First Look at DeepSeek-V4.1-Flash: Cheap, Effective, & Open Weights
Quick Summary
DeepSeek V4.1 Flash는 저렴한 비용과 공개 가중치를 강점으로 실용적인 제작 성능을 보여줬지만, 이번 첫 체험에서는 속도와 결과물 완성도에 한계가 있었다.
영상 보기
클릭 전까지는 가벼운 미리보기만 먼저 불러옵니다.
🖼️ 인포그래픽
🖼️ 4컷 인포그래픽
💡 한 줄 결론
DeepSeek-V4.1-Flash는 저렴한 비용과 공개 가중치를 강점으로 실용적인 제작 성능을 보여줬지만, 이번 첫 체험에서는 속도와 결과물 완성도에 한계가 있었다.
📌 핵심 요점
- 공개 가중치·멀티모달 모델로 소개되며, 입력량이 많은 에이전트의 비용을 줄이기 위해 KV 캐시 축소에 집중한 구조가 핵심이다.
- 발표자가 설명한 사양은 총 5,520억 파라미터, 프리필 시 80억·디코드 시 160억 활성 파라미터, 100만 토큰 컨텍스트다. 글로벌 KV 캐시는 토큰당 890바이트로 제시된다.
- 일부 벤치마크에서는 상위 모델과 경쟁하지만, 전문 지식·과학 추론·어려운 코딩 과제에서는 격차가 남는다고 설명한다. 벤치마크만으로 실사용 성능을 판단하지 않는 것이 영상의 평가 방식이다.
- 네 가지 제작 과제의 결과는 엇갈렸다. 3D 미니게임은 좋은 첫인상을 줬고, 소닉풍 게임은 원본 자산 재사용이 돋보였다. 반지의 제왕 장면은 이전 DeepSeek보다 개선됐지만 비교 모델보다 덜 정교했고, 공룡 랜딩 페이지는 상호작용 요구를 잘 따르면서도 스크롤 영상 구현에 실패했다.
- 영상에서 제시한 API 단가는 100만 토큰당 입력 0.15달러·출력 0.60달러이며, 네 작업의 최종 비용은 할인 적용 환경에서 2.15달러였다. 다만 한 작업은 4시간 44분이 걸려 비용과 대기 시간을 함께 평가해야 한다.
🧩 배경과 문제 정의
이 영상은 DeepSeek-V4.1-Flash의 구조와 가격을 소개한 뒤, 발표자가 다른 모델에도 사용했던 제작 과제로 실용성을 살펴보는 첫 체험이다. 핵심 문제는 입력을 많이 읽는 장기 실행 에이전트에서 프리필과 KV 캐시가 비용·메모리·대역폭 부담을 키운다는 것이다.
발표자는 캐시를 줄인 구조가 저렴한 서비스 비용으로 이어질 수 있다고 설명하면서, 벤치마크상의 경쟁력이 실제 게임·3D 장면·웹페이지 제작에서도 나타나는지 확인한다. 평가는 제공된 자막에 담긴 설명과 관찰에 한정되며, 독립적인 성능 검증 결과는 아니다.
🕒 시간순 섹션별 상세정리
1. 3D 미니게임으로 보여주는 첫인상
- 에너지 조각을 모으고 드론을 피하는 비행체 미니게임을 시연하며, 이전 모델로 만든 결과보다 입체감과 외관이 좋다고 평가한다. [00:46]
- 이 결과를 이번 주 공개됐다고 소개한 DeepSeek-V4.1-Flash가 만들었다고 드러낸다. [00:58]
2. 공개 가중치 모델의 소개와 비교 방식
- 공개 가중치와 멀티모달 기능, KV 캐시 축소에 집중한 구조를 주요 특징으로 보여준다. [01:37]
- 다른 모델에도 사용했던 간단한 과제를 반복해 비교하겠다고 보여준다. 이어 Agent Wikis의 무료·유료 콘텐츠를 홍보한 뒤 본론으로 돌아간다. [02:44]
3. 입력 중심 에이전트의 비용 문제와 구조
- 장기 실행 에이전트는 쓰기보다 읽기가 많아 프리필 비용이 높고, KV 캐시가 HBM·SSD·대역폭에 부담을 준다고 보여준다. [03:03]
- 인코더의 최종 상태에서 디코드용 KV를 투영하는 구조를 소개하며, 프리필 80억·디코드 160억 활성 파라미터와 총 5,520억 파라미터를 제시한다. [03:24]
- 100만 토큰 컨텍스트와 토큰당 890바이트의 글로벌 KV 캐시를 언급하고, 캐시 압축이 에이전트 비용 절감으로 이어진다고 보여준다. [04:09]
4. 벤치마크 경쟁력과 어려운 과제의 격차
- 일부 벤치마크에서는 이전 DeepSeek와 비교 대상 모델을 앞서지만, 코딩 관련 항목에서도 결과가 일관되지는 않다고 보여준다. [04:58]
- 벤치마크를 그대로 신뢰하기 어렵기 때문에 실제 작업으로 시험해야 한다고 강조한다. [05:08]
- Humanity’s Last Exam 점수는 36.8로 소개되며, 비교 대상의 56.3·44.5보다 낮다. 전문 지식과 과학 수준 과제, 가장 어려운 코드 에이전트 과제에서는 격차가 남는다고 정리한다. [05:48]
5. 모델 규모와 공개 가중치의 실행 조건
- V4 Pro의 약 3분의 1 파라미터 규모로 일부 평가에서 비슷하거나 더 좋은 성능을 냈다고 보여준다. [06:07]
- Hugging Face에 가중치가 공개됐지만 DGX Spark 한 대에는 너무 크고, 두 대에서도 가능할지 빠듯하다는 추정을 덧붙인다. [06:27]
6. API 가격과 소닉풍 게임의 실험 설정
- 당시 가격을 100만 토큰당 입력 0.15달러·출력 0.60달러로 보여준다. 더 큰 비교 모델들보다는 저렴하지만, 영상에서 함께 언급한 저가 모델보다 비싸다고 보여준다. [07:18]
- 기존 게임 자산을 재사용해 소닉풍 게임을 만드는 동일 프롬프트를 적용한다. New Portal을 사용해 비용을 추적하며, 연결 문제로 일부 시간이 지연됐을 가능성을 언급한다. [08:07]
7. 소닉풍 게임의 자산 활용과 완성도
- 로고·코인·지형 텍스처·아이콘 등 원본 게임 요소를 많이 재사용했고, 조작감과 물리, 속도감도 괜찮다고 평가한다. [08:54]
- 한 번의 생성으로 나온 결과라는 점은 긍정적이지만, 구름 등 시각 요소가 다소 어수선하고 Astra·Fable 결과보다 덜 정돈됐다고 판단한다. [10:14]
8. 반지의 제왕 장면 생성과 긴 작업 시간
- 소설 첫 문단과 참고 이미지를 바탕으로 Three.js 세계와 재생 가능한 영화적 장면을 만들도록 Hermes Agent에서 지시한다. [11:32]
- 작업에는 4시간 44분이 걸렸으며, 그중 일부가 연결 대기였을 수 있어 전체 시간을 순수 작업 시간으로 보기는 어렵다고 보여준다. [12:00]
- 불꽃놀이 등은 괜찮지만 재생이 버벅이며, 장면의 정교함은 Opus 5 수준에 못 미친다고 평가한다. [12:48]
9. 이전 DeepSeek 대비 개선과 중간 비용
- 이전 V4 Flash 결과와 비교하면 인물과 색채가 늘었고 야간 장면 등에서 개선이 보이지만, 이번 Three.js 과제에서는 Opus 5보다 아래라고 정리한다. [13:58]
- 미니게임·소닉풍 게임·소설 장면의 누적 비용을 언급하지만, 자막의 '$184' 표기는 마지막 총액과 맞지 않아 정확한 값은 확인이 필요하다. [14:15]
10. 공룡 랜딩 페이지의 요구사항과 비교 기준
- Sunny Dinosaur의 이미지·영상 자산으로 장난스럽고 시각적으로 매력적인 랜딩 페이지를 요청한다. 스크롤 영상, 최소 세 가지 추가 상호작용, 원활한 브라우저 실행이 조건이다. [14:58]
- 기존 비교 결과에서는 Fable의 스크롤 영상과 상호작용을 높게 평가하고, Astra는 밋밋하며 상호작용 구현이 부족했다고 보여준다. [15:46]
- 이미지와 영상을 살펴 활용해야 하는 멀티모달 과제로 소개하며, DeepSeek의 작업은 31분 만에 끝났다고 드러낸다. [16:18]
11. 랜딩 페이지의 성과와 빠진 기능
- 페이지 외관은 괜찮지만, 요구했던 스크롤 구간에서 영상이 실제로 재생되지 않는 문제를 발견한다. [16:53]
- 색상 변경과 아이콘 반응, 마우스를 올리면 재생되는 영상 등 여러 상호작용은 긍정적으로 평가한다. [17:57]
- 최소 세 가지 상호작용을 구현했다는 점에서 Astra보다 낫지만 Fable에는 못 미친다고 정리한다. 스크롤 영상 실패는 남아 있다. [18:58]
12. 최종 비용과 첫 체험의 결론
- 전반적으로 다소 느리지만 저렴하다는 평가로 마무리하며, 네 작업에 총 2.15달러가 들었다고 드러낸다. [19:17]
- New Portal 할인으로 통상 가격보다 저렴했다고 덧붙이고, 마지막 24시간 비용이 2.15달러임을 다시 확인한다. [19:38]
- 시청자의 사용 경험을 요청하고 KV 캐시 구조를 더 깊게 다룰 가능성을 언급한 뒤 영상을 끝낸다. [20:06]
🧾 결론
- 이번 결과는 정해진 몇 가지 프롬프트로 살펴본 첫 체험이다. 모델 전체의 우열보다 작업별 강점과 약점을 보여주는 사례로 읽는 편이 적절하다.
- 저렴한 반복 제작과 기존 자산 활용에는 가능성이 있지만, 시각적 완성도와 세부 기능 충족 여부는 결과물을 직접 확인해야 한다.
- 공개 가중치가 곧 손쉬운 로컬 실행을 뜻하지는 않는다. 발표자도 모델 크기 때문에 개인용 장비에서의 구동 가능성을 신중하게 언급한다.
📈 투자·시사 포인트
- 에이전트의 읽기 작업이 늘어날수록 입력 처리와 KV 캐시 효율이 서비스 원가의 중요한 경쟁 요소가 될 수 있다는 설명이다.
- 낮은 토큰 단가는 반복 실험의 부담을 줄이지만, 대기 시간과 수정 작업까지 포함한 실제 완료 비용을 별도로 따져야 한다.
- 공개 가중치는 자체 운영을 검토할 선택지를 제공하지만, 영상에 나온 모델 규모를 고려하면 장비·메모리 비용 검토가 선행돼야 한다.
- 이 영상에는 기업 실적이나 가치평가 자료가 없다. 투자 판단에서는 특정 종목의 수혜보다 모델 가격 경쟁과 작업별 대체 가능성을 살펴보는 근거로 제한하는 것이 적절하다.
⚠️ 불확실하거나 확인이 필요한 부분
- 자막에는 모델명·벤치마크명·숫자의 전사 오류가 보인다. 초반의 파라미터 표기는 뒤의 552 billion 설명과 다르므로, 사양은 원자료 확인이 필요하다.
- 중간 누적 비용은 자막에 '$184'로 나오지만, 마지막에는 네 작업 전체가 2.15달러였다고 반복한다. 중간 수치를 임의로 1.84달러로 확정할 수 없다.
- 최종 비용에는 New Portal 할인이 포함됐으며, 할인율도 자막에서 '50 or 20%'로 불명확하다. 이를 일반 이용자의 표준 비용으로 환산하기 어렵다.
- 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
- 실제 도입 전 공개된 모델 사양, 가중치 이용 조건, 현재 API 가격과 할인 조건을 확인한다.
- 자신의 대표 작업에 동일한 프롬프트와 자산을 사용해 비용·완료 시간·수정 횟수를 기록한다.
- 게임은 조작감·물리·자산 재사용·시각적 완성도를 나누어 평가한다.
- 랜딩 페이지는 스크롤 영상과 최소 세 가지 상호작용을 각각 실행해 요구 충족 여부를 확인한다.
❓ 열린 질문
- 연결 상태가 안정적일 때도 장시간 작업의 완료 시간이 길게 유지되는가?
- 할인 없이 재시도와 수정 비용까지 포함해도 다른 모델 대비 비용 이점이 유지되는가?
- KV 캐시 축소의 효과가 실제 긴 문맥 에이전트 작업에서 비용과 처리량 개선으로 얼마나 이어지는가?
