구조는 그대로, 훈련만 다시: 딥시크 V4-Flash가 증명한 것
2026년 7월 31일, 딥시크가 V4-Flash-0731을 공개했습니다. 4월 24일 프리뷰를 대체하는 정식판입니다. 총 2,840억(284B) 파라미터에 토큰당 130억(13B)만 켜지는 전문가 혼합 모델이고, 문맥은 100만 토큰입니다.
숫자만 보면 "싼 모델이 비싼 모델을 따라잡았다"는 익숙한 이야기로 읽힙니다. 그런데 모델카드의 한 문장이 이 발표의 성격을 바꿉니다. 아키텍처와 크기는 바뀌지 않았고, 향상은 후반 학습을 다시 한 결과라는 것입니다. 같은 뼈대에 같은 파라미터 수인데 에이전트 능력만 크게 올랐습니다.
이 글은 그 지점을 기술적으로 파고듭니다. 무엇이 실제로 바뀌었고, 왜 그게 중요하며, 무엇은 아직 검증되지 않았는지까지 갈라 읽었습니다.
1. 진짜 헤드라인: 작은 모델이 자기네 플래그십을 이겼습니다
가장 눈에 띄는 사실은 경쟁사와의 비교가 아니라 집안 싸움에 있습니다.
V4-Pro는 총 1.6조 파라미터에 활성 490억입니다. V4-Flash는 2,840억에 활성 130억입니다. 총량으로 5.6배, 실제 연산량으로 3.8배 작은 모델이 에이전트 벤치마크 9개에서 모두 이겼습니다. DeepSWE에서는 4.3배 차이입니다.
이게 왜 놀라운가 하면, 지난 몇 년간 우리는 "더 크면 더 잘한다"를 기본값으로 받아들였기 때문입니다. 그런데 여기서는 같은 회사의, 같은 계보의, 5배 큰 모델이 작은 모델에게 에이전트 과제에서 집니다. 차이를 만든 것은 파라미터가 아니라 후반 학습을 다시 했느냐입니다.
2. 무엇이 얼마나 뛰었나
프리뷰와 정식판의 차이를 보면 도약의 크기가 드러납니다. 다시 강조하면 두 모델은 같은 아키텍처, 같은 크기입니다.
| 에이전트 벤치마크 | 프리뷰 (4월) | 정식판 (7월 31일) | 변화 |
|---|---|---|---|
| DeepSWE | 7.3 | 54.4 | 7.5배 |
| Cybergym | 38.7 | 76.7 | 2.0배 |
| AutomationBench | 10.8 | 25.1 | 2.3배 |
| 터미널벤치 2.1 | 61.8 | 82.7 | +20.9 |
| 툴애슬론(검증) | 49.7 | 70.3 | +20.6 |
| NL2Repo | 39.4 | 54.2 | +14.8 |
| 에이전트 최종시험 | 15.8 | 25.2 | +9.4 |
딥시크 자체측정. DSBench-FullStack 68.7, DSBench-Hard 59.6도 함께 공개됐으나 프리뷰 대조값이 없습니다.
DeepSWE의 7.3에서 54.4는 특히 극적입니다. 7.3점은 사실상 "이 과제를 거의 못 한다"는 뜻이고, 54.4는 "동급 최상위와 겨룬다"는 뜻입니다. 같은 신경망이 반년도 안 되는 사이에, 파라미터 하나 늘리지 않고 이 구간을 건넜습니다.
3. 그래서 후반 학습에서 무슨 일이 있었나
딥시크는 이번 개선의 세부 레시피를 공개하지 않았습니다. 그래서 여기서부터는 공개된 V4 기술 리포트와 업계의 수렴된 관행에 근거한 해석입니다.
V4 계보의 리포트가 밝힌 후반 학습의 뼈대는 분야별 전문가를 따로 키운 뒤 하나로 합치는 방식입니다. 도메인별 전문가 모델을 독립적으로 학습시키고, 10개의 교사 모델을 하나의 학생으로 증류해 합칩니다. 이 구조는 키미 K3의 MOPD나 업스테이지의 12개 전문가 통합과 같은 계열입니다. 2026년의 프런티어 랩들이 나란히 도달한 문법입니다.
에이전트 능력이 이렇게 크게 오르려면 무엇이 필요한지는 이 시리즈에서 다룬 그대로입니다. 검증 가능한 환경입니다. 터미널을 열고, 저장소를 고치고, 도구를 호출하고, 성공 여부가 기계적으로 채점되는 환경 안에서 강화학습을 돌려야 합니다. 키미 K3가 5,122만 개의 샌드박스를 만든 것도, 업스테이지가 11산업 모의 업무환경을 지은 것도 같은 이유입니다.
이 관찰의 함의가 큽니다. 사전학습은 여전히 비싸고 느리지만, 에이전트 능력은 후반 학습 주기로 개선됩니다. 즉 이미 지어둔 모델을 두고도 몇 달 단위로 경쟁력을 재장전할 수 있다는 뜻입니다. 컴퓨트가 제한된 진영에게 이건 대단히 유리한 구조이고, 중국 랩들이 자원 제약 속에서 프런티어를 추격하는 방식의 최신 사례이기도 합니다.
4. 그래도 구조 혁신은 이전 세대에 있었습니다
"훈련만으로 됐다"는 말이 "구조는 평범하다"는 뜻은 아닙니다. V4-Flash가 물려받은 V4 계보의 아키텍처 자체가, 100만 토큰을 싸게 다루기 위한 설계입니다.
핵심은 압축을 두 단계로 나눈 것입니다. 한쪽(압축 희소 어텐션)은 적당히 압축한 뒤 라이트닝 인덱서로 관련 있는 상위 토큰만 골라 읽고 슬라이딩 윈도로 가까운 문맥을 보강합니다. 다른 한쪽(고압축 어텐션)은 훨씬 세게 압축하는 대신 그 요약본은 전부 읽습니다. 앞엣것이 정밀도를, 뒤엣것이 전역 맥락을 담당하는 분업입니다.
잔차 연결도 바꿨습니다. 층에서 층으로 정보를 넘길 때 하나의 통로가 아니라 여러 갈래를 토큰마다 섞어 쓰고, 싱크혼 정규화로 그 혼합을 안정화합니다. 회사 발표 기준으로 이 설계가 100만 토큰 구간에서 연산량을 27퍼센트로, KV 캐시를 10퍼센트로 줄입니다(V3.2 대비, V4-Pro 기준 수치).
여기서 앞선 글들과의 대비가 흥미롭습니다. 업스테이지 솔라 오픈 2는 층의 4분의 3을 선형 어텐션으로 바꿔 장부 자체를 없앴고, SKT A.X K2는 잠재 압축에 희소 인덱서를 얹었습니다. 딥시크 V4는 압축을 두 강도로 나눠 섞었습니다. 긴 문맥을 싸게 만드는 방법이 세 갈래로 갈라져 각자 프로덕션에 들어간 상태입니다.
5. 가격: 90분의 1이 맞는 범위
주신 내용의 "오퍼스 4.8 대비 90분의 1"은 정확히 어디까지 맞는지 확인했습니다.
| 항목 | V4-Flash | 클로드 오푸스 4.8 | 배수 |
|---|---|---|---|
| 출력 100만 토큰 | $0.28 | $25 | 89배 |
| 입력 100만 토큰 (캐시 미스) | $0.14 | $5 | 36배 |
| 입력 100만 토큰 (캐시 히트) | $0.0028 | $5 | 1,786배 |
"90분의 1"은 출력 기준으로 정확합니다. 입력은 36배 차이이고, 캐시가 맞으면 1,786배까지 벌어집니다. 에이전트 작업은 같은 프롬프트 앞부분을 반복해서 넣는 경우가 많아 캐시 히트율이 높은데, 그 구간에서 원가 차이가 극단으로 벌어집니다. 동시 요청 한도도 2,500으로 V4-Pro의 500보다 다섯 배 넉넉합니다. 이건 "싸다"를 넘어 에이전트를 대량으로 굴리라고 설계한 가격표입니다.
여기에 오픈AI의 응답 API 형식을 기본 지원해 코덱스 계열 도구에 바로 붙습니다. 출력은 최대 38만 4천 토큰까지 나옵니다.
6. 정직하게: 아직 검증되지 않은 것들
인상적인 발표일수록 경계를 분명히 해야 합니다. 세 가지가 미확인 상태입니다.
첫째, 모든 에이전트 점수가 벤더 자체측정입니다. 출시 시점 기준 제3자 재현은 없습니다.
둘째, 채점에 쓴 하니스가 공개되지 않았습니다. 코드 에이전트 과제를 "딥시크 하니스의 최소 모드"로 돌렸다고 밝혔는데, 그 하니스가 공개되지 않았습니다. 에이전트 벤치마크는 하니스에 따라 점수가 크게 흔들립니다. 이번 세션에서 본 사례만 봐도, 같은 모델을 다른 하니스로 재면 SWE-bench에서 5점 넘게 차이가 났습니다.
셋째, 정식판의 가중치 공개 상태가 불분명합니다. V4 계열 프리뷰 가중치는 MIT 라이선스로 공개돼 있지만, 0731 정식판에 해당하는 저장소는 출시 시점에 확인되지 않는다는 보도가 있습니다. 오픈 웨이트인지 API 전용인지가 정리되기 전까지는 "공개 모델"로 단정하기 이릅니다.
7. 경쟁 위치를 정확히 하면
주신 내용의 "GLM-5.2를 훌쩍 뛰어넘고 오푸스 4.8에 근접했다"는 벤치마크마다 다르게 성립합니다.
| 벤치마크 | V4-Flash | GLM-5.2 대비 | 오푸스 4.8 대비 |
|---|---|---|---|
| AutomationBench | 25.1 | +12.2 (약 2배) | −2.1 |
| 툴애슬론(검증) | 70.3 | +10.4 | −5.9 |
| DeepSWE | 54.4 | +8.2 | −3.6 |
| NL2Repo | 54.2 | +5.3 | −15.5 |
| 에이전트 최종시험 | 25.2 | +1.4 | −0.5 |
| 터미널벤치 2.1 | 82.7 | +1.7 | −2.3 |
| Cybergym | 76.7 | (미보고) | −6.4 |
정확한 문장은 이렇습니다. 자동화와 도구 사용 계열에서는 GLM-5.2를 크게 앞서고 오푸스 4.8과 사실상 어깨를 나란히 합니다. 반면 터미널벤치처럼 GLM과의 격차가 1.7점에 그치는 항목도 있고, 저장소 규모의 코드 생성(NL2Repo)에서는 오푸스에 15.5점 뒤집니다. "전반적으로 근접"보다는 과제 종류에 따라 갈린다는 쪽이 사실에 가깝습니다.
8. 그래서 V4-Pro는 키미를 이길까
며칠 뒤 나온다는 V4-Pro 정식판에 대한 질문입니다. 현재 공개된 독립 측정치는 이렇습니다.
| 지표 | 키미 K3 | V4-Pro (프리뷰) |
|---|---|---|
| 아티피셜 애널리시스 종합지수 | 57 | 44 |
| 터미널벤치 2.1 | 88.3 | 62.1 |
| 규모 | 2.8조 / 활성 1,040억 | 1.6조 / 활성 490억 |
| 멀티모달 | 지원 | 미지원 |
지금 상태로는 키미 K3가 뚜렷이 앞섭니다. 다만 이 표의 V4-Pro는 프리뷰이고, 바로 그 프리뷰가 이번에 후반 학습을 다시 한 Flash에게 9개 벤치마크 전부에서 졌습니다.
그래서 진짜 질문은 규모가 아닙니다. Flash를 7.3에서 54.4로 끌어올린 그 후반 학습 레시피가 Pro에도 그대로 옮겨붙느냐입니다. 옮겨붙는다면 Pro의 점수는 크게 오를 것이고, 그때 비교는 다시 해야 합니다. 다만 두 가지는 짚어둘 만합니다. 키미 K3는 오픈 웨이트를 이미 공개했고 네이티브 멀티모달을 갖췄으며, 코드 에이전트 하니스 문제에서도 상대적으로 검증이 더 쌓여 있습니다. 점수 하나로 정해질 문제가 아닙니다.
정리
V4-Flash-0731의 기술적 의미는 "싼 모델이 비싼 모델을 따라잡았다"가 아닙니다. 아키텍처도 크기도 그대로 둔 채, 후반 학습만 다시 해서 자기네 5.6배 큰 플래그십을 에이전트 전 영역에서 이겼다는 것입니다. DeepSWE의 7.3에서 54.4는 그 사실을 가장 선명하게 보여주는 숫자입니다.
이 관찰이 향하는 곳은 분명합니다. 에이전트 능력은 파라미터에 새겨지는 것이 아니라, 검증 가능한 환경에서 반복해 채점받은 경험에 새겨집니다. 그렇다면 앞으로의 경쟁력은 누가 더 큰 모델을 지었는가보다, 누가 더 좋은 채점 환경을 가졌는가에서 갈릴 가능성이 큽니다. 딥시크는 그 환경을 시뮬레이션으로 지었고, 그 결과를 API 가격표로 환산해 내놨습니다.
물론 지금 나온 숫자는 전부 회사가 잰 것이고, 하니스는 공개되지 않았으며, 가중치 상태도 정리되지 않았습니다. 독립 재현이 나오기 전까지 이 글의 모든 수치는 "발표 기준"으로 읽으시는 편이 안전합니다.
본 글은 딥시크가 공개한 모델카드·기술 리포트와 관련 보도를 근거로 한 산업·기술 분석이며, 특정 종목에 대한 판단을 담고 있지 않습니다. 벤치마크 점수는 별도 표기가 없으면 딥시크 자체측정이고, 출시 시점 기준 제3자 재현이 없습니다. 채점 하니스가 공개되지 않아 독립 검증이 제한되며, 후반 학습의 구체적 방법은 회사가 공개하지 않아 관련 서술은 공개된 V4 리포트와 업계 관행에 근거한 해석입니다. 정식판 가중치의 공개 여부는 확인되지 않았습니다.
주요 출처: DeepSeek-V4-Flash-0731 모델카드 및 출시 보도(MarkTechPost·Digital Applied·TechTimes, 2026-07-31), DeepSeek-V4 기술 리포트(arXiv 2606.19348), API 가격 비교 자료, 아티피셜 애널리시스 지표, 시리즈 선행 글(키미 K3·솔라 오픈 2·A.X K2·피드백 루프 공학).