DeepSeek V4.1 Flash: 중국 AI의 성능·가격 혁명

공식 스레드: 단순한 Flash 업데이트가 아닌 새로운 제품군

첫 번째 게시물에서 @deepseek_ai는 V4.1 Flash를 네이티브 시각 이해 기능을 갖춘 “the smallest model in our new architecture family”라고 소개한다. 포지셔닝은 명확하다. Flash는 더 이상 단순한 경량 버전이 아니라 속도, 처리량, 확장성을 염두에 두고 설계된 제품군의 첫 번째 모델이다.

스레드의 두 번째 부분에서는 아키텍처를 자세히 설명한다. DeepSeek V4.1 Flash는 5,520억 개의 파라미터로 구성된 MoE를 기반으로 하지만, 각 단계에서 전체 네트워크를 활용하지는 않는다. DeepSeek에 따르면 입력을 처리할 때는 80억 개의 파라미터만 활성화되고, 생성 시에는 160억 개가 활성화된다.

이러한 비대칭성이 Causal Encoder Decoder 아키텍처의 핵심이다. 컨텍스트 처리와 새로운 토큰 생성은 더 이상 동일한 비용을 요구하지 않으며, 정확히 같은 리소스를 사용하지도 않는다. 비교적 짧은 응답을 생성하기 전에 방대한 컨텍스트를 읽어야 하는 사용 사례에서는 이러한 분리가 비용 대비 성능을 향상할 수 있다.

공식 표는 V4.1 Flash를 V4 Pro 0813, V4 Flash 0731 및 여러 경쟁 모델과 비교한다. 특히 V4.1 Flash는 Terminal-Bench 3.0에서 30.0, Terminal-Bench 4.0에서 31.2, DeepSWE v1.1에서 74.2를 기록한 것으로 제시된다.

DeepSeek V4.1 Flash의 주요 벤치마크

DeepSeek는 새로운 사전 학습 방식과 더욱 야심 찬 RL 후속 학습을 결합한 결과, DeepSeek V4 Pro를 비롯한 주요 시스템보다 앞선다고 주장한다. 이 설명은 @kimmonismus의 요약과 비교할 때 중요하다. 아키텍처가 핵심이기는 하지만, 주장된 점수를 아키텍처만으로 설명할 수는 없기 때문이다.

공식 문구는 의도적으로 간결하다.

"더 작은 KV cache. 더 큰 비용 절감." @deepseek_ai

따라서 V4.1 Flash의 가장 구체적인 강점은 반드시 더 높은 단순 점수에 있는 것이 아니라, 길고 반복적인 워크로드에서 메모리 비용이 크게 낮아진다는 데 있다.

DeepSeek KV cache, 에이전트를 위한 진정한 핵심 요소

KV 캐시는 생성되는 각 토큰마다 전체 컨텍스트를 다시 계산하지 않도록 필요한 표현을 저장한다. 이 메모리는 긴 대화, 도구를 호출하는 에이전트, 코드 워크플로, 반복적 검색, 확장된 기록을 유지하는 시스템에 필수적이다.

DeepSeek에 따르면 V4.1 Flash의 캐시에 필요한 용량은 이제 다음과 같다.

• 이전 세대에 필요했던 HBM의 4분의 1.
• 이전에 필요했던 SSD 스토리지의 8분의 1.
• 전체 캐시 기준 토큰당 약 890바이트로, 회사가 공개한 그래프에서 V4 Flash는 3,514바이트였다.

공식 그래프는 DeepSeek-V1 이후의 극적인 감소를 보여준다. V1은 토큰당 389,120바이트, V3.2는 48,068바이트, V4 Flash는 3,514바이트, V4.1 Flash는 890바이트다.

에이전트 운영자에게는 이러한 개선이 벤치마크에서의 근소한 차이보다 더 구조적인 의미를 가질 수 있다. 에이전트가 대규모 컨텍스트를 자주 재사용하는 경우 캐시 히트가 비용의 상당 부분을 차지하는 경우가 많다. 이 캐시를 압축하면 GPU 메모리에 가해지는 부담과 대규모 운영에 필요한 스토리지 용량을 모두 줄일 수 있다.

@kimmonismus의 게시물에 달린 답글에서 @datachad가 강조한 부분도 바로 이것이다.

"KV 캐시를 HBM의 4분의 1로 줄인 것이 로컬 추론에서 가장 중요한 부분이다" @datachad

이 지적은 타당하지만, 다소 보완해서 볼 필요가 있다. 더 작은 DeepSeek KV 캐시는 이미 관련 장비를 갖춘 인프라에서 AI 셀프 호스팅의 접근성을 높인다. 그렇다고 해서 5,520억 개의 매개변수를 가진 MoE 모델이 개인용 컴퓨터에서 쉽게 실행할 수 있는 소프트웨어로 바뀌는 것은 아니다.

DeepSeek도 훨씬 더 큰 규모의 배포를 직접 언급하며 이를 간접적으로 인정한다.

"2,000개의 GPU와 스토리지 클러스터를 사용하는 대규모 배포를 계획하고 계신가요? 함께 논의해 봅시다." @deepseek_ai

캐시 개선은 서비스 운영의 경제성을 크게 높이지만, 모델 크기로 인한 하드웨어 장벽까지 없애지는 않는다.

모델과 기술 보고서는 DeepSeek-V4.1-Flash의 Hugging Face 페이지와 DeepSeek V4.1 기술 보고서에서 확인할 수 있다. 다만 스레드에 공개된 자료만으로는 @UnslothAI가 답글에서 언급한 « 196B engram »의 세부 내용을 확인할 수 없다. 따라서 기술 보고서를 직접 검토하지 않는 한 이 수치를 검증된 사양으로 취급해서는 안 된다.

Flash를 기본 제품으로 만드는 API 전환

이번 발표는 새 모델을 홍보하는 데 그치지 않는다. DeepSeek의 제품군도 재편한다.

공식 스레드에 따르면 다음과 같다.

1. V4 Flash와 V4 Flash Vision Exp는 서비스가 종료된다.
2. 호환성을 유지하기 위해 기존 식별자 deepseek-v4-flash와 deepseek-v4-flash-vision-exp는 일시적으로 V4.1 Flash로 리디렉션된다.
3. 2026년 9월 14일 04:00 UTC부터 DeepSeek V4 Pro로 향하는 요청도 V4.1 Flash로 라우팅된다.
4. 이러한 상태는 V4.1 Pro가 출시될 때까지 유지된다.
5. V4 Pro에서 마이그레이션된 요청에는 V4.1 Flash 요금이 적용된다.

이 결정은 단순한 홍보성 비교를 훨씬 넘어선다. DeepSeek는 V4.1 Pro가 출시되기도 전에 V4.1 Flash를 자사의 대표 API 제품으로 삼고 있다. 이미 API를 사용하는 팀의 경우 이번 마이그레이션으로 즉각적인 서비스 중단 위험은 줄어든다. 그러나 출력, 지연 시간, 도구 호출, 네이티브 비전, 프로덕션 환경에서의 모델 동작을 다시 검증해야 할 필요까지 사라지는 것은 아니다.

@bygregorr는 애플리케이션 개발자의 관점에서 이 문제를 다음과 같이 요약한다.

"아키텍처 제품군 사이의 6주라는 기간은 API 개발자에게 너무 짧은 준비 기간이다." @bygregorr

DeepSeek는 일시적인 호환성과 기존 식별자의 라우팅으로 대응한다. 이는 서비스 연속성 측면에서 실용적인 대응이지만, 완벽한 기능적 동등성을 보장하지는 않는다. 출력 형식, 도구 호출 또는 추론 정책에 민감한 에이전트형 애플리케이션은 여전히 재테스트가 필요하다.

DeepSeek의 요금표에는 시간대별로 구분된 토큰 100만 개당 가격이 표시되어 있다. 비혼잡 시간대에는 캐시가 적용된 입력이 0.003달러, 캐시가 적용되지 않은 입력이 0.15달러, 출력이 0.6달러다. 혼잡 시간대에는 각각 0.006달러, 0.3달러, 1.2달러로 오른다.

DeepSeek는 비혼잡 시간대 요금이 혼잡 시간대 요금의 **50%**라고 명시한다. 이러한 요금 체계는 특히 배치 처리, 자동화 평가 또는 비동기 에이전트 작업처럼 유연하게 운용할 수 있는 워크로드의 경제성을 더욱 높인다.

확대된 논의에서 언급된 @ns123abc의 제3자 게시물은 토큰 100만 개당 실행 비용이 약 86배 저렴하고 처리량이 초당 420~507토큰이라고 주장한다. 이러한 수치는 논의에 참고가 될 수 있지만, 제공된 공식 스레드에는 포함되어 있지 않다. 따라서 DeepSeek가 확인한 데이터가 아니라 하드웨어, 컨텍스트 길이, 양자화 수준 및 테스트한 부하에 따라 달라지는 제3자의 주장으로 간주해야 한다.

Terminal-Bench: 예고된 우위, 그러나 보편적인 최종 판정은 아니다

DeepSeek는 « 여러 기관이 수행한 테스트 »에서 V4.1 Flash가 성능, 비용, 속도 및 총 실행 시간 측면에서 V4 Pro를 앞선다고 주장한다. 이 주장은 제품의 비교 우위를 뒷받침할 수 있지만, 해당 스레드에는 테스트 프로토콜, 공급업체, 추론 설정 또는 테스트의 정확한 구성에 관한 충분한 정보가 제시되어 있지 않다.

가장 큰 논쟁점은 컴퓨터 활용 및 프로그래밍 분야의 에이전트 역량을 평가하는 데 특히 주목받는 벤치마크인 Terminal-Bench다.

@Greg_GL_87은 두 평가 버전 사이에 존재하는 명백한 불일치를 지적한다:

"표를 보면 Terminal-Bench 4.0에서는 GLM 5.3에 31.2 대 37.9로 뒤지지만, 3.0에서는 이깁니다. 같은 평가의 두 버전에서 결과가 갈리는 게 이상하네요" @Greg_GL_87

이 비판에는 스레드에서 답변이 달리지 않았다. 이는 구체적이고 중요한 지적이다. 공식 표에는 실제로 Terminal-Bench 4.0에서 V4.1 Flash의 점수가 31,2로 표시되어 있으며, @Greg_GL_87은 이를 GLM 5.3의 37,9와 비교한다. 동시에 V4.1 Flash는 Terminal-Bench 3.0에서 30,0을 기록해 GLM 5.3을 앞선다.

한 모델이 여러 지표에서 V4 Pro를 능가하더라도 모든 에이전트형 코딩 작업에 가장 적합한 선택인 것은 아니다. 상세한 프로토콜이 없기 때문에 Terminal-Bench 3.0과 4.0의 차이가 작업, 환경, 테스트 매개변수 또는 다른 방법론적 요인에서 비롯된 것인지 판단할 수 없다.

@kryptosopus는 V4.1 Flash를 Claude Opus 5와 비교하며 더 폭넓은 이의를 제기한다:

"가장 작은 모델에 네이티브 비전 기능까지 내장했지만, Terminal-Bench에서는 여전히 Opus5에 13점 뒤집니다. Flash는 분명 '저렴하고 빠른' 선택이지, 최첨단 모델은 아닙니다. 여기서 진짜 단서는 맨 아래의 스케일링 라인이죠" @kryptosopus

이러한 해석이 DeepSeek의 주장과 완전히 모순되는 것은 아니다. V4.1 Flash는 회사가 선정한 여러 지표에서 DeepSeek V4 Pro보다 우수할 수 있지만, 특정 에이전트 벤치마크에서는 여전히 Opus 5에 뒤처질 수 있다. 문제는 제품군 내부의 상대적 개선을 전반적인 우위에 대한 주장으로 확대할 때 발생한다.

반응: 오픈 소스에 대한 열광, 제품에 대한 신중한 평가, 향후 Pro 버전에 관한 질문

공식 스레드의 답변은 모델 공개와 신속한 통합에 대해 대체로 열광적인 반응을 보인다. 예를 들어 @MrAhmadAwais는 자신의 CommandCodeAI 서비스에서 V4.1 Flash를 이미 이용할 수 있다고 밝혔다. @Presidentlin은 무엇보다 오픈 소스 생태계에 대한 DeepSeek의 기여를 높이 평가한다:

"오픈 소스를 다시 한번 발전시켜 주셔서 감사합니다" "언제나 그렇듯 감탄스럽네요" "도대체 한계가 어디까지 올라갈 건가요?!!" @Presidentlin

이 답변에는 DeepSeek의 빠른 행보에 대한 매혹과 도전 의식이 뒤섞인 감정을 형상화한 만화 페이지가 함께 첨부되었다.

한편 @ParthM1001은 요리에 빗댄 비유로 분위기를 요약한다:

"고래가 또 멋진 요리를 만들어냈네요." @ParthM1001

@kimmonismus의 게시물에 달린 답변은 제품군의 포지셔닝에 더 초점을 맞춘다. @elshayib_는 기존 Pro 버전의 의미가 퇴색했다고 평가한다:

"이제 V4 pro는 별 의미가 없는 듯" @elshayib_

이에 @kimmonismus는 다음과 같이 답한다:

"맞아요, 이제 pro 버전의 다음 릴리스를 기다릴 뿐이죠" @kimmonismus

이 답변은 공식 발표와 일치한다. V4 Pro는 실제로 일시적인 단계적 철수 절차에 들어갔지만, DeepSeek는 향후 V4.1 Pro를 출시할 것이라고 명시적으로 발표했다. 따라서 Pro 제품군 전체가 영구적으로 쓸모없어졌다고 결론 내리는 것은 확인된 사실을 넘어선 해석이다.

@RimasXYZ 역시 같은 의문을 제기한다:

"Flash가 이제 성능, 비용, 속도에서 V4-Pro를 앞선다면, V4.1-Pro가 우위를 점할 수 있는 부분은 무엇인가?" @RimasXYZ

이 스레드는 이 질문에 답하지 않는다. 어려운 작업에서의 더 높은 품질, 강화된 추론 능력, 더 긴 컨텍스트, 에이전트로서의 신뢰성, 또는 그 밖의 성능 절충안 등 향후 Pro 제품을 어떻게 정의할 것인지는 여전히 열린 문제로 남아 있다.

Causal Encoder Decoder 아키텍처: 기술적으로 달라지는 점

@austinyuhao의 반응인 « encoder-decoder의 귀환을 환영한다 »는 짧지만 핵심을 짚는다. DeepSeek는 단순히 캐시 압축만 제안하는 것이 아니라, 인과적 인코딩 경로와 디코더를 분리하는 아키텍처를 다시 도입한다.

"encoder-decoder의 귀환을 환영한다" @austinyuhao

답변에 공유된 도식에는 각각 20개 레이어로 구성된 Causal Encoder와 Decoder가 표시되어 있으며, 전체 네트워크는 40개 레이어로 구성된다. 또한 MoE, CSA2, SWA, Vision Encoder, Text Embedding, Engram, DSpark, Candidate Pool 구성 요소도 나타나 있다.

이러한 구성은 멀티모달 추론과 KV cache가 서로 연결된 주제인 이유를 설명해 준다. DeepSeek는 긴 시퀀스에서도 합리적인 비용을 유지하면서 비전 기능을 네이티브로 지원하려 한다. 이 구상은 문서를 읽고, 인터페이스를 분석하고, 코드를 다루며, 지속적인 작업 메모리를 유지해야 하는 에이전트에 특히 매력적이다.

DeepSeek V4.1 Flash FAQ

DeepSeek V4.1 Flash에서는 몇 개의 파라미터가 활성화되는가?

DeepSeek는 5,520억 개의 파라미터를 갖춘 MoE 모델이라고 발표했다. 입력 처리 중에는 80억 개의 파라미터만 활성화되고, 생성 중에는 160억 개가 활성화되는 것으로 알려졌다.

DeepSeek의 KV cache가 AI 에이전트에 중요한 이유는 무엇인가?

KV cache는 이미 처리된 컨텍스트의 표현을 유지할 수 있게 해준다. 캐시가 더 작아지면 GPU 메모리와 스토리지 요구량이 줄어들어, 긴 대화, 도구 호출을 사용하는 에이전트, 동일한 컨텍스트를 자주 재사용하는 워크플로의 비용을 낮출 수 있다.

DeepSeek V4 Pro 사용자에게는 어떤 변화가 생기는가?

2026년 9월 14일 04:00 UTC부터 DeepSeek V4 Pro로 향하는 요청은 V4.1 Pro가 출시될 때까지 일시적으로 V4.1 Flash로 라우팅되어야 한다. 전환 기간에도 API 호환성은 유지되지만, 관련 팀은 프로덕션 환경에서 사용 사례를 다시 검증해야 한다.

핵심 요약

DeepSeek V4.1 Flash는 단순히 속도를 높인 또 하나의 업데이트가 아니다. 이번 발표에는 새로운 비대칭 아키텍처, 입력과 생성 단계에서 서로 다른 MoE 활성화 방식, KV cache의 대폭적인 압축, 공격적인 API 요금, 그리고 V4 Pro 트래픽의 실질적인 마이그레이션이 포함되어 있다.

전문가에게 시사하는 바는 명확하다:

• 축소된 KV cache는 긴 컨텍스트를 사용하는 에이전트의 비용을 크게 개선할 수 있다.
• 이미 상당한 규모의 인프라를 보유한 운영자에게는 AI 자체 호스팅이 더욱 현실적인 선택지가 된다.
• V4 Pro에서 Flash로의 리디렉션으로 인해 애플리케이션 검증 단계가 필요하다.
• V4 Pro 대비 주장되는 성능만으로는 모든 에이전트 벤치마크에서 우위를 점한다고 단정할 수 없다.
• 특히 @Greg_GL_87이 지적한 3.0과 4.0 버전 간 결과 차이를 고려하면 Terminal-Bench는 여전히 주의 깊게 살펴봐야 할 지점이다.

따라서 이 스레드는 여러 질문을 미해결 상태로 남긴다. « 여러 당사자의 테스트 »를 뒷받침하는 프로토콜은 무엇인지, Terminal-Bench 버전에 따라 결과가 달라지는 이유는 무엇인지, V4.1 Pro는 어떤 차별화된 역할을 맡게 될지, 그리고 어떤 하드웨어 구성이 자체 호스팅을 실제로 실용적인 선택으로 만드는지 등이다.

가장 합리적인 결론은 동시에 가장 유용한 결론이기도 하다. V4.1 Flash는 효율성과 배포 측면에서 중대한 진전을 이룬 것으로 보이지만, Flash 모델이 프런티어 모델 고유의 절충점을 없앴다는 사실은 아직 입증하지 못했다.