딥시크가 1조 6,000억 파라미터 V4-Pro를 내리고 5,520억 V4.1-Flash를 그 자리에 앉힌다

딥시크는 2026년 9월 10일 DeepSeek-V4.1-Flash를 공개하면서 같은 날 04시(UTC)부터 새 가격표를 적용했고, 2026년 9월 14일 04시(UTC)부터 기존 플래그십 deepseek-v4-pro 호출을 전부 새 모델로 넘겨 V4.1-Flash 단가로 과금한다고 공지했다. 새 모델의 백본 파라미터는 5,520억 개로 V4-Pro의 1조 6,000억 개보다 작고, 토큰당 활성 파라미터는 프리필 80억 개와 디코드 160억 개에 그친다. 더 작은 모델이 더 큰 모델의 자리를 넘겨받는 교체이며, 딥시크 자신의 비교표는 그 교체가 전 항목 승리가 아니라 항목별 교환이라는 사실을 그대로 보여준다. ASAP은 딥시크 공식 문서와 허깅페이스 모델 카드에서 확인되는 수치만으로 이번 교체가 무엇을 얻고 무엇을 내줬는지 정리한다.

공지 세 줄이 실제로 바꾸는 것은 모델 이름이 아니라 호출 경로다

딥시크 API 문서의 2026년 9월 10일 공지는 세 가지를 동시에 처리한다. 첫째, DeepSeek-V4.1-Flash가 API 모델 이름 deepseek-flash로 라이브에 올라갔다. 둘째, 새 가격은 2026년 9월 10일 04시(UTC)부터 적용된다. 셋째, 2026년 9월 14일 04시(UTC)부터 deepseek-v4-pro로 들어오는 요청은 모두 V4.1-Flash로 라우팅되고 V4.1-Flash 가격으로 청구된다.

같은 공지는 구형 이름 정리도 함께 적었다. deepseek-v4-flash와 deepseek-v4-flash-vision-exp는 은퇴하며, 호환을 위해 두 이름은 당분간 V4.1-Flash로 연결되고 Flash 단가로 과금된다. 딥시크가 밝힌 교체 근거는 "충분한 테스트를 거쳐 V4.1 Flash가 성능과 비용과 속도와 총 소요시간 지표에서 V4 Pro를 전면적으로 앞섰다"는 것이다.

한국 표준시로 옮기면 새 가격 적용은 2026년 9월 10일 13시, V4-Pro 라우팅 전환은 2026년 9월 14일 13시다. 모델 이름을 바꾸지 않아도 나흘 뒤 월요일 오후부터는 다른 모델이 응답한다는 뜻이며, 이름 문자열만 보고 판본을 관리하던 파이프라인은 이 전환을 코드 변경 없이 통과한다.

5,520억이 1조 6,000억을 대신할 수 있는지는 표 안에서 항목별로 갈린다

허깅페이스 모델 카드의 인스트럭트 비교표는 V4.1-Flash가 V4-Pro를 모든 항목에서 앞선다고 적지 않았다. 코드포시스 레이팅은 V4-Pro 3348에서 V4.1-Flash 3471로 123점 올랐고, MathArena Apex는 65.3점에서 65.6점으로 사실상 같다. 반면 도구 없이 푸는 지식 과제 HLE는 42.7점에서 36.8점으로 5.9점 내려갔고, GPQA 다이아몬드는 92.4점에서 90.9점으로 1.5점 내려갔다.

베이스 모델 표에서는 방향이 더 단정하다. HumanEval은 V4-Flash 69.5점과 V4-Pro 76.8점을 거쳐 V4.1-Flash 79.4점, GSM8K는 90.8점과 92.6점을 거쳐 93.0점, BigCodeBench는 56.8점과 59.2점을 거쳐 60.6점이다. 세 항목 모두 백본이 1조 6,000억 개에서 5,520억 개로 3분의 1 아래로 줄었는데도 최고값을 새 모델이 가져갔다.

에이전트 계열에서도 새 모델 값이 높다. 모델 카드가 제시한 인스트럭트 수치는 DeepSWE v1.1 74.2점과 Terminal-Bench 2.1 90.6점이다. 여기에 멀티모달 항목이 새로 붙어 MMMU-Pro 56.5점, CVBench 77.9점, DocVQA 95.6점이 함께 적혔다. 텍스트 전용이던 Flash 계열이 네이티브 시각 입력을 갖춘 것도 이번 판본의 변화다.

출력 단가는 V4-Pro 대비 3.3분의 1, V4-Flash 대비 9퍼센트 내려간다

딥시크 가격 문서 기준 deepseek-flash의 100만 토큰당 비피크 단가는 캐시 적중 입력 0.003달러, 캐시 미적중 입력 0.15달러, 출력 0.6달러다. 피크 단가는 각 항목의 두 배인 0.006달러와 0.3달러와 1.2달러다. 피크 시간대는 UTC 기준 월요일부터 금요일까지 01시부터 04시와 06시부터 10시이며 나머지 시간은 모두 비피크다.

직전 V4-Pro의 비피크 단가는 캐시 적중 0.022달러, 캐시 미적중 0.66달러, 출력 1.98달러였다. 항목별로 나누면 캐시 적중은 7.3분의 1, 캐시 미적중은 4.4분의 1, 출력은 3.3분의 1이 된다. 같은 트래픽을 그대로 옮기면 출력 비중이 큰 워크로드에서 청구액이 3분의 1 아래로 떨어진다.

구형 Flash와 비교하면 인하 폭은 훨씬 좁다. V4-Flash의 비피크 단가 0.007달러와 0.22달러와 0.66달러 대비 인하율은 각각 약 57퍼센트와 32퍼센트와 9퍼센트다. 즉 이번 가격 개편의 실질 수혜는 Flash를 쓰던 쪽보다 Pro를 쓰던 쪽에 쏠린다. 출력 단가가 9퍼센트만 내려간 Flash 이용자에게 이번 공지의 핵심은 가격이 아니라 성능과 100만 토큰 문맥이다.

절감의 출처는 토큰당 890바이트로 줄어든 KV 캐시에 있다

모델 카드가 설명하는 구조는 20층 인과 인코더와 20층 디코더를 잇는 Causal Encoder-Decoder다. 디코더의 KV 캐시를 각 디코더 층이 자기 은닉 상태에서 만들지 않고 인코더 최종 은닉 상태에서 투영해 만드는 방식이며, 이 설계 덕분에 프리필에서 80억 개, 디코드에서 160억 개만 활성화된다. MoE 층은 공유 전문가 1개와 라우팅 전문가 384개를 두고 토큰당 라우팅 전문가 6개를 켠다. 여기에 토큰 기반 조회로 희소하게 접근하는 Engram 조건부 메모리 1,960억 개 파라미터가 별도로 붙는다.

캐시 압축은 두 갈래다. 하나는 E2M1 형식의 FP4 메인 KV 캐싱으로 16개 채널마다 E4M3 스케일 하나를 둔다. 다른 하나는 CSA2로 불리는 압축 희소 어텐션 2세대이며, 각 어텐션 층에 Full과 Reindex와 Reuse 중 하나를 정적으로 배정해 메인 KV와 인덱서 K를 층 사이에서 공유한다. 두 기법을 합친 결과가 토큰당 약 890바이트이고, 이는 직전 세대 V4-Flash의 약 4분의 1이다. 딥시크 공지는 같은 내용을 KV 캐시의 HBM 요구량 4분의 1, SSD 요구량 8분의 1로 표현했다.

숫자를 문맥 길이에 곱하면 규모가 보인다. 890바이트에 100만 토큰을 곱하면 한 시퀀스의 KV 캐시가 약 890메가바이트다. 같은 계산을 직전 세대에 적용하면 3.5기가바이트가 넘는다. 100만 토큰 문맥이 사양표의 장식이 아니라 실제로 서빙 가능한 값이 되려면 이 자리에서 4배가 필요했고, 이번 판본이 채운 것이 정확히 그 4배다.

지식 점수 5.9점을 내주고 얻은 것은 단가 3.3분의 1과 동시 처리량이다

여기서부터는 ASAP의 해석이다. 딥시크가 이번에 실행한 것은 성능 향상이 아니라 교환이다. 도구 없이 넓은 지식을 꺼내는 과제에서 HLE 5.9점과 GPQA 1.5점을 내주고, 코드와 수학과 에이전트 실행과 가격에서 이득을 가져갔다. 1조 6,000억 개 백본이 담고 있던 지식의 일부는 5,520억 개로 옮겨 담을 때 흘러내렸고, 딥시크는 그 손실을 감수하는 쪽을 택했다.

이 교환이 유리한지는 워크로드가 어느 쪽에 서 있는지로 갈린다. 검색과 문서를 붙여 쓰는 구성에서는 모델 내부 지식의 감소가 잘 드러나지 않는다. 문맥이 답을 들고 오기 때문이고, 그런 구성일수록 100만 토큰 문맥과 낮아진 캐시 미적중 단가가 직접 이득이 된다. 반대로 외부 근거 없이 모델이 아는 것만으로 답하게 두는 구성, 예를 들어 전문 분야 질의응답을 모델 지식에 의존해 처리하던 파이프라인은 9월 14일 이후 품질 저하를 겪을 여지가 있다. 같은 프롬프트가 같은 이름으로 다른 모델에 도착하기 때문이다.

활성 파라미터의 비대칭도 눈여겨볼 대목이다. 프리필 80억 개와 디코드 160억 개는 긴 입력을 읽는 일이 짧은 출력을 만드는 일보다 절반만 비싸다는 뜻이다. 캐시 미적중 입력 0.15달러와 출력 0.6달러라는 4배 격차가 그 구조를 가격에 그대로 옮겨 놓았다. 긴 문서를 넣고 짧게 답하게 하는 설계가 구조와 가격 양쪽에서 가장 유리해지며, 이는 장문 요약과 코드베이스 질의와 문서 검색 증강 쪽으로 딥시크가 최적화 방향을 명시적으로 틀었다는 신호로 읽힌다.

한국 팀이 9월 14일 13시에 실제로 마주하는 것은 무음 전환이다

버전 고정이 불가능하다는 점이 이번 공지의 운영상 핵심이다. 딥시크는 deepseek-v4-pro를 폐기하지 않고 같은 이름을 새 모델로 연결한다고 적었다. 모델 이름으로 판본을 관리하던 팀은 코드를 한 줄도 바꾸지 않은 채 2026년 9월 14일 13시(한국시간)를 넘기고, 그 시점 이후의 응답은 다른 아키텍처에서 나온다. 배포 없이 모델이 바뀌는 상황이므로 회귀 시험을 붙일 자연스러운 계기도 없다.

실무에서 할 수 있는 대비는 전환 전 기준선을 남겨 두는 것이다. 현재 프롬프트 세트로 V4-Pro 응답을 미리 받아 저장해 두면 14일 이후 같은 입력의 응답과 나란히 놓고 비교할 수 있다. 특히 모델 내부 지식에 기대는 질의, 한국어 고유명사와 국내 제도처럼 학습 분포가 얇을 수 있는 영역, 출력 형식을 엄격히 요구하는 프롬프트 세 갈래를 우선 확인 대상으로 두는 편이 낫다.

가격 쪽 대비는 반대 방향이다. 단가가 내려가므로 청구액 관리보다 예산 재배분이 논점이 된다. 출력 단가가 3.3분의 1이 되면 같은 예산으로 출력 토큰을 세 배 쓸 수 있고, 지금까지 비용 때문에 잘라 두었던 재시도나 자기 검증 단계를 다시 켜는 선택지가 생긴다. 피크 시간대 UTC 01시부터 04시와 06시부터 10시는 한국시간 10시부터 13시와 15시부터 19시에 해당하므로, 야간 배치를 그대로 두면 절반 가격 구간을 유지한다.

표의 숫자가 모두 딥시크 하네스에서 나왔다는 점은 그대로 남는다

검증 관점에서 남는 제약은 세 가지다. 첫째, 비교표의 값은 딥시크가 자사 환경에서 측정한 자체 보고치이며 제3자 재현치가 아니다. 경쟁 모델로 함께 적힌 Opus-5.0의 GPQA 다이아몬드 93.4점과 HLE 56.3점, GPT-5.6 Sol의 GPQA 94.1점, K3의 GPQA 92.9점 같은 값도 같은 조건에서 측정됐는지는 카드에 상세히 적혀 있지 않다. 둘째, 딥시크가 앞섰다고 밝힌 지표에 속도와 총 소요시간이 포함돼 있지만 초당 토큰이나 첫 토큰 지연 같은 실측 수치는 공개 문서에 제시되지 않았다.

셋째, 라이선스는 MIT이고 가중치는 허깅페이스 deepseek-ai/DeepSeek-V4.1-Flash에 공개돼 있지만 자체 호스팅 문턱은 파라미터 수만으로 계산되지 않는다. 백본 5,520억 개에 Engram 1,960억 개가 더해지며, Engram이 희소 접근이라는 설명은 계산량을 줄여 주지만 저장 용량을 줄여 주지는 않는다. 실제로 내려받아 올려야 하는 물량은 두 값의 합계 쪽에 가깝다.

그래서 이번 교체를 한 문장으로 정리하면 이렇다. 딥시크는 더 큰 모델이 더 좋다는 전제를 자사 가격표에서 스스로 철회했고, 그 대가로 지식 벤치마크 몇 점을 내줬으며, 이용자에게는 그 선택을 거부할 이름이 남지 않았다. 9월 14일 이후의 실제 응답 품질이 이 교환의 손익을 결정하며, 그 값은 각자의 프롬프트에서만 확인된다.

출처: 딥시크 API 문서 2026년 9월 10일 공지, 딥시크 API 가격 문서, 허깅페이스 deepseek-ai/DeepSeek-V4.1-Flash 모델 카드