딥시크가 이미지 입력을 텍스트와 같은 값에 열었다: deepseek-v4-flash-vision-exp 뜯어보기

딥시크가 2026년 8월 21일 공개한 실험 모델 deepseek-v4-flash-vision-exp은 이미지 입력을 받으면서도 과금표가 텍스트 전용인 deepseek-v4-flash와 완전히 동일하다. 공식 API 문서 기준으로 입력 토큰은 캐시 미스 시 100만 토큰당 오프피크 0.22달러와 피크 0.44달러, 출력은 오프피크 0.66달러와 피크 1.32달러이며, 이미지 한 장은 해상도와 무관하게 최대 384토큰으로 계산된다. 요청 하나에 이미지를 600장까지 넣을 수 있고 한 변의 최대 길이는 8,192픽셀이다. ASAP은 딥시크 공식 API 문서를 1차 출처로 정리한다.

이미지 한 장은 384토큰, 과금 단위가 먼저 못 박혔다

딥시크가 문서에서 가장 먼저 확정한 것은 성능이 아니라 과금 단위다. 이미지는 토큰화 전에 대략 800×800 픽셀로 정규화되고, 그 결과 한 장이 소비하는 입력 토큰은 최대 384개로 묶인다. 8,192픽셀짜리 이미지를 넣든 800픽셀짜리를 넣든 상한은 같다.

여기서 나오는 계산은 단순하다. 캐시 미스 오프피크 요율 100만 토큰당 0.22달러를 적용하면 이미지 1,000장은 약 38만 4,000토큰이 되고 입력 비용은 0.09달러 수준이다. 같은 작업을 피크 시간대인 0.44달러 요율로 돌리면 0.17달러가 된다. 딥시크가 정한 피크 시간대는 세계 표준시 기준 월요일부터 금요일까지 01시에서 04시, 06시에서 10시이며 나머지 시간은 모두 오프피크로 절반 값이다.

600장과 8,192픽셀, 그리고 15장에서 바뀌는 규칙

요청 하나에 담을 수 있는 이미지는 최대 600장이다. 한 변의 최대 길이는 8,192픽셀인데, 여기에 조건이 하나 붙는다. 요청에 이미지가 15장 이상 들어가면 최대 변 길이가 4,096픽셀로 내려간다.

전달 방식에 따라 용량 한도도 갈린다. 이미지를 요청 본문에 인라인으로 넣으면 32MiB가 상한이고, Files API로 올린 파일 ID를 참조하면 단일 파일 64MiB까지 가능하며 요청 하나에 담기는 이미지 총량은 200MiB까지 늘어난다. 문서 스캔본이나 프레임 묶음처럼 장수가 많은 작업이라면 인라인이 아니라 파일 업로드 경로를 쓰라는 설계다.

detail 필드는 화질이 아니라 토큰을 고르는 스위치다

요청에는 detail 필드가 있고 값에 따라 처리 방식이 달라진다. low로 두면 이미지를 512×512로 축소해 더 빠르고 싸게 추론하고, high와 original은 원해상도를 유지한다. auto는 현재 original과 동일하게 동작한다고 문서에 명시돼 있다.

auto가 사실상 original이라는 대목은 실무에서 곧바로 의미가 있다. 값을 지정하지 않고 기본값에 맡기면 가장 비싼 경로로 간다는 뜻이기 때문이다. 대량 배치 작업에서 detail을 명시하지 않는 것과 low로 지정하는 것 사이의 차이는 코드 한 줄이지만 청구서에서는 그렇지 않다.

텍스트 모델과 값이 같다는 사실이 이 발표의 본체다

이 출시에서 눈에 띄는 지점은 사양이 아니라 가격표의 위치다. 멀티모달 모델은 대체로 같은 계열의 텍스트 전용 모델보다 비싼 등급에 놓이는데, deepseek-v4-flash-vision-exp은 캐시 히트와 캐시 미스와 출력 세 항목 모두 deepseek-v4-flash와 숫자가 같다. 같은 문서에 실린 deepseek-v4-pro는 출력이 오프피크 100만 토큰당 1.98달러로 flash 계열의 세 배다.

이 배치가 뜻하는 바는 이미지 이해가 별도 상품이 아니라 가장 싼 등급의 기본 기능으로 내려왔다는 것이다. 지금까지 이미지 입력은 쓸지 말지를 비용으로 먼저 판단하는 기능이었고, 문서 파싱이나 스크린샷 판독 같은 작업은 장당 단가를 계산해 본 뒤 사람이 하는 편이 낫다는 결론이 나오는 경우가 많았다. 장당 384토큰이라는 상한과 flash 요율이 겹치면 그 계산의 결과가 달라진다.

동시에 캐시 히트 요율이 100만 토큰당 오프피크 0.007달러로 캐시 미스의 31분의 1이라는 점도 같이 봐야 한다. 같은 이미지를 반복 참조하는 구조를 짜느냐 매번 새로 올리느냐에 따라 실제 비용은 30배 넘게 갈린다. 공개된 표에서 가장 큰 변수는 모델 선택이 아니라 캐시 설계다.

벤치마크 없이 나온 모델

주의해서 읽어야 할 부분도 분명하다. 딥시크의 공식 API 문서에는 이 모델의 벤치마크 수치가 실려 있지 않다. 사양과 한도와 가격은 명확한데 성능을 재는 숫자가 없다. 모델 이름에 붙은 exp이라는 접미사와 "실험적으로 이미지 입력을 추가로 받는 모델"이라는 설명이 딥시크가 스스로 규정한 위치다.

출시 직후 해외 매체에서 이 모델이 에이전트 계열 벤치마크에서 상위 모델에 근접했다는 보도가 나왔으나, ASAP은 딥시크 공식 문서에서 그 수치를 확인하지 못했다. 확인되지 않은 성능 주장을 근거로 도입을 결정하는 것은 위험하고, 현재 검증 가능한 것은 성능이 아니라 비용 구조와 입력 한도라는 점을 분명히 해 둔다.

exp가 붙은 모델을 실서비스에 넣기 전에

실험 딱지가 붙은 모델은 두 가지 성질을 함께 가진다. 값이 싸고 접근이 열려 있다는 것과, 예고 없이 동작이 바뀌거나 내려갈 수 있다는 것이다. 문서에 명시된 auto가 지금은 original과 같게 동작한다는 표현 자체가 향후 변경 가능성을 담고 있다.

그래서 이 모델을 붙일 자리는 실패 비용이 낮은 쪽이다. 대량 문서 분류의 1차 필터, 스크린샷 기반 로그 정리, 이미지 메타데이터 초안 생성처럼 결과를 사람이나 다른 모델이 다시 걸러 주는 단계가 적합하다. 반대로 결과가 그대로 사용자에게 나가거나 되돌리기 어려운 판단에 쓰는 것은 벤치마크가 공개되기 전까지 미루는 편이 낫다. 무엇보다 exp 모델은 언제든 사라질 수 있으므로, 이 모델에 직접 의존하는 코드가 아니라 교체 가능한 어댑터 뒤에 두는 설계가 필요하다.

호환 API와 하네스 개발자 프리뷰가 같이 나온 이유

같은 문서에서 딥시크는 자사 API가 OpenAI 및 Anthropic 형식과 호환된다고 밝히고, 클로드 코드와 깃허브 코파일럿과 오픈코드 같은 도구와의 연동을 안내한다. 여기에 자체 하네스가 개발자 프리뷰 상태라는 항목이 함께 올라와 있다.

이 조합은 우연이 아니다. 형식 호환은 전환 비용을 낮추는 장치이고, 하네스는 모델을 실제 작업으로 연결하는 실행 계층이다. 모델 성능 자체보다 실행 계층의 설계가 결과를 좌우한다는 인식이 여러 진영에서 동시에 나오는 중이며, 딥시크의 이번 묶음도 같은 방향을 가리킨다. 값싼 이미지 입력과 기존 도구에 그대로 꽂히는 인터페이스와 자체 실행 계층을 한꺼번에 내놓는 것은, 모델을 파는 대신 모델이 들어갈 자리를 먼저 확보하는 전략에 가깝다.

한국 팀이 지금 계산해 볼 것

국내에서 이 사양이 즉시 의미를 갖는 작업은 장수가 많고 판단이 단순한 쪽이다. 계약서와 세금계산서 스캔본 처리, 매장 진열 사진 점검, 광고 소재 검수, 앱 화면 회귀 테스트 같은 작업은 이미지 수천 장 단위로 반복되고 장당 단가가 도입 여부를 갈랐다. 요청당 600장이라는 한도와 15장 이상에서 변 길이가 4,096픽셀로 낮아지는 조건은 배치 크기를 설계할 때 먼저 확인해야 할 숫자다.

다만 국내 도입에는 문서에 적히지 않은 항목이 남는다. 데이터가 어디로 가는지, 학습에 쓰이는지, 개인정보가 포함된 이미지를 보내도 되는지는 가격표가 답해 주지 않는다. 스캔 문서와 매장 사진과 앱 화면은 모두 개인정보와 영업 비밀이 섞이기 쉬운 자료이며, 값이 싸다는 이유는 이 검토를 건너뛸 근거가 되지 않는다. 비용 계산과 반입 심사는 별개의 단계다.

남는 질문

공개된 정보로 답할 수 없는 것이 세 가지다. 첫째는 성능이다. 384토큰으로 압축된 이미지 표현이 표와 도면과 작은 글씨를 어디까지 읽어 내는지는 공식 수치가 없어 직접 측정하는 수밖에 없다. 둘째는 지속성으로, exp 모델이 정식 등급으로 승격될지 조용히 내려갈지에 대한 언급은 문서에 없다.

셋째는 이 가격이 유지되는지다. 이미지 입력을 텍스트와 같은 값에 붙인 것은 실험 단계의 가격 정책일 수 있고, 정식 출시 때 별도 등급으로 분리될 가능성이 열려 있다. 지금 이 모델을 검토하는 팀이라면 성능 검증과 비용 검증을 같은 주에 끝내되, 그 결과를 이 모델 하나에 묶지 말고 이미지 입력 단가가 이 수준까지 내려왔을 때 무엇이 가능해지는지를 재는 실험으로 다루는 편이 안전하다.

출처: DeepSeek API Documentation(api-docs.deepseek.com) 모델·가격·비전 가이드 문서 기반 ASAP 정리.