새로운 도전자가 최전선에 다가오다
중국 인공지능 연구소 딥시크가 기대를 모아온 V4 모델 시리즈의 프리뷰 버전을 공개했다. 대규모 규모와 전례 없는 효율성을 결합한 두 가지 모델을 선보였다. 2026년 4월 24일 출시된 딥시크-V4-Pro와 딥시크-V4-Flash는 오픈AI, 앤트로픽, 구글 같은 미국 AI 거대 기업의 지배력에 도전하려는 회사의 가장 야심 찬 시도다.
목차
이번 출시는 딥시크의 R1 추론 모델이 세계적 수준의 AI 역량을 최첨단 시스템에 통상 투입되는 비용의 일부만으로 구현할 수 있음을 보여주며 1조 달러 규모의 시장 급락을 촉발한 지 정확히 1년 만에 이뤄졌다. 이제 V4를 통해 딥시크는 단순히 비용 효율적인 대안에 그치지 않고, 처음 항저우 기반 스타트업에 세계의 이목을 집중시킨 파격적인 가격 전략을 유지하면서 순수 성능에서도 진정한 경쟁자로 자리매김하고 있다.
두 모델 모두 100만 토큰 컨텍스트 윈도우를 갖췄다. 하나의 프롬프트로 장편 소설 약 15~20권 분량을 처리할 수 있으며, 추론 과정에서 일부 매개변수만 활성화하는 전문가 혼합(Mixture-of-Experts) 아키텍처를 활용한다. 특히 주목할 점은 상업적 이용과 수정이 라이선스 비용 없이 가능한 허용적 MIT 라이선스로 모델을 공개했다는 것이다. 이는 오픈 웨이트 AI 개발에 대한 회사의 지속적인 의지를 보여준다.
기술 아키텍처와 규모
딥시크 V4 시리즈는 서로 다른 사용 사례를 겨냥한 두 가지 구성을 선보인다. 플래그십 모델인 V4-Pro는 지금까지 공개된 오픈 웨이트 모델 중 가장 큰 모델에 속하며, 총 1조6,000억 개의 매개변수 가운데 추론 작업마다 490억 개를 활성화한다. 더 작고 간결한 V4-Flash는 총 2,840억 개의 매개변수 중 130억 개를 활성화하며, 지연 시간에 민감한 애플리케이션과 소비자용 하드웨어 배포를 위해 설계됐다.
이러한 매개변수 효율성은 입력 토큰마다 모델 전체를 활성화하는 대신 특화된 하위 네트워크로 보내는 전문가 혼합 아키텍처를 통해 구현된다. 밀집형 1조6,000억 매개변수 모델은 실행 비용이 지나치게 높지만, 활성 매개변수 수를 이전 세대 V3.2와 비슷한 수준으로 유지하면서 전문가 풀을 확장함으로써 딥시크는 컴퓨팅 요구량을 그에 비례해 늘리지 않고도 코딩, 수학, 다국어 작업 전반에서 더 깊은 전문화를 구현했다.
긴 컨텍스트의 한계를 넘다
V4 아키텍처의 핵심은 딥시크가 하이브리드 어텐션 아키텍처라고 부르는 기술이다. 압축 희소 어텐션(Compressed Sparse Attention)과 고도 압축 어텐션(Heavily Compressed Attention) 메커니즘을 결합했다. 이 혁신은 대규모 언어 모델의 지속적인 과제 중 하나인 컨텍스트 길이가 늘어날수록 검색 품질이 저하되는 문제를 해결한다.
표준 트랜스포머 어텐션은 긴 문서 깊숙이 들어 있는 특정 정보를 찾아내기 점점 어려워지는 이른바 ‘건초 더미에서 바늘 찾기’ 문제에 취약하다. 딥시크는 자사의 접근 방식이 100만 토큰 검색 벤치마크에서 97%의 정확도를 달성한다고 주장했다. 표준 어텐션 메커니즘의 84.2%보다 높은 수치로, 긴 컨텍스트 모델을 괴롭혀 온 검색 성능 저하 문제를 사실상 해결했다는 설명이다.
실제로 모델은 코드베이스 전체와 방대한 법률 문서 세트, 수년 치 대화 기록을 처리하면서도 세부 사항을 놓치지 않고 안정적으로 추적할 수 있다. 검색 증강 생성 시스템을 개발하는 이들에게는 이 기능이 복잡한 청킹 전략이나 외부 벡터 데이터베이스의 필요성을 줄이거나 없애줄 수 있다.
벤치마크 성능: 최첨단 모델에 근접
독립 평가와 딥시크 자체 보고에 따르면 V4-Pro는 가장 앞선 폐쇄형 시스템에 근접한 성능을 보인다. 실제 오픈소스 프로젝트의 깃허브 이슈를 해결하는 모델의 능력을 평가하는 SWE-bench Verified 벤치마크에서 V4-Pro는 약 80.6%를 기록한 것으로 알려졌다. 이는 클로드 오퍼스 4.6의 80.8%와 사실상 맞먹으며, 기존 오픈소스 모델 다수의 기록을 웃돈다.
수학적 추론 벤치마크에서 V4-Pro는 특히 강점을 보인다. HMMT 2026에서 95.2%, IMOAnswerBench에서 89.8%를 기록한 것으로 알려졌다. 후자에서는 클로드 오퍼스 4.6을 앞섰지만 GPT-5.4에는 다소 뒤졌다. 코드포스 평점으로 측정하는 경쟁 프로그래밍 평가에서는 V4-Pro가 3206점을 기록해 GPT-5.4(3168점)와 제미나이 3.1 프로(3052점)를 앞섰다.
다만 딥시크는 전반적인 최첨단 수준에 대한 자체 평가에서는 신중한 태도를 유지했다. 회사는 일반 지식 및 추론 과제에서 V4-Pro가 구글의 제미나이 3.1 프로보다 개발 단계가 약 3~6개월 뒤처진다고 인정했다. 격차가 좁혀졌지만 가장 앞선 폐쇄형 시스템과 완전히 대등한 수준에는 아직 도달하지 못했다는 의미다.
추론 토큰을 확장한 딥시크-V4-Pro-Max는 표준 추론 벤치마크에서 GPT-5.2와 제미나이-3.0-프로보다 우수한 성능을 보인다. 그러나 GPT-5.4와 제미나이-3.1-프로에는 근소하게 못 미쳐, 최첨단 프런티어 모델보다 개발 단계가 약 3~6개월 뒤처진 궤적을 보인다.
V4-Flash는 규모가 더 작음에도 놀라울 만큼 경쟁력 있는 성능을 유지했다. MMLU-Pro에서 86.2%를 기록해 V4-Pro의 87.5%에 근접했고, LiveCodeBench에서는 91.6%로 Pro 모델의 93.5%를 뒤따랐다. 이 같은 효율성을 고려하면 여러 애플리케이션에서 Flash 모델은 운영 비용을 크게 낮추면서도 충분한 성능을 제공할 수 있다.
파격적인 가격과 시장 판도 변화
V4 출시에서 가장 큰 파장을 일으킬 요소는 딥시크가 서구 경쟁사보다 몇 배나 낮은 가격을 제시해 온 전략을 이어간다는 점이다. V4-Flash는 입력 토큰 100만 개당 0.14달러, 출력 토큰 100만 개당 0.28달러다. 오픈AI의 GPT-5.4 나노(0.20달러/1.25달러)와 제미나이 3.1 플래시-라이트(0.25달러/1.50달러)보다도 저렴하다.
플래그십 V4-Pro의 가격은 입력 토큰 100만 개당 1.74달러, 출력 토큰 100만 개당 3.48달러다. Flash 모델보다는 비싸지만, 비슷한 최첨단 모델에 비하면 여전히 상당히 낮다. 클로드 오퍼스 4.6은 입력 토큰 100만 개당 5달러, 출력 토큰 100만 개당 25달러이며, GPT-5.4는 입력 2.50달러, 출력 15달러다. 따라서 딥시크의 플래그십 모델은 비슷한 벤치마크 성능을 약 50~80% 낮은 비용으로 제공한다.
이처럼 공격적인 가격은 모델 아키텍처의 효율성 향상으로 가능해졌다. 딥시크에 따르면 100만 토큰 컨텍스트 환경에서 V4-Pro가 사용하는 부동소수점 연산량은 이전 모델 V3.2의 27%에 불과하며, 키-값 캐시 크기도 10% 수준이다. V4-Flash는 효율성을 한층 더 높여 V3.2 대비 FLOPs는 10%, KV 캐시 크기는 7%만 사용한다.
업계 분석가들은 이러한 가격 압박이 시장 전반의 조정을 불러올 수 있다고 본다. 딥시크의 R1 모델이 오픈AI의 유사 제품보다 API 비용을 약 90% 낮춰 출시되자 경쟁사들은 고급 모델을 무료 요금제 사용자에게 개방하고 자체 가격 구조를 조정했다. V4가 고성능 및 저가형 AI 추론 모두에 새로운 비용 기준을 제시하면서 비슷한 흐름이 나타날 수 있다.
하드웨어 독립성과 학습 인프라
V4 출시에서 지정학적·기술적 측면으로 중요한 부분은 학습 인프라다. 대부분의 최첨단 AI 모델이 주로 엔비디아의 최신 GPU를 기반으로 구축되는 것과 달리, 딥시크는 화웨이 어센드 910B AI 가속기와 캠브리콘 MLU 칩을 조합해 V4를 학습하고, 화웨이의 어센드 NPU 플랫폼에서 검증을 마친 것으로 알려졌다.
이는 글로벌 AI 하드웨어 시장에 상당한 영향을 미칠 수 있다. 미국의 수출 규제로 중국이 엔비디아의 최고 성능 칩에 접근하기 어려운 가운데, 딥시크는 중국산 반도체를 사용해도 최첨단 규모의 AI 개발이 가능하다는 점을 입증했다. 독립적인 검증에서도 모델의 벤치마크 성능이 확인된다면, 대규모 AI 학습에서 화웨이와 캠브리콘이 엔비디아의 대안이 될 수 있음을 입증해 AI 하드웨어 공급망 다변화를 앞당길 가능성이 있다.
카운터포인트 리서치의 웨이 선 수석 AI 애널리스트는 V4가 중국산 칩에서 기본적으로 구동될 수 있다는 점이 베이징의 AI 주권 목표에 큰 영향을 미칠 수 있다고 말했다.
이는 궁극적으로 전 세계 AI 발전도 가속할 것입니다.
소비자용 하드웨어 배포
딥시크는 매개변수 수가 방대하지만 V4의 양자화 버전은 소비자용 하드웨어에서도 실행할 수 있다고 강조했다. 회사에 따르면 V4-Flash는 INT4 양자화를 적용하면 VRAM 32GB를 탑재한 엔비디아 RTX 5090 한 대에서, INT8 정밀도를 사용하면 총 VRAM 48GB를 갖춘 RTX 4090 두 대에서 구동할 수 있다. 전체 가중치 용량이 865GB인 Pro 모델은 정밀 추론을 위해 여러 노드로 구성된 GPU 클러스터를 겨냥하지만, 스트리밍 배포 방식도 지원할 수 있다.
이러한 접근성은 API 이용과 데이터센터 인프라가 필요한 폐쇄형 최첨단 모델과 뚜렷한 대조를 이룬다. 데이터 프라이버시와 지연 시간, 예측 가능한 운영 비용을 중시하는 개발자에게 구매 가능한 하드웨어에서 1조 개 매개변수급 모델을 직접 호스팅할 수 있다는 점은 AI 배포의 현실적인 비용 구조를 크게 바꿀 수 있다.
시장 영향과 전략적 포지셔닝
V4 출시는 중국과 미국의 AI 개발자 간 경쟁뿐 아니라 중국 내 경쟁도 심화시킨다. 딥시크의 R1 돌파구 이후 알리바바의 큐웬, 바이트댄스, 문샷 AI 등 중국 내 경쟁사들도 자체 모델 출시를 앞당겼다. 딥시크의 최신 발표는 경쟁사 주가에 즉각 영향을 미쳐 V4 발표 뒤 홍콩 거래에서 미니맥스와 즈푸 주가가 각각 약 8% 하락했다.
딥시크는 모델 출시와 함께 처음으로 외부 자금 조달을 추진하는 것으로 알려졌다. 기업가치 100억 달러 이상을 기준으로 최소 3억 달러를 유치하는 것이 목표이며, 텐센트와 알리바바와의 논의가 기업가치를 200억 달러까지 끌어올릴 수 있다는 보도도 나왔다. 이는 계열 헤지펀드인 하이플라이어 캐피털 매니지먼트에만 의존하던 초기 전략에서 변화한 것이다.
다만 회사는 당장 인프라 제약에 직면해 있다. 딥시크는 고성능 컴퓨팅 자원 부족으로 현재 Pro 요금제의 서비스 용량이 제한돼 있다고 경고했다. 가격은 2026년 하반기 화웨이 어센드 950 ‘슈퍼노드’가 대규모로 배치된 뒤에야 크게 낮아질 것으로 예상된다.
이번 출시는 AI 개발을 둘러싼 지정학적 긴장이 고조되는 가운데 이뤄졌다. 백악관은 최근 중국이 AI 분야에서 산업적 규모의 지식재산권 절도를 벌였다고 비난했다. 중국 외교부는 이를 중국의 기술 발전을 겨냥한 근거 없는 공격이라고 일축했다. 딥시크는 아파치 2.0 및 MIT 라이선스로 계속 오픈소스 모델을 공개하고 있다. 이는 점점 더 폐쇄적인 전략을 취하는 서구 최첨단 연구소 다수와 대조되며, 딥시크를 오픈 웨이트 AI 개발의 대표 주자로 자리매김하게 한다.
핵심 내용
- 딥시크가 100만 토큰 컨텍스트 윈도우를 갖춘 V4-Pro(매개변수 1조6,000억 개, 활성 매개변수 490억 개)와 V4-Flash(매개변수 2,840억 개, 활성 매개변수 130억 개)의 프리뷰 버전을 공개했다
- 두 모델 모두 MIT·아파치 2.0 오픈소스 라이선스로 공개돼 비용 없이 상업적으로 이용하고 수정할 수 있다
- V4-Pro는 코딩 과제에서 클로드 오퍼스 4.6 및 GPT-5.4와 경쟁하는 벤치마크 성능을 50~80% 낮은 비용으로 제공한다
- V4-Flash는 출력 토큰 100만 개당 0.28달러로, 성능을 갖춘 소형 모델 가운데 가장 저렴하며 오픈AI의 GPT-5.4 나노보다도 가격이 낮다
- 두 모델은 엔비디아가 아닌 하드웨어(화웨이 어센드 및 캠브리콘 칩)에서 학습돼 미국산 AI 반도체의 실현 가능한 대안이 있음을 보여줬다
- 하이브리드 어텐션 아키텍처를 비롯한 기술 혁신으로 이전 세대 모델 대비 컴퓨팅 요구량을 최대 90% 줄였다
- 양자화 버전은 RTX 5090 한 대 또는 RTX 4090 두 대 등 소비자용 하드웨어에서 실행할 수 있다
- 딥시크는 일반 지식 과제에서 모델이 절대적 최첨단 시스템보다 약 3~6개월 뒤처진다고 인정했다
- 이번 출시는 AI 업계의 가격 인하 압박을 키우고 중국 내 AI 분야의 경쟁을 가속한다
