DeepSeek V4란? 100만 토큰 문맥이 AI 작업 방식을 바꾸는 이유

원문 링크: WordPress 원문

AI NOTES · KO KOREAN EDITION

DeepSeek V4 Preview를 긴 문맥·Pro/Flash·API 관점에서 쉽게 정리합니다.

KO · 한국어 / EN · English BILINGUAL PAIR

딥시크가 공개한 V4 프리뷰에서 가장 먼저 눈에 들어오는 숫자는 1M context입니다. 100만 토큰까지 긴 문맥을 다루는 구조가 더 이상 실험용 문구가 아니라, 공식 모델 설명의 앞쪽에 놓였습니다.

이번 글의 핵심은 “딥시크가 또 새 모델을 냈다”가 아닙니다. 더 중요한 변화는 모델을 쓰는 방식입니다. 딥시크는 V4를 Pro와 Flash 두 갈래로 나누고, 긴 문맥·추론 모드·API·오픈 가중치를 한 묶음으로 제시했습니다. 개발자나 콘텐츠 제작자 입장에서는 모델 하나를 고르는 문제가 아니라, 작업마다 어떤 속도와 깊이를 선택할지 정하는 문제에 가까워졌습니다.

이번 발표에서 실제로 확인된 내용

딥시크 공식 문서 기준으로 V4 프리뷰는 2026년 4월 24일 공개됐습니다. 문서에는 두 모델이 함께 소개됩니다.

• DeepSeek-V4-Pro: 총 1.6T 파라미터, 활성 49B 파라미터로 설명됩니다.

• DeepSeek-V4-Flash: 총 284B 파라미터, 활성 13B 파라미터로 설명됩니다.

• 두 모델 모두 공식 API에서 사용할 수 있고, 공식 설명은 100만 토큰 문맥을 전면에 내세웁니다.

• 딥시크는 오픈 가중치도 함께 공개했다고 안내합니다.

여기서 숫자 자체보다 중요한 것은 방향입니다. 하나는 더 깊고 무거운 작업을 겨냥하고, 다른 하나는 빠른 응답과 비용 효율을 겨냥합니다. 같은 브랜드의 모델이라도 “언제나 가장 큰 모델이 답”이라는 방식에서 조금씩 벗어나고 있습니다.

Pro와 Flash는 무엇이 다를까

Pro는 긴 분석, 복잡한 코딩, 다단계 추론, 에이전트형 작업에 더 잘 맞는 상위 라인으로 읽을 수 있습니다. 공식 발표도 agentic coding, reasoning, world knowledge 같은 표현을 Pro 쪽에 강하게 붙입니다.

Flash는 이름 그대로 빠른 처리와 비용 효율을 강조합니다. 공식 문서에서는 Flash가 단순한 에이전트 작업에서 Pro에 가까운 성능을 낸다고 설명합니다. 일상적인 요약, 분류, 초안 작성, 간단한 코드 보조처럼 반복이 많은 작업에는 Flash가 더 현실적인 선택이 될 수 있습니다.

Pro and Flash lanes

이 구분은 실제 사용 흐름에서 꽤 중요합니다. 예를 들어 하루 종일 수십 개의 문서를 정리하는 자동화라면 모든 요청을 Pro로 보낼 필요가 없습니다. 반대로 한 번의 실패가 큰 비용을 만드는 코드 변경, 정책 해석, 긴 보고서 검토라면 Pro나 추론 모드를 별도로 쓰는 편이 더 안전합니다.

100만 토큰 문맥이 의미하는 것

100만 토큰 문맥은 긴 파일을 많이 넣을 수 있다는 뜻만은 아닙니다. 실무에서는 다음 세 가지가 달라집니다.

첫째, 대화와 자료가 끊기지 않습니다. 긴 회의록, 여러 버전의 기획서, 코드 일부, 정책 문서를 한 번에 넣고 같은 질문 흐름 안에서 다룰 수 있습니다.

둘째, 에이전트 작업의 중간 기록을 더 많이 남길 수 있습니다. 자동화가 한 번에 끝나지 않고 여러 번 확인해야 할 때, 앞에서 어떤 판단을 했는지 모델이 더 오래 참고할 수 있습니다.

셋째, 비용과 검증 문제가 함께 커집니다. 문맥이 길어질수록 모델이 볼 수 있는 자료는 늘어나지만, 잘못 들어간 자료나 오래된 자료도 같이 남습니다. 긴 문맥은 만능이 아니라, 정리와 출처 관리가 더 중요해지는 기능입니다.

API 관점에서 볼 포인트

공식 가격 문서에는 V4 Flash와 V4 Pro의 API 가격이 따로 제시되어 있습니다. 100만 입력 토큰 기준으로 Flash는 캐시 미스 $0.14, 캐시 히트 $0.0028, 출력 $0.28입니다. Pro는 캐시 미스 $0.435, 캐시 히트 $0.003625, 출력 $0.87입니다.

이 구조에서 눈여겨볼 부분은 캐시 가격입니다. 같은 자료를 반복해서 쓰는 제품이나 자동화에서는 캐시 히트가 비용 구조를 크게 바꿀 수 있습니다. 반대로 매번 새로운 대형 문서를 넣는 방식이라면 입력 비용과 검증 비용을 같이 계산해야 합니다.

또 공식 문서에는 JSON 출력, tool calls, chat prefix completion, FIM completion 같은 기능도 표시되어 있습니다. FIM은 비추론 모드에서만 지원된다고 설명됩니다. 즉, 기능 목록만 보고 모델을 고르기보다, 실제 작업이 추론 중심인지, 구조화 출력 중심인지, 코드 보완 중심인지 먼저 나눠야 합니다.

작업 흐름은 이렇게 바뀐다

DeepSeek V4를 쓰는 흐름은 단순히 “질문을 넣고 답을 받는 방식”보다 넓습니다. 먼저 작업을 분류하고, 깊은 추론이 필요한지 아닌지 결정합니다. 그다음 API로 쓸지, 공개 가중치를 기반으로 자체 환경에서 돌릴지 선택합니다. 마지막에는 사람이 결과를 확인해야 합니다.

Workflow overview

특히 긴 문맥과 에이전트형 작업에서는 마지막 확인 단계가 더 중요합니다. 모델이 더 많은 자료를 볼 수 있다고 해서, 최신성·출처·권한 문제까지 자동으로 해결되는 것은 아닙니다. 긴 문맥을 쓸수록 “무엇을 넣었고, 무엇을 믿을 수 있는지”를 같이 기록해야 합니다.

일반 사용자에게는 어떤 의미가 있을까

일반 사용자에게 V4 프리뷰는 당장 모든 앱이 바뀐다는 소식이라기보다, AI 서비스의 기본 단위가 커지고 있다는 신호에 가깝습니다. 예전에는 짧은 질문과 짧은 답변이 중심이었다면, 이제는 긴 자료 묶음과 여러 단계의 작업을 한 번의 흐름으로 다루는 방향으로 이동하고 있습니다.

그래서 앞으로 AI 도구를 고를 때는 “가장 똑똑한 모델인가”만 보면 부족합니다. 긴 문맥을 얼마나 안정적으로 다루는지, 빠른 모델과 깊은 모델을 나눠 쓸 수 있는지, API와 오픈 가중치 중 어떤 경로가 맞는지, 결과 검증을 어떻게 남길 수 있는지가 같이 중요해집니다.

조심해서 봐야 할 점

딥시크의 성능 표현은 공식 발표와 자체 벤치마크 설명을 기준으로 한 것입니다. 다른 연구기관이나 실제 사용 환경에서의 평가는 다를 수 있습니다. 또한 100만 토큰 문맥은 큰 장점이지만, 모든 작업에서 필요한 기능은 아닙니다. 짧고 단순한 작업에는 더 작은 모델이나 빠른 모드가 더 적합할 수 있습니다.

오픈 가중치도 “누구나 쉽게 운영할 수 있다”는 뜻과는 다릅니다. 큰 모델을 안정적으로 운용하려면 하드웨어, 서빙 스택, 보안, 비용 관리가 필요합니다. 공개 여부와 운영 난이도는 별개의 문제입니다.

짧은 정리

DeepSeek V4 프리뷰는 긴 문맥, 두 갈래 모델 전략, API와 오픈 가중치 공개를 한 번에 묶은 발표입니다. 읽는 포인트는 모델 순위표가 아니라 사용 방식입니다. 이제 AI 모델 선택은 “가장 큰 모델 하나”가 아니라, 작업의 깊이·속도·비용·검증 단계를 나눠 설계하는 문제에 더 가까워지고 있습니다.

레퍼런스

• DeepSeek API Docs — DeepSeek V4 Preview Release: https://api-docs.deepseek.com/news/news260424

• DeepSeek API Docs — Models & Pricing: https://api-docs.deepseek.com/quick_start/pricing

• DeepSeek API Docs — Thinking Mode / reasoning model guide: https://api-docs.deepseek.com/guides/reasoning_model

• DeepSeek on Hugging Face: https://huggingface.co/deepseek-ai

• DeepSeek-V4-Pro-DSpark on Hugging Face: https://huggingface.co/deepseek-ai/DeepSeek-V4-Pro-DSpark

• DeepSeek-V4-Flash-DSpark on Hugging Face: https://huggingface.co/deepseek-ai/DeepSeek-V4-Flash-DSpark

다음에 같이 읽기

• DeepSeek V4 Preview: why one-million-token context changes AI work

• DeepSeek V4 Flash explained: a configurable AI stack, not just a cheap model

• AI 도구 비교