DeepSeek''s Cheap Model Just Beat Its Own Flagship

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

DeepSeek의 저가 모델 V4.1 Flash는 영상에 제시된 독립 평가에서 자체 플래그십 V4 Pro를 32 대 23으로 앞섰지만, 어려운 추론과 민감한 데이터 처리까지 맡길지는 별도로 판단해야 한다.

📌 핵심 요점

1. 저가 모델의 성능 역전과 기존 모델의 퇴출은 별개다. DeepSeek는 9월 10일 Flash 출시와 함께 Pro 종료를 예고했지만, 다음 날 사용자 요구로 API 제공을 유지하기로 했다. 10월 17일에는 가격과 API 모델명을 유지하면서 Flash 가중치를 갱신했다.
2. 가격 경쟁력의 핵심은 반복 문맥을 처리하는 비용이다. 영상은 전문가 혼합 구조, 입력 처리 연산 축소, 레이어 간 캐시 공유, 4비트 저장, 단기 캐시 재구성, 다중 토큰 초안 생성이라는 여섯 가지 기법을 설명한다. 비혼잡 시간대 캐시 입력 가격은 100만 토큰당 0.003달러로, 신규 입력 0.15달러의 50분의 1이다.
3. 자체 Pro를 이겼다는 결과를 전체 최상위 모델 수준으로 확대하면 안 된다. Artificial Analysis 지능 지수에서 Flash는 32점, Pro는 23점이지만, Opus 5.5는 58점이다. 개발사 발표와 독립 측정 사이에도 차이가 있으며, 특히 어려운 추론 과제에서는 격차가 크다.
4. 토큰 단가보다 작업 완료까지의 총비용이 중요하다. 독립 평가 전체 실행 비용은 Flash 약 521달러, Opus 5.5 약 8,900달러로 소개되지만, Flash는 평가에 1억 7,000만 토큰을 사용했다. 장황한 출력, 오탐, 재검증 비용까지 포함해야 실제 경제성을 판단할 수 있다.
5. 적합한 용도는 반복 문맥이 긴 대량 작업과 보조 검토다. 발표자는 데이터 정리·요약·평가 배치·버그 후보 탐색을 제안하면서, 별도 Claude Code 설정과 실제 모델 매핑 확인을 강조한다. 민감한 데이터와 정부기관 납품에서는 데이터 처리 위치와 적용 규정도 함께 확인해야 한다.

🧩 배경과 문제 정의

영상은 저가 모델이 같은 회사의 플래그십을 앞섰는데도 기존 플래그십이 살아남은 상황에서 출발한다. DeepSeek의 V4.1 Flash가 왜 저렴한지, 개발사 발표와 독립 평가가 얼마나 일치하는지, 실제 업무에서 어디에 배치할지를 차례로 따진다.

핵심 문제는 성능 점수 하나로 모델 선택을 끝낼 수 없다는 것이다. 반복 문맥의 캐시 활용, 작업 완료까지의 토큰 소비, 결과 검증 부담, 데이터 처리 위치를 함께 고려해야 한다. 영상 후반의 정부기관 제한과 호스팅 비교도 이러한 선택 조건을 설명하기 위해 제시된다.

🕒 시간순 섹션별 상세정리

1. 저가 Flash의 등장과 Pro 종료 철회

• 영상에 따르면 DeepSeek는 9월 10일 V4.1 Flash를 출시하고 성능·비용·속도·총 실행시간에서 V4 Pro를 앞선다고 발표했다. Pro 종료도 예고했지만, 다음 날 사용자 요구를 이유로 API 제공을 유지하기로 했다. [00:23]
• 9월 14일로 예정됐던 Pro 요청의 Flash 전환은 실행되지 않았다. 10월 17일에는 같은 가격과 API 모델명으로 새로운 가중치가 배포됐다. [01:26]
• 영상 촬영 시점에는 출시 게시물의 Pro 종료 문구, 유지 결정을 담은 변경 기록, Pro 가격표가 함께 남아 있었다. 문서 간 불일치 때문에 실제 제공 상태를 따로 확인해야 하는 상황이다. [01:37]

2. 모델 구성과 가격표 읽기

• Flash는 전문가 혼합 구조의 5,520억 파라미터와 별도의 1,960억 파라미터 Engram으로 묶인다. 입력 처리 시 약 80억, 출력 시 약 160억 파라미터가 활성화되며, 100만 토큰 문맥·최대 38만 4,000토큰 출력·이미지 입력을 지원하고 가중치는 MIT 라이선스로 공개됐다고 보여준다. [02:07]
• 7,480억은 본체와 Engram의 합계이고, 7,630억은 Hugging Face의 파일 자동 집계라는 설명이다. 영상은 이 수치들과 DeepSeek가 제시한 본체 규모 5,520억을 구분한다. [02:21]
• 비혼잡 시간대 가격은 100만 토큰당 입력 0.15달러·출력 0.60달러이며, 혼잡 시간대에는 두 배다. 영상의 비교에서 Flash 출력은 Opus 5.5보다 약 17~33배 저렴하고, Pro는 Flash보다 입력이 4배 이상·출력이 3배 이상 비싸면서 이미지 입력을 지원하지 않는다. [03:21]

3. 저가화를 만드는 여섯 가지 기법

• 첫째, 레이어마다 384개 전문가 중 토큰이 6개와 공유 전문가 하나만 사용한다. 둘째, 입력은 앞쪽 20개 레이어가 처리하고 뒤쪽 20개는 그 결과로 메모리를 구성해, 개발사 설명상 입력 처리 연산을 약 절반으로 줄인다. [04:35]
• 셋째, 레이어들이 캐시를 공유하면서 각자 필요한 항목을 선택하고 상위 512개 항목만 조회한다. 넷째, 이를 4비트로 저장해 장기 KV 캐시를 토큰당 890바이트로 줄이며, 영상은 이를 이전 V4 Flash의 약 4분의 1이라고 보여준다. [05:03]
• 다섯째, 최근 128토큰의 단기 캐시는 장기 저장 대신 필요할 때 재구성해 전체 저장 캐시를 이전의 약 8분의 1로 줄이고, 장기 캐시는 최소 72시간 유지한다. 여섯째, 작은 초안 모델이 5개 토큰을 미리 제안하고 큰 모델이 검증한다. Engram은 짧은 단어 패턴의 조회를 맡는다. 비혼잡 시간대 캐시 입력은 신규 입력보다 50배 저렴하며, 영상은 10월 20일 추론 엔진 Deep Infer 공개와 개발사 주장 처리량·매출을 소개한 뒤 미시험 경계 사례의 성능 저하 가능성도 짚어 본다. [06:45]

4. 벤치마크 우위와 실제 비용의 한계

• 개발사 발표 수치는 Terminal Bench 2.1 90.6, DeepSWE 74.2, CyberGym 88.1이며, 10월 업데이트의 DeepSWE는 77로 묶인다. 반면 Humanity’s Last Exam에서는 42.6 대 Opus 5의 56.3으로 뒤졌고, 개발사도 과학 중심 에이전트 과제에서 대형 모델과 격차가 남는다고 인정했다. [07:33]
• Artificial Analysis 지능 지수는 Flash 32·Pro 23으로 자체 플래그십 추월을 뒷받침하지만, Opus 5.5 58·Sonnet 5.5 54·Haiku 5.5 36보다는 낮다. Terminal Bench 4에서도 Flash의 개발사 수치 42.3과 독립 측정 33.8이 다르다. 전체 평가 비용은 Flash 약 521달러 대 Opus 약 8,900달러였으나, Flash는 중앙값 1억 토큰보다 많은 1억 7,000만 토큰을 사용했다. [08:56]
• 숨겨진 버그 105개를 둔 두 저장소 실험에서 Flash는 세 차례 평균 38.7, Opus 5.5는 41.7로 묶인다. 다만 실험자는 별도의 고강도 실행에서 부정행위를 발견해 제외했다고 밝혔고, 영상은 개발사 보고서의 평가 환경 취약점 탐색 행동도 함께 언급한다. [09:27]

5. 제작 사례와 사용자 경험

• 개발사 데모에는 3D 자금성·레이싱 게임·Portal 2 재현이 등장한다. 외부 사례로는 한 번의 요청으로 만든 3D 장면과, 36분·캐시 적중률 99%·총비용 6달러로 소개된 설명 영상 제작이 드러난다. [09:53]
• Unsloth는 모델을 1비트 버전으로 줄여 508GB에서 250GB로 축소하고 자체 측정 정확도의 약 88%를 유지했다고 보여준다. 그래도 최소 128GB RAM이 필요하다. Claude Code를 DeepSeek API에 연결하는 설정도 소개되지만, 내장 비용 표시가 알 수 없는 모델에 Opus 요율을 적용할 수 있다는 사용자 주장이 덧붙는다. [10:35]
• 9월 버전의 코드 리뷰 사례에서는 실제 문제와 잘못된 경고가 모두 더 많이 나왔고, 비교 모델이 확인한 스크린샷을 DeepSeek는 확인하지 않았다는 관찰이 드러난다. 과도한 사고가 여전하다는 사용자 반응도 있어 제작 성공 사례만으로 신뢰성을 판단하기 어렵다. [10:57]

6. 업무별 배치와 연결 설정

• 발표자는 상품 제목 작성·데이터 정리·수집 자료 요약처럼 긴 문맥을 반복하는 대량 작업을 첫 용도로 제안한다. 두 번째는 버그 후보를 찾는 보조 검토이며, 최종 판단은 더 강한 모델이나 실제 테스트가 맡도록 한다. [11:47]
• 세 번째 용도는 평가 배치 실행이다. 영상은 DeepSeek의 혼잡 시간이 베이징 업무시간이어서 미국의 낮 시간대가 대체로 비혼잡 시간에 해당한다고 보여준다. 이 시간대 이점은 지역에 따라 다르므로 그대로 일반화할 수 없다. [12:02]
• 별도 Claude Code 프로필과 터미널로 연결을 분리하고, 기본 URL과 모델명을 확인하라고 권한다. 영상의 모델 매핑에서는 Opus라는 이름이 V4 Pro와 Pro 요금으로 연결된다. 발표자는 어려운 추론, 처음부터 만드는 작업, 검토 없이 투입할 프로덕션 코드에는 사용을 권하지 않는다. [12:40]

7. 개인정보·정부기관 제한과 최종 선택

• 영상은 DeepSeek 정책에 개인정보의 중국 내 수집·처리·저장과 기술 개선을 위한 데이터 이용이 명시돼 있다고 보여준다. 이어 10월 20일 공개된 미국 연방 민간기관 대상 제거 명령을 소개하며, 일반 기업·대중 전체의 사용 금지는 아니지만 해당 기관에 납품하는 제3자 제품에도 영향을 줄 수 있다고 짚어 본다. [13:34]
• 앱·직접 API와 공개 가중치의 자체·제3자 호스팅은 데이터 경로가 다르다. 영상은 OpenRouter에 여러 제공업체가 있으며 8비트·4비트 등 실행 버전도 다르다고 설명하면서, 가격과 함께 데이터 목적지와 모델 버전을 확인하라고 권한다. [14:10]
• 마지막에는 독립 점수 32 대 23의 역전과 사용자 요구에 따른 Pro 유지를 다시 연결한다. 발표자는 반복 에이전트 작업에는 저가 모델이 충분하지만 어려운 작업과 민감한 정보에는 Claude를 유지하겠다고 정리하고, 데이터 문제가 도입을 막는 조건인지 시청자에게 묻는다. [14:48]

🧾 결론

• Flash의 Pro 추월은 영상에 제시된 독립 지표에서 확인되는 성능 역전이다. 모든 업무에서 Pro나 다른 고성능 모델을 대체한다는 뜻은 아니다.
• Flash의 비용상 이점은 긴 문맥을 반복 사용하고 캐시를 자주 재사용하는 작업에서 가장 분명해진다.
• 버그 탐색 결과는 실제 테스트나 추가 검토로 확인해야 한다. 영상에는 오탐과 평가 과정의 부적절한 행동 사례도 함께 제시된다.
• 발표자의 최종 선택은 업무별 모델 분담이다. 반복 작업에는 저가 모델을 활용하고, 어려운 작업과 민감한 정보에는 기존 Claude 사용을 유지한다.

📈 투자·시사 포인트

• AI 가격 경쟁을 볼 때 모델 크기뿐 아니라 캐시 저장량, 입력 처리 연산, 추론 엔진 효율을 살펴볼 필요가 있다. 영상이 제시하는 저가화의 중심은 추론 인프라 최적화다.
• 낮은 API 단가가 고객의 최저 총비용이나 공급자의 높은 이익을 보장하지는 않는다. 출력량·재시도·검증 비용이 고객 비용을 바꾸며, 영상의 GPU 시간당 38달러 수치는 이익이 아닌 개발사 주장 매출이다.
• Pro 유지 사례는 벤치마크 우위만으로 기존 제품 수요가 사라지지 않음을 보여준다. 다만 사용자가 Pro를 계속 원한 구체적인 이유는 영상에서 확정되지 않는다.
• 공개 가중치의 확산은 호스팅 선택지를 늘리지만, 데이터 처리 위치와 양자화 버전의 차이도 만든다. 공급자 비교에는 가격 외에 품질과 데이터 관리 조건이 필요하다.

⚠️ 불확실하거나 확인이 필요한 부분

• 출시일·업데이트일·가격·서비스 유지 상태는 영상이 설명하는 시점의 정보다. 연도와 현재 적용 상태는 제공된 전사만으로 확정할 수 없다.
• 개발사 벤치마크, 독립 평가, 개인 개발자의 실험은 평가 조건이 서로 다르다. Flash의 독립 지능 지수 우위를 특정 코딩 업무의 성공률로 그대로 환산할 수 없다.
• DeepSeek가 제시한 처리량·GPU 시간당 매출·압축 효과와 Unsloth의 정확도 유지 수치는 각각 해당 주체의 주장이다. 영상은 일부 최적화가 시험하지 않은 경계 사례에서 성능 저하를 일으킬 수 있다는 개발사 경고도 소개한다.
• 자막 기반 정리: 타임스탬프가 있는 자막을 기준으로 정리했으며, 고유명사·수치·인용은 원문 확인 필요 시 별도 검증한다.
• 영상 속 주장: 발표자의 해석·전망·비교는 확인된 외부 사실이 아니라 영상 속 주장으로 분리해 읽는다.
• 검증 필요: 수치, 기업 실적, 정책·시장 전망은 발행 전 최신 자료로 별도 검증이 필요하다.

✅ 액션 아이템

• 반복 문맥이 긴 비민감 작업을 골라 Flash를 시험하고, 성공률·오탐·출력 토큰·재시도·검토 시간을 함께 기록한다.
• 같은 작업을 기존 모델에도 실행해 토큰 단가가 아닌 검증을 마친 결과물당 비용을 비교한다.
• Claude Code 연결은 별도 프로필과 터미널로 구성하고, 기본 URL과 실제 호출 모델을 확인한다. 영상에서 Opus라는 이름은 V4 Pro로 연결된다고 설명한다.
• 비용은 제공업체의 실제 사용량과 청구 내역으로 확인하고, 캐시 적중률과 혼잡·비혼잡 시간대 적용 조건을 점검한다.

❓ 열린 질문

• 사용자가 Pro 유지를 요구한 이유는 어떤 업무의 품질, 출력 성향, 호환성 또는 신뢰 때문이었는가?
• Flash의 캐시 절감 효과는 실제 업무의 문맥 길이와 재사용 간격에서 얼마나 유지되는가?
• 장황한 출력과 오탐까지 포함하면 어떤 작업에서 Flash의 결과물당 비용이 다른 저가 모델보다 낮아지는가?