130억이 1조 6천억을 이겼어요 — DeepSeek V4-Flash 0731, 재학습만으로 플래그십을 꺾다
오늘은 AI 업계가 조용히, 그러나 깜짝 놀란 사건 하나를 가져왔어요. 중국의 DeepSeek이 7월 31일 공개한 새 모델 DeepSeek V4-Flash 0731이 자기 회사의 더 크고 비싼 '프로' 모델을 아홉 개 에이전트 벤치마크에서 전부 이겨버렸거든요. 그것도 실제로 일하는 파라미터가 13분의 1밖에 안 되는데 말이에요. 오늘은 이 작은 모델이 왜 이렇게 소란을 일으켰는지, 그리고 그게 우리에게 무슨 의미인지 천천히 풀어볼게요.
130억이 1조 6천억을 이겼어요
먼저 숫자 하나로 시작할게요. DeepSeek의 플래그십 '프로' 모델은 총 1조 6천억(1.6T) 파라미터예요. 이번에 나온 '플래시'는 그보다 훨씬 작은 2,840억(284B) 파라미터고, 실제로 한 번에 켜지는 건 겨우 130억(13B)이에요. 상식적으로는 큰 모델이 이겨야 하잖아요. 그런데 결과는 정반대였어요. 작은 플래시가 에이전트 작업 아홉 개 전부에서 큰 프로를 앞섰어요. 덩치가 아니라 '어떻게 훈련했느냐'가 승부를 갈랐다는 이야기인데, 이게 이번 사건의 핵심이에요.
DeepSeek V4-Flash 0731이 대체 뭔가요
이름이 좀 복잡하죠. 하나씩 뜯어볼게요. 'V4'는 DeepSeek의 4세대 모델 라인이에요. 'Flash'는 그 안에서 빠르고 저렴한 경량 버전을 뜻해요(반대로 무겁고 강력한 건 'Pro'예요). 뒤에 붙은 '0731'은 7월 31일 빌드라는 날짜 표기예요. 정리하면, DeepSeek이 7월 31일에 정식 공개한 V4 라인의 경량 모델이에요. 이날 API 공개 베타도 함께 열렸고요. 겉보기엔 평범한 업데이트 같지만, 안을 들여다보면 전혀 평범하지 않았어요.
'플래시'가 '프로'를 이겼다는 게 무슨 뜻이죠
보통 한 회사 안에서는 비싼 상위 모델이 저렴한 하위 모델보다 똑똑한 게 당연해요. 밥값을 하니까요. 그런데 이번엔 하위 모델인 플래시가 상위 모델인 프로(프리뷰 버전)를 '에이전트' 영역에서 전부 앞질렀어요. 여기서 에이전트란, 사람이 시킨 일을 스스로 여러 단계로 쪼개서 처리하는 AI를 말해요. 코드를 짜고, 터미널 명령을 실행하고, 오류를 고치는 그런 일이죠. 바로 그 실전 능력에서 작은 모델이 큰 모델을 눌렀다는 게 업계가 놀란 지점이에요.
284B인데 실제로 일하는 건 13B뿐이에요
여기서 잠깐 'MoE(전문가 혼합)'라는 구조를 짚고 갈게요. 어려워 보이지만 비유는 간단해요. 큰 병원을 떠올려 보세요. 병원에는 수백 명의 전문의가 있지만, 감기 환자가 오면 내과 의사 한두 명만 진료실에 들어가죠. 나머지는 대기해요. MoE도 똑같아요. 전체 파라미터는 2,840억이지만, 질문 하나를 처리할 때 실제로 '출근'하는 전문가는 130억어치뿐이에요. 덕분에 덩치는 크면서도 실제 계산 비용은 작게 유지돼요. 저렴함의 비밀이 여기 있어요.
재학습만 했는데 성능이 껑충 뛰었어요
더 흥미로운 건, 이번 0731 버전이 새로운 모델이 아니라는 점이에요. DeepSeek은 "구조와 크기는 프리뷰와 똑같고, 후반부 재학습(post-training)만 다시 했다"고 밝혔어요. 쉽게 말하면, 하드웨어를 바꾼 게 아니라 같은 사람을 다시 '재교육'만 시킨 거예요. 그런데 그 재교육만으로 성적이 폭등했어요. 이건 'AI가 똑똑해지려면 무조건 더 커야 한다'는 통념을 정면으로 흔드는 결과라, 연구자들 사이에서 특히 주목받았어요.
검증 가능한 보상 — 코드가 스스로 채점해요
그럼 재교육을 어떻게 했길래 이렇게 뛰었을까요. 핵심은 '검증 가능한 보상을 활용한 강화학습'이에요. 말은 거창하지만 원리는 시험 채점과 비슷해요. 모델에게 코딩 과제를 주고, 짠 코드를 실제로 실행해요. 테스트를 통과하면 O, 실패하면 X. 이 O/X 신호를 보고 모델이 "아, 이렇게 하면 통과하는구나"를 스스로 학습해요. 수학이나 코드처럼 정답이 기계적으로 확인되는 분야는 이 채점이 아주 정확해서, 모델이 눈에 띄게 빨리 늘어요.
에이전트 벤치마크가 뭐길래
성적표에 나온 시험들도 소개할게요. 'Terminal Bench'는 실제 터미널 환경에서 명령을 실행해 문제를 푸는 능력을 재요. 'DeepSWE'는 진짜 소프트웨어 버그를 찾아 고치는 시험이에요. 'Cybergym'은 보안 관련 과제고요. 셋 다 '실전형' 시험이라, 챗봇처럼 말만 잘하는 게 아니라 손으로 일을 해내는지를 봐요. 요즘 AI 경쟁의 무게중심이 '대화'에서 '실무 대행'으로 옮겨간 걸 잘 보여주는 지표들이에요.
숫자로 보는 도약
구체적인 점수를 보면 도약 폭이 실감 나요. Terminal Bench 2.1은 61.8점에서 82.7점으로 뛰었어요. DeepSWE는 7.3점에서 54.4점으로, 무려 여섯 배 넘게 올랐고요. Cybergym도 38.7점에서 76.7점으로 두 배 가까이 상승했어요. 같은 모델을 재학습만 했는데 이 정도 상승이라니, 솔직히 저도 처음 봤을 때 눈을 의심했어요. 물론 이 숫자들이 얼마나 믿을 만한지는 뒤에서 냉정하게 짚어드릴게요.
백만 토큰 문맥, 어떻게 감당하나요
V4-Flash는 한 번에 100만 토큰까지 기억할 수 있어요. 대략 책 여러 권 분량이에요. 보통 이렇게 긴 문맥은 메모리를 엄청 잡아먹는데, DeepSeek은 'CSA·HCA'라는 압축 어텐션 기술을 넣어 부담을 확 줄였어요. 어렵게 들리지만, 긴 회의록을 통째로 외우는 대신 '핵심만 요약해 압축 보관'하는 방식이라고 생각하면 돼요. 그 결과 이전 세대 대비 토큰당 계산량은 27% 수준, 메모리는 10% 수준으로 줄였다고 해요. 길게 읽으면서도 가볍게 도는 비결이에요.
값이 말이 안 돼요
이제 가장 충격적인 부분, 가격이에요. V4-Flash는 입력 100만 토큰에 0.14달러, 출력 100만 토큰에 0.28달러예요. 원화로 치면 몇백 원 수준이에요. 뒤에서 비교하겠지만 서방 최상위 모델의 수십 분의 1 가격이에요. AlphaSignal 같은 곳은 조건에 따라 100만 토큰당 0.08달러라는 계산까지 내놨어요. '이 성능에 이 값이 가능하다고?' 싶은 지점이, 지금 AI 시장 전체를 흔드는 진짜 뇌관이에요.
캐시 히트라는 숨은 절약
가격을 더 낮추는 장치도 있어요. 바로 '캐시 히트' 요금이에요. 같은 앞부분(프롬프트)을 반복해서 쓰면, DeepSeek은 그 부분을 이미 계산해 뒀다가 아주 싸게 재활용해줘요. 캐시에 맞은 입력은 100만 토큰당 0.0028달러예요. 만약 입력의 90%가 캐시 히트라면 실효 입력 단가가 0.14달러에서 0.017달러 근처까지, 약 88% 더 떨어져요. 챗봇이나 문서 도우미처럼 같은 안내문을 매번 앞에 붙이는 서비스라면 이 절약이 어마어마해요.
128GB 맥북에서 돌아간다고요?
또 하나 놀라운 건 '내 컴퓨터에서 돌릴 수 있다'는 점이에요. 실제로 한 기술 매체는 이 284B 에이전트 모델을 128GB 메모리를 가진 맥북에서 구동한 사례를 소개했어요. 예전 같으면 이런 급의 모델은 값비싼 서버 여러 대가 있어야 겨우 돌렸어요. 그런데 이제는 고사양 노트북 한 대로 개인이 손에 넣을 수 있게 된 거예요. AI의 힘이 데이터센터에서 개인 책상으로 내려오고 있다는 상징적인 장면이에요.
MIT 라이선스 — '오픈 웨이트'의 진짜 의미
그게 가능한 이유는 DeepSeek이 모델 가중치를 MIT 라이선스로 공개했기 때문이에요. 'MIT'는 소프트웨어 세계에서 가장 자유로운 허가 방식 중 하나예요. 상업적 사용, 수정, 재배포, 추가 학습까지 거의 제한 없이 허용돼요. 즉 누구나 이 모델을 내려받아 자기 서비스에 넣고, 입맛대로 고칠 수 있어요. '오픈 웨이트(open weight)'라는 말은 이렇게 모델의 알맹이를 열어둔다는 뜻이에요. 폐쇄형 API만 파는 서방 대형 연구소들과는 전략이 정반대죠.
함수 호출·JSON·도구를 쓰는 AI
V4-Flash는 단순히 글만 쓰는 모델이 아니에요. 외부 도구를 직접 부를 수 있어요. 한 번에 최대 128개의 함수 호출을 병렬로 처리하고, 결과를 깔끔한 JSON 형식으로 내놓으며, 정식 'Responses API'도 지원해요. 쉽게 말해, 이 AI에게 "날씨 API를 불러서 내일 우산 챙길지 알려줘" 같은 일을 맡기면 스스로 도구를 골라 실행하고 답을 정리해줘요. 에이전트 시대에 딱 맞는 설계라, 앞의 벤치마크 성적과도 자연스럽게 이어져요.
[사례] 코딩 에이전트 현장에서
이제 실제 쓰임새를 볼게요. 요즘 개발자들은 'AI 코딩 에이전트'를 많이 써요. 사람이 "이 버그 고쳐줘"라고 하면, AI가 코드베이스를 뒤지고, 수정안을 짜고, 테스트를 돌려 스스로 검증해요. V4-Flash는 바로 이 작업에 특화돼 재학습됐어요. 한 분석가는 "값싸고 빠른 등급에서 이 모델이 이긴다"고 평했고, 실제로 프로 대비 약 36% 더 빠르면서 비슷한 코딩 품질을 낸다는 측정도 나왔어요. 대량의 자동화 작업을 저렴하게 굴리려는 팀에게는 반가운 소식이에요.
[사례] 서방 플래그십과 나란히 선 성적표
그럼 서방 최상위 모델과 비교하면 어떨까요. 대표 지표인 SWE-bench Verified(실제 버그 수정 시험)에서 DeepSeek V4-Pro는 80.6점, Anthropic의 Claude Opus 4.7은 80.8점이에요. 겨우 0.2점 차이예요. 사실상 어깨를 나란히 한 셈이죠. 물론 SWE-bench Pro 같은 더 빡센 시험에서는 Opus가 앞서는 등 최상위권에선 여전히 서방 모델이 조금씩 우위를 보여요. 하지만 '몇 점 차이'로 좁혀졌다는 사실 자체가 불과 1~2년 전과는 완전히 다른 그림이에요.
[사례] 가격표를 나란히 놓으면
성능이 비슷하다면 남는 건 가격 싸움이에요. 출력 100만 토큰 기준으로, Claude Opus 4.7은 25달러, OpenAI GPT-5.5는 약 30달러예요. 그런데 DeepSeek V4-Flash는 0.28달러예요. 대략 50배에서 100배 저렴한 거예요. 커피 한 잔 값으로 살 걸 상대는 정식 코스요리 값을 받는 셈이죠. 성능 차이는 몇 점인데 가격 차이는 수십 배라면, 비용에 민감한 기업들이 어디로 눈을 돌릴지는 뻔해요. 이게 지금 시장을 흔드는 실질적 힘이에요.
그런데 '자체 평가'라는 함정
여기서 잠깐 브레이크를 걸게요. 지금까지의 화려한 숫자들은 대부분 DeepSeek이 자체 평가 도구로 낸 결과예요. 7월 31일 시점까지 독립적인 외부 연구소가 이 수치를 그대로 재현했다는 확인은 아직 없었어요. 벤치마크 점수는 측정 방식에 따라 얼마든지 달라질 수 있어서, 회사가 발표한 숫자는 늘 '일단 참고, 검증은 나중에'로 받아들이는 게 안전해요. 놀라운 소식일수록 차분하게, 실제 사용 후기와 제3자 평가가 쌓일 때까지 지켜보는 태도가 필요해요.
DeepSeek는 누구인가요
DeepSeek이 낯선 분들을 위해 배경도 짚을게요. DeepSeek은 중국의 AI 연구 조직으로, 2024년 말~2025년 초에 V3와 R1 모델로 세계를 한 번 크게 흔든 곳이에요. 서방 연구소들이 어마어마한 돈을 들여 만든 모델과 비슷한 성능을, 그 일부 비용으로 뽑아내 시장에 충격을 줬거든요. 이후 DeepSeek은 '고성능을 헐값에, 그리고 공개로'라는 노선을 꾸준히 밀어붙였고, 이번 V4-Flash 0731도 그 연장선에 있는 카드예요.
2026 AI 가격 전쟁의 한복판
이 사건은 혼자 벌어진 일이 아니에요. 2026년 AI 업계는 '가격 전쟁' 한복판에 있어요. 업계 분석에 따르면 같은 지능을 얻는 비용이 2025~2026년 사이 90~97%나 폭락했어요. DeepSeek은 앞서 V4-Pro 가격을 75% 영구 인하하며 전쟁에 불을 붙였고, 이번 플래시는 거기에 기름을 부은 격이에요. 값이 싸질수록 AI를 쓰는 문턱이 낮아지니, 소비자 입장에선 반가운 흐름이지만, 만드는 회사들에게는 피 말리는 출혈 경쟁이에요.
서방 연구소들이 받은 압박
중국발 저가 공세에 서방도 가만있지 않았어요. Anthropic은 한 번의 발표로 Claude 가격을 67% 내렸고, OpenAI도 하위 모델 값을 대폭 깎으며 맞불을 놨어요. 결과적으로 시장에는 '초저가 중국 오픈 모델'과 '프리미엄 서방 폐쇄 모델'이 공존하며, 역사상 가장 넓은 가격 스펙트럼이 형성됐어요. 소비자는 예산과 필요에 따라 고를 폭이 넓어졌고, 회사들은 저마다 '싸게 많이' 혹은 '비싸도 최고로'라는 포지션을 다시 짜고 있어요.
작은 모델의 시대가 오나요
이번 사건이 던지는 큰 질문은 이거예요. "이제 무작정 큰 모델의 시대는 끝인가?" V4-Flash는 '재학습만 잘하면 작은 모델도 큰 모델을 특정 영역에서 이긴다'는 걸 보여줬어요. 앞으로는 무조건 파라미터를 늘리기보다, 목적에 맞게 똑똑하게 훈련한 '작고 빠른 전문가 모델'을 여러 개 조합하는 방향이 힘을 받을 가능성이 커요. 거대 모델은 여전히 중요하지만, 실무의 상당 부분은 이런 경량 모델이 저렴하게 나눠 맡는 그림이 그려져요.
우리에게 무슨 의미인가요
마지막으로 실사용자 관점이에요. 첫째, AI를 쓰는 비용이 계속 내려가니 개인·소규모 팀도 예전엔 엄두 못 내던 자동화를 시도해볼 수 있어요. 둘째, 오픈 웨이트 모델이 강해질수록 특정 회사에 종속되지 않고 '내 서버에서 내 AI'를 굴리는 선택지가 커져요. 셋째, 다만 성능 수치는 마케팅이 섞이기 마련이니, 실제로 내 작업에 써보고 판단하는 게 제일 정확해요. 화려한 발표보다 '내 손에서의 결과'가 진짜 기준이에요.
핵심 정리
정리할게요. DeepSeek V4-Flash 0731은 실제 작동 파라미터가 13B에 불과한 경량 MoE 모델인데, 재학습만으로 자사 플래그십을 아홉 개 에이전트 벤치마크에서 전부 앞섰어요. 100만 토큰 문맥, 압축 어텐션, MIT 오픈 웨이트, 그리고 서방 모델의 수십 분의 1 가격이 무기예요. 다만 대부분 자체 평가 수치라 외부 검증은 아직 남아 있어요. 그럼에도 '크기가 아니라 훈련'이라는 메시지와 폭락하는 가격은, 2026년 AI 지형을 바꾸는 분명한 신호예요.
여러분은 어떻게 보세요? 저렴한 오픈 모델을 직접 써보고 싶으신가요, 아니면 아직은 검증된 서방 모델이 더 미더우신가요? 댓글로 여러분의 생각을 들려주세요. 궁금한 점을 남겨주시면 다음 글에서 더 깊이 다뤄볼게요.
출처
- TechTimes — DeepSeek Retrained V4-Flash Beats Its Flagship Pro on Nine Agent Benchmarks: https://www.techtimes.com/articles/322513/20260731/deepseek-retrained-v4-flash-beats-its-flagship-pro-nine-agent-benchmarks.htm
- Hugging Face — deepseek-ai/DeepSeek-V4-Flash: https://huggingface.co/deepseek-ai/DeepSeek-V4-Flash
- Artificial Analysis — DeepSeek V4 Flash 0731 분석: https://artificialanalysis.ai/models/deepseek-v4-flash
- AlphaSignal — V4-Flash-0731 Beats Bigger Models at $0.08/M: https://alphasignal.ai/news/deepseek-s-v4-flash-0731-beats-bigger-models-on-agent-tasks-at-0-08-per-million
- ModelFit — 284B Agent Fits a 128GB MacBook: https://modelfit.io/blog/deepseek-v4-flash-0731-128gb-macbook/
- vLLM Recipes — DeepSeek-V4-Flash 사양: https://recipes.vllm.ai/deepseek-ai/DeepSeek-V4-Flash
- Kaitchup — DeepSeek-V4-Flash-0731 분석: https://kaitchup.substack.com/p/deepseek-v4-flash-0731-and-inkling
- InfoWorld — DeepSeek V4-Pro price cut escalates AI pricing war: https://www.infoworld.com/article/4176709/deepseeks-steep-v4-pro-price-cut-escalates-ai-pricing-war.html
이 포스트는 Claude Cowork + SVIL Ghost MCP를 통해 AI가 직접 작성하고 발행했습니다.