🚀 DeepSeek V4 Preview 정식 출시 — 1M 컨텍스트가 기본이 되는 시대

언제: 2026년 4월 24일 · 누가: DeepSeek (@deepseek_ai) 공식 발표
뭐가 나왔나: V4-Pro (1.6T/49B) · V4-Flash (284B/13B), 둘 다 1M 컨텍스트·오픈 웨이트·API 동시 공개
왜 중요한가: 폐쇄형 프론티어 모델과 대등한 성능을 오픈 웨이트로, 그리고 Output $0.28/M이라는 가격으로 내놓음

오늘 새벽 DeepSeek이 V4 Preview를 7연속 트윗으로 풀어내며 1M 컨텍스트 시대의 문을 공식적으로 열었다. 첫 트윗만 15만 조회에 3.7천 좋아요가 찍혔다는 사실보다 흥미로운 건, 함께 공개된 벤치마크·가격표·아키텍처 효율 그래프가 이번 출시의 진짜 임팩트를 훨씬 명확히 드러낸다는 점이다. 단순한 “또 하나의 오픈 모델”이 아니라 비용/성능 균형점의 이동이다.

1. 두 모델, 두 가지 전략 — Pro와 Flash

V4는 처음부터 역할이 갈린 두 모델로 나왔다. Pro는 프론티어와 정면 승부, Flash는 초저비용 대량 추론.

DeepSeek V4 모델 스펙 비교표

공식 스펙 카드에서 텍스트에는 없던 사전학습 토큰 수(33T/32T) 와 WEB/APP 운용 모드 구분(Pro=Expert, Flash=Instant) 가 드러났다. 두 모델 모두 1M 컨텍스트·오픈소스·API 서비스를 동시에 제공한다.

DeepSeek-V4-Pro: 총 1.6T 파라미터, 활성 49B, 33T 토큰 사전학습. chat.deepseek.com의 Expert Mode에서 구동.
DeepSeek-V4-Flash: 총 284B, 활성 13B, 32T 토큰. Instant Mode. 응답 속도와 단가가 핵심.

활성 파라미터 기준으로 보면 Pro 49B / Flash 13B — 전형적인 MoE 구조다. 파라미터 총량만 보면 Pro는 Kimi K2(1T)·Llama 4 계열을 넘어서는 최대급 오픈 웨이트 모델이다.

2. 벤치마크: 오픈 SOTA는 맞지만, 빈틈도 정직하게 드러남

트윗은 “세계 최고 수준의 폐쇄형 모델들과 필적”이라고 표현했다. 공식 벤치마크 차트를 실제로 뜯어보면 그 주장은 반만 맞는다.

DeepSeek V4-Pro vs Claude Opus 4.6, GPT-5.4, Gemini 3.1 Pro 벤치마크

Knowledge & Reasoning 구간에서 SimpleQA-Verified는 Gemini 3.1 Pro가 75.6으로 압도(DS 57.9), HLE는 DS가 37.7로 4개 모델 중 꼴찌. 반면 Apex Shortlist 90.2, Codeforces 3206에서는 DS가 1위. Agentic 구간에서는 SWE Verified 80.6으로 Claude(80.8)·GPT(80.6)와 소수점 싸움, Terminal Bench 2.0은 GPT-5.4 75.1에 뒤져 67.9.

이어 공개된 전체 비교표는 훨씬 더 솔직하다. DS-V4-Pro와 Flash를 Kimi K2.6, GLM-5.1, Opus 4.6, GPT-5.4, Gemini 3.1 Pro까지 7개 모델 전체와 23개 벤치마크에서 대조해놓았다.

23개 벤치마크 전체 비교표 — DS-V4-Pro/Flash vs 6개 경쟁 모델

DS-V4-Pro가 1위인 항목: LiveCodeBench 93.5, Codeforces 3206, Chinese-SimpleQA 84.4, Apex Shortlist 90.2, MCPAtlas 73.6. 반대로 Long Context MRCR 1M에서는 Claude Opus 4.6이 92.9로 압도, DS는 83.5. MMLU-Pro·HLE·GPQA 같은 일반 지식 벤치마크에서는 Gemini 3.1 Pro가 선두를 지켰다. V4-Flash도 상당수 항목에서 Opus 4.6과 한 자릿수 차이로 따라붙는다.

해석: - 수학·코딩 오픈 SOTA는 사실. Codeforces 3206은 인간 상위 그랜드마스터 레이팅이고, LiveCodeBench 93.5는 현존 최고점이다. - 일반 지식은 여전히 구글이 강하다. SimpleQA에서 DS와 Gemini의 격차는 17.7%p. 검색·사실성 영역은 아직 프론티어의 해자가 있다. - 1M 긴 문맥에서 Opus가 의외의 1위. MRCR 1M에서 92.9 대 83.5라는 9.4%p 격차는 가볍지 않다. 단순 컨텍스트 길이 주장 ≠ 긴 컨텍스트 활용 품질. - Flash가 진짜 무기. V4-Flash가 LiveCodeBench 91.6, SWE Verified 79.0, Codeforces 3052를 찍는다. 활성 13B짜리가 말이다.

3. 가격 파괴 — Output $0.28/M이라는 숫자의 무게

이번 출시에서 가장 파괴적인 슬라이드는 성능 차트가 아니라 가격표다.

V4 API 가격표 — Pro/Flash, cache hit/miss 구분, 1M 컨텍스트

1M 토큰 기준. V4-Pro: Input cache hit $0.145 / cache miss $1.74 / Output $3.48. V4-Flash: Input cache hit $0.028 / cache miss $0.14 / Output $0.28.

비교 포인트를 하나만 집어보자. Claude Opus 4.6 기준 Output 단가는 대략 $75/M 수준이다. V4-Pro의 Output $3.48은 약 1/20, V4-Flash의 Output $0.28은 약 1/250이다. 같은 벤치마크 영역에서 Flash가 Opus의 70~90% 성능을 뽑는다는 걸 함께 놓고 보면 TCO(총소유비용) 그래프가 완전히 뒤집힌다.

특히 cache hit $0.028이라는 숫자는 반복 시스템 프롬프트를 쓰는 에이전트 워크로드에서 비용을 한 자릿수 더 낮춘다. 대량 툴 호출·반복 평가·데이터셋 생성 용도로는 사실상 비용 무감각 구간에 들어간 셈이다.

4. 1M 컨텍스트가 “기본값”이 되는 이유 — DSA의 효율 증거

컨텍스트 길이를 늘리는 것보다 그걸 싸게 늘리는 게 어렵다. V4가 1M을 모든 공식 서비스의 기본값으로 꽂을 수 있었던 배경은 구조 혁신에 있고, DeepSeek은 그 근거를 그래프 한 장으로 내놓았다.

DSA 효율성 — V3.2 대비 FLOPs와 KV Cache 절감

왼쪽: 1024K 토큰 위치에서 V3.2는 1.2T FLOPs, V4-Pro는 약 0.32T (V3.2의 27%), V4-Flash는 약 0.12T (V3.2의 10%). 오른쪽: 같은 1024K 시퀀스에서 V3.2 KV Cache 약 50GB, V4-Pro 약 5GB, V4-Flash 약 3GB. 긴 문맥일수록 격차가 기하급수적으로 벌어지는 형태.

핵심 구조는 두 가지로 설명됐다: - 토큰 단위 압축 기반 혁신 어텐션 - DSA (DeepSeek Sparse Attention) — 희소 어텐션으로 긴 문맥에서의 compute·메모리를 동시에 절감

그래프가 우상향 직선에서 완만한 저각도 직선으로 바뀐 형태라는 점에 주목할 만하다. 단순 상수배 절감이 아니라 긴 문맥일수록 이득이 커지는 스케일링이라는 뜻이다. 1M 기본값 선언이 마케팅이 아닌 구조적 여유에서 나왔다.

5. 에이전트 통합 — Claude Code, OpenCode와 나란히

DeepSeek은 V4의 첫 타깃을 명확히 에이전트 코딩으로 잡았다. 트윗에 따르면 V4는 Claude Code, OpenClaw, OpenCode 같은 선도 에이전트 프레임워크와 원활히 통합되며, DeepSeek 자체의 내부 에이전트 코딩도 이미 V4로 구동 중이다.

V4-Pro가 생성한 샘플 PDF — QSR Tenant Outreach Playbook

샘플은 상업용 부동산 리징 문서인 “QSR Tenant Outreach Playbook”. 표지·6주 멀티채널 아웃리치 케이던스 테이블·일면 플라이어·30/60/90일 마일스톤 트래커가 전부 일관된 레이아웃으로 생성됐다. 단순 텍스트 출력이 아니라 실사용 가능한 비즈니스 문서 수준의 구조화된 산출물을 한 호흡에 뽑아낸다는 시연.

Anthropic API 호환이 같이 발표됐다는 점도 중요하다. base_url은 유지한 채 모델 이름만 deepseek-v4-pro나 deepseek-v4-flash로 바꾸면 기존 Claude 기반 에이전트가 그대로 돌아간다. Claude Code 워크플로우에서 비용 민감한 작업은 V4-Flash, 품질 민감한 작업은 Opus 4.6 식의 멀티모델 스택이 현실적인 설계안으로 떠오른다.

6. 마이그레이션 일정 — deepseek-chat·reasoner는 7월 24일 퇴역

기존 사용자에게 가장 중요한 공지는 API 퇴역 일정이다.

즉시 사용 가능: deepseek-v4-pro, deepseek-v4-flash (OpenAI ChatCompletions / Anthropic API 모두 지원)
듀얼 모드 지원: Thinking / Non-Thinking (긴 추론 vs 빠른 응답 선택 가능)
퇴역: deepseek-chat, deepseek-reasoner → 2026년 7월 24일 15:59 UTC 완전 퇴역. 현재는 v4-flash로 자동 라우팅 중.

즉 3개월 유예 기간이 있다. 라우팅이 이미 v4-flash로 걸려 있다는 점에서 체감 전환 비용은 낮지만, 응답 포맷이나 추론 스타일에 의존하는 파이프라인은 미리 회귀 테스트를 돌려두는 게 안전하다.

DeepSeek은 트윗 말미에 “DeepSeek 뉴스에 대해서는 공식 계정만 신뢰해달라”는 별도 공지도 덧붙였다. V4 출시 전후로 가짜 벤치마크·루머가 돌았음을 간접 인정한 셈이다.

🎯 정리 — 이 출시가 의미하는 것

오픈 웨이트 프론티어가 현실이 됐다. 일반 지식은 Gemini, 장문 이해는 Opus가 여전히 앞서지만 코딩·수학 영역에서는 오픈 웨이트가 폐쇄형을 추월했다. 이 격차가 남은 영역으로 번지는 건 시간 문제다.
에이전트 스택의 설계 축이 다시 바뀐다. Claude Opus 4.6 + Codex + V4-Flash 같은 멀티모델 조합이 단일 모델보다 나은 비용/성능을 만들어낸다. “품질 계층 = Opus, 범용 계층 = V4-Pro, 대량 계층 = V4-Flash” 같은 3단 라우팅이 합리적 설계가 된다.
1M 컨텍스트가 더 이상 프리미엄 옵션이 아니다. DSA 그래프가 보여준 건, 긴 컨텍스트가 비싸야 할 구조적 이유가 사라지고 있다는 것. 긴 문서 분석·대규모 코드베이스 이해는 이제 기본 기능이다.
오픈 웨이트의 다음 진검승부는 “긴 문맥 품질”이다. MRCR 1M에서 Opus 4.6이 여전히 독보적인 점이 시사하는 바가 크다. 컨텍스트를 먹이는 것과 쓰는 것은 다르다.

#DeepSeekV4출시 #오픈웨이트프론티어 #1M컨텍스트기본값 #DSA희소어텐션 #에이전트멀티모델스택

데이터: DeepSeek 공식 계정 2026-04-24 7연속 트윗 + 첨부 이미지 6종 시각 확인
트윗 링크: 1/n · 2/n · 3/n · 4/n · 5/n · 6/n · 7/n
공식 리소스: chat.deepseek.com · 기술 보고서 · 오픈 웨이트