피로에 살고 피로에 죽자

어제 개발자 타임라인이 온통 딥시크 얘기로 채워지더라고요. 딥시크가 새 모델 DeepSeek-V4.1-Flash를 공개했는데, 이름만 보면 그냥 경량 모델 업데이트 같지만 내용을 들여다보면 꽤 흥미로운 구석이 많거든요.

제일 눈에 띄는 건 구조예요. 552B 파라미터 MoE인데, 딥시크는 이걸 "비대칭 아키텍처"라고 부르더라고요. 새로 들고 나온 Causal Encoder-Decoder 구조에서 입력 처리에는 8B, 출력 생성에는 16B 파라미터만 활성화된다고 하네요. 입력과 출력에 서로 다른 예산을 쓴다는 발상이 개인적으로 재밌었어요. 그리고 딥시크는 새 사전학습 기법과 더 큰 규모의 RL 사후학습 덕분에 이 Flash 모델이 자사 플래그십인 V4-Pro보다 벤치마크 성적이 앞선다고 밝혔어요.

실무적으로 더 와닿았던 건 KV 캐시 쪽이에요. 이전 세대 대비 HBM은 1/4, SSD 저장 공간은 1/8만 있으면 된다고 합니다. 딥시크는 에이전트 비용에서 캐시 히트 과금이 차지하는 비중이 크다는 점을 짚으면서, 캐시를 줄인 게 곧 비용 절감이라고 설명하더라고요. 요즘 에이전트 돌려보면 토큰 요금이 은근히 무섭잖아요. 이 부분 체감이 어떨지 좀 궁금해지네요.

그래서인지 V4-Pro를 아예 접는다고 해요. 9월 14일 04:00 UTC부터 deepseek-v4-pro로 들어오는 요청은 전부 V4.1-Flash로, 그것도 Flash 요금으로 라우팅된다고 하네요. 플래그십을 경량 모델이 밀어내는 그림이라 좀 낯설긴 합니다. 새 요금제는 9월 10일 04:00 UTC부터 적용됐고, 오프피크 시간대는 피크 대비 50% 가격이라 배치성 작업은 시간대를 옮기는 것만으로도 절반이 되는 셈이에요.

배경을 보면 흐름이 꽤 일관돼요. V3.2에서는 Sparse Attention으로 API 가격을 절반 넘게 내렸고, V4에서는 100만 토큰 컨텍스트를 싸게 쓰자는 얘기를 했고, 이번엔 캐시를 줄였거든요. 모델을 무조건 키우는 경쟁이 아니라 같은 성능을 얼마나 싸게 굴리느냐에 계속 초점을 맞추고 있는 느낌이에요. 가중치와 기술 리포트도 Hugging Face에 올라와 있고, API에서는 모델명을 deepseek-flash로 바꾸면 바로 쓸 수 있습니다. 네이티브 멀티모달도 지원한다고 하고요.

벤치마크 숫자야 늘 그렇듯 실사용에서 어떻게 나오는지가 진짜겠죠. 저도 조만간 에이전트 워크로드에 한 번 붙여보고 캐시 비용이 정말 눈에 띄게 줄어드는지 확인해 보려고요. 혹시 먼저 써보신 분 계시면 후기 궁금합니다.

출처: DeepSeek 공식 발표 https://deepseek.com/en/news/deepseek-v4-1-flash/ / Hugging Face https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash