DeepSeek V4, 오픈소스 모델이 다시 판을 흔들기 시작했다
DeepSeek가 조용히 칼을 갈더니 또 한 번 판을 뒤흔들 모델을 던졌다.
2026년 4월 24일, DeepSeek가 차세대 플래그십 모델군인 DeepSeek V4 프리뷰를 기습 공개했다. R1이 “중국발 추론 모델 쇼크”에 가까웠다면, 이번 V4는 결이 조금 다르다. 단순히 똑똑한 모델 하나 던져놓은 게 아니라, 긴 컨텍스트, 에이전트 작업, 코딩, 비용 효율을 한 번에 잡으려는 풀패키지 라인업에 가깝다.
요즘 오픈소스 AI 판을 보면 GLM-5.1, Qwen, Kimi, Gemma가 쉴 새 없이 치고 올라오고 있다. 여기에 DeepSeek V4가 묵직한 한 방을 제대로 꽂았다. 개발자 입장에서는 “이걸로 챗봇이나 해볼까?”보다는 “내 터미널 에이전트랑 맥미니 홈 서버에 어떻게 물릴까?” 하는 생각부터 번쩍 든다.
V4는 하나가 아니라 Pro와 Flash다
이번 공개에서 가장 눈에 띄는 건 투트랙(Two-track) 구성이다.
| 모델 | 전체 파라미터 | 활성 파라미터 | 컨텍스트 | 성격 |
|---|---|---|---|---|
| DeepSeek-V4-Pro | 1.6T | 49B | 1M 토큰 | 고난도 추론, 코딩, 장기 에이전트 작업 |
| DeepSeek-V4-Flash | 284B | 13B | 1M 토큰 | 빠른 응답, 저비용 처리, 반복 작업 |
둘 다 MoE(Mixture of Experts) 구조다. 전체 파라미터 덩치는 어마어마하지만, 매 토큰마다 일부 전문가(Expert)만 활성화해서 계산을 돌리는 방식이다. 그러니 “1.6T? 개인 환경에선 꿈도 못 꾸겠네” 하고 바로 접을 필요는 없다. 실제 추론 비용과 체감 속도는 활성 파라미터, 양자화 기법, 서빙 엔진, 메모리 대역폭에 따라 천차만별로 갈린다.
개인적으로 훨씬 눈길이 가는 쪽은 V4-Flash다. 284B 전체 파라미터에 활성 파라미터가 13B 수준이라면, 노트북에서 굴릴 장난감 모델은 아니어도 로컬 LLM 생태계에서 침 흘릴 만한 스펙이다. Mac mini나 중고 GPU 서버를 굴리는 홈랩 환경에서 “단순 에이전트 호출은 로컬에서 치고, 빡센 아키텍처 설계는 Pro API로 쏘는” 하이브리드 세팅이 드디어 가시권에 들어왔다.
1M 컨텍스트가 진짜 핵심이다
이번 V4를 딱 한 줄로 요약하자면 “100만 토큰 컨텍스트를 실전에서 굴릴 수 있는 비용으로 끌어내린 사건”이라고 본다.
DeepSeek는 V4에서 CSA(Compressed Sparse Attention)와 HCA(Heavily Compressed Attention)를 버무린 하이브리드 어텐션 아키텍처를 들고 나왔다. 쉽게 말해 방대한 문서를 무식하게 같은 밀도로 다 읽는 대신, 알짜배기 구간을 영리하게 집중해서 보겠다는 거다. 공식 모델 카드에 따르면 V4-Pro는 1M 토큰 컨텍스트에서 V3.2 대비 단일 토큰 추론 FLOPs를 27%, KV 캐시 메모리는 무려 10% 수준까지 깎아냈다고 한다(이 정도면 외계인을 고문한 게 맞다).
이게 왜 중요하냐면, 에이전트 작업의 본질은 결국 ‘컨텍스트 싸움’이기 때문이다.
- 저장소 전체 구조를 통째로 읽고 리팩토링 견적을 짠다.
- 수만 줄짜리 에러 로그와 테스트 실패 기록을 물고 늘어지며 원인을 추적한다.
- 문서, 이슈, PR, 코드베이스를 단일 세션에 전부 때려 넣고 판단한다.
- 긴 시스템 프롬프트와 복잡한 툴 스키마를 수십 번씩 반복 호출한다.
지금까지 1M 컨텍스트는 “스펙상 존재는 하지만, 너무 비싸고 느려서 실전에선 봉인해두는 옵션”에 가까웠다. V4가 진짜 무서운 이유는 이 긴 컨텍스트를 에이전트 루프 안에서 마구잡이로 태워도 지갑이 털리지 않을 가격대와 구조로 밀어붙였다는 점이다.
코딩 모델로 봐도 체급이 깡패다
DeepSeek는 V4-Pro-Max 기준으로 코딩과 에이전트 벤치마크에서 살벌한 점수를 들이밀었다.
| 벤치마크 | DeepSeek V4-Pro Max |
|---|---|
| LiveCodeBench | 93.5 |
| Codeforces Rating | 3206 |
| SWE Verified | 80.6 |
| SWE Pro | 55.4 |
| Terminal Bench 2.0 | 67.9 |
물론 벤치마크 숫자는 언제나 적당히 걸러 들어야 한다(회사 홍보 자료는 원래 과장이 섞이기 마련이다). 실무 프로젝트에서는 레포지토리 구조, 테스트 코드의 품질, 프롬프트 하네스, 툴 호출(Tool Call) 안정성이 체감 성능을 좌우한다. 하지만 Terminal Bench와 SWE 계열 점수가 함께 치솟았다는 점은 시사하는 바가 크다. 이제 모델 회사들이 단순히 “코드 한 줄 잘 짠다” 수준을 넘어, 터미널에 상주하면서 끈질기게 버티고 일하는 지구력을 겨루기 시작했다는 뜻이다.
요즘 내가 가장 꽂혀 있는 지점도 바로 여기다. Claude Code, Codex, Opencode, Nanobot 같은 터미널 에이전트의 두뇌를 단일 모델로만 고정해서 쓰는 시대는 이제 저물고 있다. 작업 단계에 맞춰 모델을 똑똑하게 라우팅하는 게 훨씬 경제적이고 현실적이다.
- 요구사항 정리: 저렴한 Flash 계열
- 파일 탐색과 요약: V4-Flash 또는 GLM 계열
- 핵심 설계 판단: V4-Pro, Opus, GPT 상위 모델
- 반복 수정과 테스트 루프: 비용 낮은 코딩 특화 모델
- 최종 리뷰: 가장 신뢰하는 폐쇄형 모델 또는 Pro급 모델
비싼 플래그십 모델 하나한테 모든 걸 떠넘기면 마음이야 편하다. 하지만 에이전트가 20번, 50번, 100번씩 셀프 루프를 돌기 시작하면 토큰 비용 청구서를 보고 등골이 서늘해진다. 이 단계에 이르면 모델 선택은 단순 취향이 아니라 철저한 ‘인프라 엔지니어링’의 영역이 된다.
가격은 역시 DeepSeek답게 공격적이다
DeepSeek의 진짜 무서운 점은 성능보다 가격표를 볼 때 나온다. OpenRouter 기준 V4-Pro는 입력 $1.74/1M 토큰, 출력 $3.48/1M 토큰으로 등록됐고, V4-Flash는 입력 $0.14/1M 토큰, 출력 $0.28/1M 토큰 수준이다.
이 가격이 왜 무섭냐면, 에이전트 워크플로우에선 출력 토큰보다 매 턴마다 누적되는 반복 입력(Input) 비용이 지갑을 털어가기 때문이다. 시스템 프롬프트, 수십 개의 도구 정의, 코드베이스 컨텍스트, 실행 로그, 계획 문서가 턴마다 계속 밀려 들어간다. 여기에 프롬프트 캐시 히트까지 제대로 터져주면, 동일 하네스를 무한 호출하는 구조에서 비용 차이는 천문학적으로 벌어진다.
예를 들어 터미널 에이전트가 대략 이런 루프를 탄다고 쳐보자.
- 저장소 구조를 스캔한다.
- 관련 파일들을 긁어모아 요약한다.
- 수정 계획을 세운다.
- 코드를 고친다.
- 테스트를 돌리고 실패 로그를 읽는다.
- 에러를 잡을 때까지 다시 코드를 고친다(무한 루프의 시작).
이런 루프에서는 “한 번 기가 막히게 답하는 모델”보다 수십 번을 굴려도 통장에 타격이 없는 모델이 훨씬 절실하다. V4-Flash가 기대되는 이유도 바로 여기에 있다. 모든 개발을 Flash 하나로 때우자는 말이 아니다. 값비싼 하이엔드 모델을 호출해야 하는 빈도를 획기적으로 줄여주는 완충재 역할을 톡톡히 해줄 수 있다는 뜻이다.
로컬 LLM 관점에선 행복회로를 조금 꺼야 한다
다만 여기서 설레발은 금물이다. V4-Flash의 활성 파라미터가 13B라고 해서 “어? 그럼 내 M4 맥북에서도 쌩쌩 돌겠네?” 하고 행복회로를 돌리면 곤란하다. 전체 파라미터는 엄연히 284B다. MoE 모델은 서빙 엔진 최적화와 메모리 대역폭 배치가 생명이다. 가중치 양자화 수준, Expert 스와핑 구조, KV 캐시 크기, 그리고 1M 컨텍스트를 얼마나 꽉 채워 쓰느냐에 따라 요구 사양은 안드로메다로 간다.
그래도 판의 흐름 자체는 확실히 바뀌었다. 로컬 LLM이 예전처럼 방구석에서 장난감처럼 돌려보는 “작고 귀여운 토이 모델”에 머무는 게 아니라, 클라우드 API와 지분을 나눠 갖는 실전 인프라 부품으로 진화하고 있다.
내가 머릿속으로 그리고 있는 현실적인 구성은 대략 이렇다.
- Mac mini 홈 서버에는 V4-Flash급 로컬 모델을 올려 가벼운 요약, 분류, 코드 탐색을 전담시킨다.
- 긴 호흡의 아키텍처 설계나 난해한 디버깅은 V4-Pro API나 Claude 같은 최상위 모델로 라우팅한다.
- 턴이 많이 도는 에이전트 루프는 Flash를 디폴트로 깔고, 막히거나 헤매는 단계에서만 상위 모델로 승격(Escalation)시킨다.
- 외부에 노출하기 껄끄러운 개인 프로젝트 인덱싱이나 로컬 문서는 철저히 로컬 모델 선에서 끝낸다.
클라우드 API를 때려치우자는 게 아니다. 오히려 그 반대다. 비싼 API 토큰을 최대한 아껴뒀다가, 진짜 결정적인 순간에 몰빵하자는 생존 전략이다.
그래서 DeepSeek V4는 Opus를 이겼을까?
어그로 끌기 딱 좋은 질문이지만, 실무를 뛰는 엔지니어 입장에선 솔직히 별 영양가 없는 질문이다.
공식 벤치마크만 보면 V4-Pro Max는 MMLU-Pro에서 GPT-5.4 xHigh와 맞먹는 87.5점을 찍었고, LiveCodeBench나 Codeforces 지표는 입이 떡 벌어질 정도로 깡패 같은 숫자를 보여준다. 하지만 극한의 긴 컨텍스트 검색 정확도(Needle in a Haystack), 복잡하게 얽힌 도구 연쇄 호출, 코드의 미묘한 뉘앙스를 살리는 섬세한 리팩토링 안정성에서는 여전히 Claude Opus나 Gemini Pro 쪽이 훨씬 든든한 국밥처럼 느껴질 공산이 크다.
결국 핵심은 “누가 세계 최강이냐”는 소년만화식 서열 싸움이 아니라, 어디에 꽂아 넣어야 가성비와 성능의 포텐을 최대로 뽑아낼 수 있느냐다.
현재로선 DeepSeek V4가 가장 빛을 발할 구간은 명확해 보인다.
- 비용이 무서운 장기 코딩 에이전트 루프
- 대량 문서 요약과 코드베이스 맵핑
- 1M 컨텍스트가 필요한 리서치/분석 작업
- 오픈소스 가중치 기반의 자체 서빙 실험
- Pro와 Flash를 섞는 멀티모델 라우팅
반대로 실패했을 때 타격이 큰 최종 의사결정, 1원이라도 틀리면 안 되는 금융/결제 도메인, 섬세한 카피라이팅 작업은 검증이 훨씬 더 필요하다. 새 모델 나왔다고 신나서 프로덕션 코드를 통째로 갈아엎는 건 기술 블로거의 로망일지 몰라도, 밤에 두 발 뻗고 자야 하는 운영자 입장에선 자살행위다(경험담 맞다).
마무리하며
DeepSeek V4는 단순히 “또 하나의 센 녀석이 나왔네” 수준이 아니라, 오픈소스 AI 생태계가 다음 차원으로 체급을 올리고 있다는 확실한 신호탄이다.
V4-Pro는 빅테크의 폐쇄형 플래그십과 맞다이를 까는 역할을 맡고, V4-Flash는 개발자의 지루한 반복 작업과 에이전트 루프를 밑바닥에서 싸게 받쳐주는 역할을 맡는다. 여기에 1M 토큰 컨텍스트와 혜자로운 라이선스까지 얹어졌으니, 개발자 입장에선 안 건드려볼 이유가 없다.
요즘 AI 개발 환경을 세팅하면서 느끼는 핵심은 명확하다. 세상에서 제일 똑똑한 단 하나의 모델을 찾는 게 아니라, 파이프라인의 각 단계마다 가장 가성비 좋고 적합한 모델을 적재적소에 꽂아 넣는 것. DeepSeek V4는 내 멀티모델 공구함에 아주 매력적인 주전 선수로 합류하게 됐다.
조만간 V4-Flash를 로컬이나 API로 연동해서 터미널 코딩 에이전트에 물려보고, 실전에서 얼마나 버텨주는지 빡세게 굴려볼 생각이다. 화려한 벤치마크 표 백날 쳐다봐야 뭐 하나, 결국 내 레포에서 빌드 성공하고 테스트 통과하는 게 진짜배기 실력이니까.
참고 자료: