5-alpha.1
○ 가격 정보
DeepSeek API 모델 및 가격 페이지: https://api-docs.deepseek.com/quick_start/pricing
OpenDesign Arena 공식 리더보드: https://open-design.ai/llm-arena-for-design/
○ 커뮤니티 및 서드파티 분석
SGLang/Miles의 V4.1 Day-0 지원 분석: https://www.lmsys.org
OrcaRouter V4.1 Flash 가격·벤치마크: https://www.orcarouter.ai
저작권자(c) 오마이뉴스(시민기자), 무단 전재 및 재배포 금지
오탈자 신고