딥시크, 1.6조 파라미터 V4-Pro와 284B V4-Flash 프리뷰를 MIT 라이선스 오픈웨이트로 공개

무슨 일인가

딥시크(DeepSeek)가 2026년 4월 24일 차세대 모델 V4 시리즈의 프리뷰 버전 2종을 공개했다.¹ 대형 모델인 DeepSeek-V4-Pro는 총 1.6조(1.6T) 파라미터에 토큰당 490억(49B)을 활성화하는 전문가 혼합(MoE) 모델이고, 소형 모델인 DeepSeek-V4-Flash는 총 2840억(284B) 파라미터에 130억(13B)을 활성화한다.¹ 두 모델 모두 100만 토큰 컨텍스트를 지원하며, 딥시크는 100만 토큰이 모든 공식 서비스의 기본값이 됐다고 밝혔다.¹

가중치는 허깅페이스(Hugging Face)의 deepseek-ai 컬렉션에 공개됐고, 모델 카드는 저장소와 가중치 모두에 MIT 라이선스가 적용된다고 적었다.² 다운로드 크기는 Pro가 약 865GB, Flash가 약 160GB다.³ 같은 날 오픈AI(OpenAI)가 GPT-5.5를 공개했고, 매일경제는 딥시크가 이에 맞춰 V4를 내놓은 것으로 보도했다.⁴

자세히

V4의 핵심은 새 어텐션 구조다. 모델 카드에 따르면 V4는 압축 희소 어텐션(Compressed Sparse Attention, CSA)과 고압축 어텐션(Heavily Compressed Attention, HCA)을 결합한 하이브리드 어텐션을 쓴다.² 딥시크는 100만 토큰 컨텍스트에서 V4-Pro의 단일 토큰 추론 연산량(FLOPs)이 전작 V3.2의 27%, KV 캐시는 10% 수준이라고 밝혔다.² 공식 발표문은 이를 '토큰 단위 압축과 딥시크 희소 어텐션(DSA)의 결합'으로 설명하며 계산·메모리 비용이 크게 줄었다고 적었다.¹

기술 보고서는 잔차 연결을 강화한 '다양체 제약 하이퍼 커넥션(Manifold-Constrained Hyper-Connections, mHC)'과 뮤온(Muon) 옵티마이저를 적용했고, 32조 토큰 이상으로 사전학습한 뒤 사후학습을 거쳤다고 밝혔다.⁵ 사후학습은 분야별 전문가 모델을 SFT와 강화학습(GRPO)으로 훈련한 뒤 온폴리시 증류로 통합하는 방식이다.² 가중치는 MoE 전문가 파라미터에 FP4, 나머지 대부분에 FP8을 쓰는 혼합 형식이다.²

추론 모드는 Non-think, Think High, Think Max 세 가지이며, Think Max에는 38만4천 토큰 이상의 컨텍스트 창을 권장한다.² 딥시크가 공개한 벤치마크에서 V4-Pro Max는 LiveCodeBench 93.5점, 코드포스 레이팅 3206, SWE-bench Verified 80.6점을 기록해 클로드 오퍼스(Claude Opus) 4.6, GPT-5.4, 제미나이(Gemini) 3.1 프로와 견줄 만한 수치를 보였다.² 반면 SimpleQA-Verified는 제미나이 3.1 프로가 75.6점으로 V4-Pro의 57.9점을 크게 앞섰고, 터미널 벤치 2.0은 GPT-5.4가 75.1점으로 V4-Pro의 67.9점보다 높았다.² 기술 보고서는 V4의 성능이 최전선 모델보다 약 3~6개월 뒤처지며 GPT-5.4와 제미나이 3.1 프로에 '약간 못 미친다'고 적었다.³

V4-Flash는 생각 예산을 늘리면 Pro에 가까운 추론 성능을 낸다고 모델 카드는 설명한다.⁶ GPQA Diamond는 Flash 88.1점 대 Pro 90.1점으로 근접하지만, SimpleQA-Verified는 34.1점 대 57.9점, BrowseComp는 73.2점 대 83.4점으로 지식과 에이전트 작업에서는 격차가 크다.⁶

API에서는 기존 base_url을 유지한 채 모델명만 deepseek-v4-pro 또는 deepseek-v4-flash로 바꾸면 되며, 오픈AI 챗 컴플리션과 앤트로픽(Anthropic) API 형식을 모두 지원한다.¹ 딥시크는 기존 deepseek-chat과 deepseek-reasoner 엔드포인트를 2026년 7월 24일 이후 완전히 폐기한다고 예고했다.¹ 공개 당일 가격은 V4-Pro가 입력 100만 토큰당 1.74달러·출력 3.48달러, V4-Flash가 입력 0.14달러·출력 0.28달러였다.³

맥락과 왜 중요한가

Simon Willison은 V4-Pro가 Kimi K2.6(1.1T)과 GLM-5.1(754B)을 넘어서는 가장 큰 오픈웨이트 모델일 가능성이 높고, V3.2(685B)의 두 배가 넘는 크기라고 썼다.³ 그는 Flash가 GPT-5.4 나노(입력 0.20달러·출력 1.25달러)보다 싸고, Pro는 제미나이 3.1 프로, GPT-5.4, 클로드 소네트 4.6, GPT-5.5 등 대형 최전선 모델 가운데 가장 저렴하다고 평가했다.³

하드웨어 측면도 주목받았다. 화웨이(Huawei)는 어센드(Ascend) 슈퍼포드 제품군 전체가 V4 시리즈를 지원하며, 자사 칩이 V4 훈련 과정 일부에 쓰였다고 밝혔다.⁷ 매일경제는 훈련에 쓴 반도체가 공개되지 않았으나, 기술 보고서가 병렬 처리 성능 검증에 엔비디아 GPU와 화웨이 어센드 NPU를 모두 활용했다고 언급했다고 전했다.⁴ 옴디아(Omdia)의 반도체 연구 책임자 허 후이(He Hui)는 로이터에 "중국 AI 산업에 큰 사건"이라고 말했다.⁷

딥시크는 V4가 클로드 코드(Claude Code), OpenClaw, OpenCode와 함께 쓸 수 있으며 자사 내부 에이전틱 코딩에도 쓰인다고 밝혔다.¹

남은 물음

두 모델 모두 '프리뷰'로 표기돼 정규 버전 출시 시점은 공개되지 않았다.⁷ 현재 딥시크 공식 가격 페이지는 V4-Pro-0813과 V4.1-Flash를 기준으로 공개 당시와 다른 가격을 안내하고 있어, 프리뷰 이후 모델과 가격이 바뀌었음을 보여준다.⁸ 벤치마크 수치는 모두 딥시크의 자체 보고이며, 매일경제는 독립 기관의 평가가 아직 없다고 짚었다.⁴

참고한 곳

1. DeepSeek, DeepSeek V4 Preview Release - https://api-docs.deepseek.com/news/news260424/ ↩ ↩² ↩³ ↩⁴ ↩⁵ ↩⁶ ↩⁷

2. Hugging Face, deepseek-ai/DeepSeek-V4-Pro - https://huggingface.co/deepseek-ai/DeepSeek-V4-Pro ↩ ↩² ↩³ ↩⁴ ↩⁵ ↩⁶ ↩⁷ ↩⁸

3. Simon Willison's Weblog, DeepSeek V4: almost on the frontier, a fraction of the price - https://simonwillison.net/2026/apr/24/deepseek-v4 ↩ ↩² ↩³ ↩⁴ ↩⁵

4. 매일경제, 오픈AI 'GPT-5.5' 내놓은 날...중국의 딥시크 V4도 출격했다 - https://v.daum.net/v/20260424160900093 ↩ ↩² ↩³

5. arXiv, DeepSeek-V4: Towards Highly Efficient Million-Token Context Intelligence - https://arxiv.org/abs/2606.19348 ↩

6. Hugging Face, deepseek-ai/DeepSeek-V4-Flash - https://huggingface.co/deepseek-ai/DeepSeek-V4-Flash ↩ ↩²

7. Asia Financial, China's DeepSeek Says New V4 AI Model Can Run on Huawei Chips - https://www.asiafinancial.com/?p=110974 ↩ ↩² ↩³

8. DeepSeek, Models & Pricing - https://api-docs.deepseek.com/quick_start/pricing ↩