딥시크(DeepSeek)가 추론·코딩·에이전트 작업·시각 평가 성능을 높이면서 작업 시간과 출력 길이는 줄였다는 딥시크 V4.1 플래시 1017(DeepSeek-V4.1-Flash-1017)을 공개했다. 기존 모델의 ‘소규모 업데이트’라고 소개했지만, 함께 내놓은 자료는 성능 변화뿐 아니라 대화 입력을 구성하는 방법과 로컬 실행 경로까지 다룬다. 허깅페이스(Hugging Face)에 공개된 모델 가중치와 도구를 실제 작업에 어떻게 연결할 수 있는지, 또 속도와 비용에 대한 사용자 평가가 어디서 엇갈리는지 살펴볼 만하다.
핵심요약
- 딥시크는 이번 모델이 추론·코딩·에이전트 작업·시각 평가에서 개선됐고 실행 시간과 출력 길이도 줄었다고 밝혀, 성능과 비용을 함께 겨냥했다.
- 기술 보고서는 일부 벤치마크에 사용한 실행 틀을 명시해, 점수를 읽을 때 모델뿐 아니라 평가 환경도 확인해야 함을 보여준다.
- 진자 형식의 채팅 템플릿 대신 파이썬 참조 구현과 러스트 기반 도구를 제공해, 복잡한 대화·도구 호출을 입력으로 구성하는 경로를 열었다.
- 가중치와 저장소에는 MIT 라이선스가 적용되며, 로컬 추론을 위한 가중치 변환·실행 안내도 제공된다.
- 사용자들은 빠른 생성과 저렴한 비용을 높이 평가했지만, 실제 코드 검토의 완료 시간과 결과 품질에서는 상반된 경험을 전했다.
‘소규모 업데이트’가 겨냥한 작업
딥시크는 V4.1 플래시 1017을 기존 V4.1 플래시의 소규모 업데이트로 규정하면서도, 개선 범위는 넓게 제시했다. 추론과 코딩뿐 아니라 도구를 써서 여러 단계를 수행하는 에이전트 작업, 시각 벤치마크에서도 성능이 올랐다는 설명이다. 기술 보고서에 보이는 소개 문구는 이 방향을 밝히지만, 각 항목의 점수표나 개선 폭을 함께 제시하지는 않는다. 따라서 여기서 확인할 핵심은 특정 순위보다 딥시크가 이번 버전의 목표를 어떻게 잡았는가다.
딥시크가 강조한 또 다른 변화는 작업 실행 시간과 출력 길이의 감소다. 답이 나올 때까지 걸리는 시간과 답을 만드는 데 쓰이는 출력량을 함께 줄이면, 같은 일을 더 빨리 끝내고 비용도 낮출 수 있다는 주장이다. 보고서는 이를 여러 에이전트 하네스(모델에 도구와 실행 절차를 붙이는 틀)에서 성능·비용 파레토 경계(한쪽을 개선하려면 다른 쪽을 희생해야 하는 선택지의 경계)를 넓힌 변화로 설명한다. 모델의 점수뿐 아니라 한 작업을 마칠 때 드는 자원까지 평가 대상으로 삼은 셈이다.
이 구분은 특히 에이전트 작업에서 중요하다. 답변 한 번으로 끝나는 질문과 달리 에이전트는 도구 호출과 확인 단계를 거칠 수 있어, 출력이 길거나 실행이 지연되면 작업 전체에 영향이 쌓인다. 다만 짧은 출력이 언제나 좋은 결과를 뜻하지는 않는다. 필요한 검토를 유지하면서 시간과 비용을 줄였는지는 작업별 결과를 함께 봐야 한다.
점수 뒤에 적힌 평가 환경
기술 보고서는 일부 벤치마크에 어떤 실행 틀을 썼는지도 밝힌다. 터미널 벤치 4.0(Terminal-Bench 4.0)에는 클로드 코드(Claude Code) 하네스를, 딥SWE v1.1(DeepSWE v1.1)에는 미니 SWE V2(Mini-SWE-V2) 하네스를 사용했다. HLE에는 텍스트만으로 구성한 부분집합을 구분하는 표기도 둔다. 모델 이름만 보고 점수를 비교하기보다, 무엇을 시험했고 어떤 절차로 실행했는지 읽어야 한다는 단서다.
하네스가 명시된 이유는 코딩·에이전트 평가의 결과가 모델의 문장 생성만으로 만들어지지 않기 때문이다. 도구를 언제 부르고 결과를 어떻게 다시 입력하는지가 작업 흐름에 포함된다. 이번 자료는 그 환경을 최소한 일부 항목에서 드러내지만, 소개 문구만으로 모든 벤치마크의 우열을 한 줄로 정리할 수는 없다. 사용자들이 체감하는 ‘빠름’ 역시 모델의 출력 속도와 작업 전체의 완료 시간을 나눠 살펴야 한다.
진자 템플릿 대신 인코딩 참조 구현
이번 공개에는 진자(Jinja) 형식의 채팅 템플릿이 포함되지 않는다. 대신 인코딩 폴더에 파이썬(Python) 파일 encoding.py를 넣어, 대화를 모델 입력으로 바꾸는 프롬프트 인코딩(대화 정보를 모델이 읽는 형식으로 구성하는 과정)의 참조 구현을 제공한다. 단순히 사용자 질문과 모델 답변을 이어 붙이는 예시가 아니다. 여러 차례 오간 대화와 도구 호출까지 다루는 테스트 사례가 함께 들어 있다.
테스트 범위에는 사고 모드(답변 과정에서 추론 단계를 사용하는 설정), 수치로 지정하는 추론 노력 수준, 대화 중간에 들어오는 시스템 메시지가 포함된다. 이미지 내용이 텍스트와 번갈아 놓인 입력도 사례로 제시한다. 이런 경우에는 각 내용의 순서와 역할을 보존하는 일이 중요해진다. 참조 구현은 개발자가 입력 형식을 확인하고 자신의 실행 환경에서 같은 대화를 재현할 출발점이 된다.
진자 템플릿을 기대하던 개발자에게는 통합 방식이 달라진다. 템플릿 한 장을 적용하는 대신 공개된 구현과 테스트를 읽고, 사용 중인 대화·도구 호출 형식에 맞춰 연결해야 한다. 딥시크가 여러 형태의 메시지를 시험 사례로 나열한 것도 입력이 단순한 문자열 치환만으로 끝나지 않음을 보여준다. 모델 가중치를 받는 것과 그 모델에 의도한 대화를 정확히 전달하는 것은 별개의 작업이다.
운영용 도구 ‘딥시크 레시피’
딥시크는 참조 구현과 별도로 운영 환경용 딥시크 레시피(deepseek-recipe)를 공개했다. 러스트(Rust) 라이브러리에 파이썬 바인딩을 붙인 도구로, 같은 프롬프트 형식을 유지하면서 대화 요청을 처리하도록 설계됐다. 메시지, 챗 컴플리션, 리스폰스 API 요청을 내부의 컨버세이션 형식으로 바꾸고, 이를 딥시크 V4 및 V4.1의 프롬프트나 토큰 ID로 인코딩한다. 서로 다른 요청 형식에서 들어온 내용을 모델 입력으로 잇는 역할이다.
반대 방향의 처리도 맡는다. 모델 출력을 완성된 응답 또는 스트리밍 응답으로 파싱하며, 사고 과정, 도구 호출, 이미지, 생성 설정을 다룬다. 입력을 만드는 절차와 출력을 읽는 절차를 한 묶음의 도구로 제공한다는 점에서 단순 예제 코드보다 적용 범위가 넓다. 특히 도구 호출이 이어지는 대화에서는 출력의 어느 부분이 사용자에게 줄 답이고 어느 부분이 다음 실행을 요구하는지 구분해야 한다.
다만 딥시크 레시피가 애플리케이션 전체를 대신 실행하는 것은 아니다. 모델 추론, 도구 실행, HTTP 전송은 이를 사용하는 쪽의 몫으로 남겨뒀다. 공개 도구가 맡는 경계는 요청을 모델의 프로토콜에 맞게 바꾸고, 돌아온 출력을 해당 응답 형식으로 해석하는 부분이다. 실제로 서비스를 구성하려면 추론 환경과 도구 연결, 전송 방식은 따로 마련해야 한다.
로컬 실행과 MIT 라이선스
로컬에서 모델을 실행하려는 사용자를 위해서는 별도의 추론 폴더를 안내한다. 이곳에서 가중치 변환과 추론 실행 방법을 확인하도록 했다. 기술 보고서의 짧은 소개만으로 실행 명령이나 필요한 장비 구성을 알 수 있는 형태는 아니며, 구체적인 실행 절차는 해당 폴더가 담당한다. 공개 가중치를 실제로 쓰려는 개발자는 프롬프트 형식과 함께 이 경로를 확인해야 한다.
저장소와 모델 가중치에는 모두 MIT 라이선스가 적용된다. 모델을 내려받는 문제와 입력 형식을 구현하는 문제를 같은 공개 배포 안에서 다룬다는 점도 이번 페이지의 특징이다. 허깅페이스 페이지에는 모델 트리, 이 모델을 사용하는 스페이스 2개, 관련 컬렉션도 표시돼 있다. 보고서가 설명하는 모델 자체와 이를 시험하거나 연결할 수 있는 배포 경로가 한곳에 모여 있는 구성이다.
보고서의 인용 정보는 기술 보고서 제목을 ‘KV 캐시 압축의 한계 넓히기’로 적고 있다. KV 캐시는 이전 토큰의 처리 결과를 보관해 이어지는 생성에 재사용하는 저장공간이다. 다만 공개된 소개 문구의 중심은 압축 방식의 세부 설명보다 추론·코딩 성능, 작업 시간, 출력량, 그리고 모델을 다루는 도구에 놓여 있다. 이번 업데이트를 평가할 때도 보고서의 성능 주장과 실제 배포 환경에서의 사용 경험을 함께 읽을 필요가 있다.
커뮤니티 의견
한 사용자는 딥시크가 다른 모델보다 벤치마크에서 앞서지 않더라도 실제로는 더 좋게 느껴지는 이유로 빠른 토큰 생성과 첫 출력까지의 대기 시간, 저렴한 비용을 꼽았다. 사고 과정을 볼 수 있고 보안 검토로 갑자기 막힐까 걱정하는 일이 적다는 점도 작업의 예측 가능성을 높인다고 했다. 답글에서도 코딩 도구에서 쓰기 좋고 기본·중간 난도 작업에 비용 부담이 적다는 평가가 이어졌다.
이번 모델을 두고 AI 업계에 더 다양한 선택지가 필요하다는 주장도 나왔다. 한 사용자는 오픈AI(OpenAI)와 앤트로픽(Anthropic)이 규제 장벽을 원한다고 해석하며, 다양한 모델이 남아 있어야 복잡한 문제를 풀 수 있다고 말했다. 이에 대한 답글은 어떤 규제가 이 모델의 출시를 막았을지 구체적으로 묻고, 그 주장이 이번 발표와 어떻게 연결되는지 따졌다.
코딩 벤치마크를 근거로 사용 모델을 다시 바꾸겠다는 의견도 있었다. 한 사용자는 딥시크의 별도 소식 페이지가 새 버전의 코딩 점수 상승과 솔(Sol) 5.6과의 비교 결과를 제시한다며, 딥시크를 코드 작성에 다시 쓰겠다고 했다. 다만 구현 계획과 코드 검토에는 다른 모델도 쓰고, 딥시크에는 검증 작업도 맡긴다고 설명했다.
반대로 실제 코드 검토에서는 속도와 품질 모두 아쉽다는 사례가 나왔다. 한 사용자는 변경 파일이 200개가 넘는 C++ 게임 엔진 코드베이스를 네 에이전트에 검토시켰고, 딥시크는 20분 동안 관련성이 있는 높은 우선순위 문제 하나와 관련성이 없는 문제 하나를 찾았다고 했다. 비교 대상인 GPT 솔 모델들은 더 짧은 시간에 관련성 있는 문제를 찾았으며, 수정 계획에서도 딥시크가 테스트에 필요한 원소 수에 맞춰 버퍼를 정확히 늘린 반면 다른 모델은 여유분을 뒀다고 설명했다. 그는 딥시크의 출력 속도는 인상적이었지만 자신의 검토 작업 전체로는 더 오래 걸렸다고 평가했다.
‘소규모 업데이트’와 ‘상당한 개선’이라는 딥시크의 표현을 재미있게 받아들인 사용자도 있었다. 답글에서는 작은 변경이 큰 효과를 낼 수 있으므로 두 표현이 반드시 모순은 아니라는 해석이 나왔다. 이어 다른 사용자는 이전 가중치와 비교한 자체 시험에서 낮은 추론 노력 설정의 출력 토큰이 약 2.5배 줄고, 노력 수준별 토큰 사용량도 약 20% 줄었다고 주장했다. 이는 회사 발표의 수치가 아니라 개별 사용자가 공개한 시험 결과다.
장기간 에이전트를 운용한 사용자는 딥시크의 속도와 가격이 더 높은 지능의 모델과의 격차를 메운다고 봤다. 그는 여러 역할의 에이전트를 며칠씩 돌린 경험을 바탕으로 딥시크에 엔지니어링 작업을 맡기고 오퍼스(Opus)에 검토를 맡기는 흐름을 구상했다. 다른 댓글에서도 딥시크로 초안을 만들고 더 비싼 모델을 조언자나 검토자로 쓰는 방식이 언급됐다. 모델 하나로 전 과정을 처리하기보다 작업의 성격에 따라 나누려는 의견이다.
모델 교체 자체보다 어려운 문제를 풀 수 있는지가 중요하다는 반론도 나왔다. 한 사용자는 딥시크 4 이후에는 새 버전을 굳이 시험할 필요를 크게 느끼지 못한다고 했지만, 답글에서는 출력과 사고 시간을 더 줄일 여지가 있다고 지적했다. 또 다른 사용자는 평범한 코드 변경은 여러 모델이 처리해도 복잡한 디버깅에서는 지능 차이 때문에 시간을 잃을 수 있다고 했다. 이번 업데이트의 효용이 모든 작업에서 같지는 않다는 관점이다.
핵심통찰
딥시크 V4.1 플래시 1017의 변화는 더 높은 점수를 주장하는 데서 끝나지 않는다. 짧은 출력과 빠른 작업을 목표로 하면서, 공개 가중치를 대화·도구 호출·응답 처리에 연결할 방법까지 함께 내놨다. 토론에서 드러난 쟁점은 빠른 토큰 생성이 곧 빠르고 정확한 작업 완료를 뜻하느냐는 것이다. 앞으로는 벤치마크 순위뿐 아니라 코드 검토나 에이전트 실행에서 걸린 전체 시간, 발견한 문제의 질, 사용한 토큰을 함께 비교해야 이번 업데이트의 가치가 분명해진다.
원본: deepseek-ai/DeepSeek-V4.1-Flash-1017 · Hugging Face
토론: Hacker News