DeepSeek V4.1 Flash: 플래그십 V4-Pro를 스스로 은퇴시킨 모델, 뭐가 다르길래

이 글은 Apptics 에디터 서상덕이 DeepSeek 공식 발표문, API 문서, Artificial Analysis 리더보드 등 1차 자료를 직접 확인해 정리한 실무 가이드입니다.

AI API 비용 명세서 볼 때마다 드는 생각이 있습니다. “이 정도 지능을 이 가격에 쓸 수 있다면, 굳이 플래그십 모델을 고집할 이유가 있을까?” 지난 9월 10일, 딥시크(DeepSeek)가 이 질문에 아주 극단적인 답을 내놨습니다. 자사의 플래그십 V4-Pro를 스스로 은퇴시키면서, 더 싼 하위 모델 V4.1-Flash로 갈아타라고 공지한 겁니다.

보통은 플래그십이 새로 나오면 아래 등급 모델이 정리되는데, 이번엔 정반대입니다. 상위 모델 요청이 하위 모델로 라우팅되고, 가격도 하위 모델 가격으로 청구됩니다. 딥시크 하니스 팀 책임자 추이톈이는 소셜미디어 X에서 이렇게 밝혔습니다. “모든 지표에서 V4-Pro를 완전히 능가하는 V4.1-Flash를 두고, 성능이 뒤처지는 V4-Pro를 더 비싸게 제공하는 것은 적절하지 않다.”

DeepSeek V4.1 Flash: 플래그십 V4-Pro를 스스로 은퇴시킨 모델, 뭐가 다르길래

V4.1-Flash, 도대체 어떤 모델인가

2026년 9월 10일 출시된 DeepSeek-V4.1-Flash는 딥시크의 새 아키텍처 계열 중 가장 작은 모델입니다. 핵심 사양을 먼저 정리하면 이렇습니다.

항목	사양
총 파라미터	552B (MoE, 공유 전문가 1개 + 라우팅 전문가 384개 중 토큰당 6개 활성화)
실제 활성 파라미터	입력 8B / 출력 16B — ‘Causal Encoder-Decoder’ 구조
컨텍스트 윈도우	100만 토큰 (최대 출력 384K)
멀티모달	네이티브 이미지 이해 지원 (DeepSeek-ViT 비전 인코더)
학습 데이터	멀티모달 코퍼스 45조 토큰, 1M 컨텍스트 확장 학습 포함
API 모델명	`deepseek-flash` (오픈소스 가중치는 Hugging Face 공개)
사고 모드	기본 활성화, reasoning_effort low/high/max 제어

가장 흥미로운 건 ‘비대칭 아키텍처’입니다. 기존 트랜스포머는 입력 처리와 출력 생성에 같은 크기의 연산을 쓰지만, V4.1-Flash는 인코더(입력)에 8B, 디코더(출력)에 16B만 활성화합니다. 긴 문서를 읽고 짧게 답하는 에이전트 워크로드 특성상, 입력은 가볍게 처리하고 출력 품질에 자원을 집중하는 설계입니다. 552B급 지능을 24B급 연산 비용으로 쓰는 셈이죠.

DeepSeek V4.1-Flash 공식 발표문 보기

KV 캐시를 1/4로 줄였다 — 에이전트 비용 구조가 바뀐다

이번 발표에서 개발자가 가장 주목할 부분은 벤치마크가 아니라 KV 캐시 압축입니다. KV 캐시는 대화 맥락을 기억하는 임시 메모리인데, 에이전트처럼 긴 컨텍스트를 반복 호출하는 워크로드에서는 캐시 비용이 전체 청구서의 상당 부분을 차지합니다.

토큰당 KV 캐시: 이전 V4-Flash 3,514바이트 → V4.1-Flash 890바이트 (약 1/4)
HBM(고대역폭 메모리) 요구량 1/4, SSD 스토리지 요구량 1/8로 감소
희소 어텐션 + FP4 KV 캐싱 적용, 인코더·디코더 각 20레이어

캐시가 작아지면 같은 GPU로 더 많은 사용자를 서빙할 수 있고, 그 여윳값이 곧바로 API 가격 인하로 이어졌습니다. 캐시 히트 가격이 오프피크 기준 100만 토큰당 0.003달러까지 내려간 배경입니다. 에이전트를 대량으로 돌리는 팀이라면 이 숫자 하나가 아키텍처 결정을 바꿀 수 있습니다.

가격표: 캐시 히트 100만 토큰에 0.003달러

새 가격 정책은 9월 10일 04:00 UTC(한국시간 오후 1시)부터 적용됐습니다. 100만 토큰당 단가는 다음과 같습니다.

구분	오프피크	피크
입력 (캐시 히트)	$0.003	$0.006
입력 (캐시 미스)	$0.15	$0.30
출력	$0.60	$1.20

피크 시간대는 평일(월~금) UTC 01:00-04:00, 06:00-10:00이고 나머지는 전부 오프피크(반값)입니다. 참고로 폐기 예정인 V4-Pro는 캐시 미스 입력이 피크 기준 $1.32, 출력이 $3.96이었습니다. 출력 단가만 보면 V4.1-Flash는 기존 플래그십의 약 1/3 가격입니다. 동시 실행 한도(concurrency)도 Flash가 2,500으로 V4-Pro(500)의 5배라, 대규모 배치 작업에 훨씬 유리합니다.

DeepSeek API 최신 요금표 확인하기

벤치마크: 진짜 플래그십을 넘었을까

딥시크 발표 자료와 South China Morning Post 보도를 기준으로 주요 벤치마크를 비교하면 이렇습니다.

벤치마크	V4.1 Flash	GPT-5.6 Sol	Kimi K3	Claude Opus 5
Terminal-Bench 2.1 (터미널 에이전트)	90.6	88.8	88.3	89.1
CyberGym (사이버보안)	88.1	84.5	80.0	–
DeepSWE v1.1 (SW 엔지니어링)	74.2	73.0	67.5	74.0
Automation-Bench (업무 자동화)	54.8	45.8	46.7	50.3
Terminal-Bench 4.0 (고난도)	31.2	39.9	12.6	51.8
HLE (지식·추론)	36.8	44.5	43.5	56.3

DeepSeek V4.1 Flash 벤치마크 비교 차트 - Terminal-Bench, CyberGym, DeepSWE, Automation-Bench — DeepSeek 공식 발표 벤치마크 재구성. 출처: DeepSeek (2026.09.10)

숫자에서 보이듯 그림이 단순하지 않습니다. 코딩·사이버보안·에이전트 자동화에서는 플래그십 경쟁자들을 실제로 앞섰습니다. DeepSWE v1.1에서는 Claude Opus 5(74.0)를 간발의 차로 눌렀고, Codeforces 레이팅은 3,471로 비교 대상 중 가장 높습니다.

반면 최신 고난도 벤치마크(Terminal-Bench 3.0·4.0, ProgramBench)와 순수 지식 추론(HLE)에서는 Claude Opus 5, GPT-5.6이 여전히 뚜렷한 우위입니다. 독립 검증 기관인 Artificial Analysis 리더보드에서도 V4.1 Flash(max)는 지능 지수 40으로 GPT-6 Astra(max, 53)나 Claude Fable 5.1(max, 53) 같은 최상위권과는 격차가 있습니다. 다만 같은 40점대인 Gemini 3.7 Flash, GPT-5.6 Sol(medium)과 비교하면 작업당 비용($0.27)은 압도적으로 저렴합니다.

직접 확인한 점 / 에디터 의견

이번 발표 자료를 직접 대조하며 확인한 것들입니다. 먼저 ‘플래그십을 넘었다’는 딥시크의 주장은 자사 벤치마크 기준으로는 사실이지만 선택적입니다. 표에서 이긴 항목(Terminal-Bench 2.1, CyberGym, DeepSWE, 에이전트 계열)은 강조하고, 진 항목(Terminal-Bench 4.0, HLE)은 발표문 본문에서 다루지 않았습니다. 도입 전에 자기 워크로드와 맞는 벤치마크를 골라 봐야 하는 이유입니다.

두 번째, 이번 출시는 성능 경쟁이라기보다 인프라 효율 경쟁의 선언에 가깝습니다. KV 캐시 890바이트/토큰이라는 숫자는 “같은 하드웨어로 몇 배 더 서빙할 수 있는가”의 문제이고, 이게 중국발 가격 전쟁의 진짜 동력입니다. 지난달 Z.ai의 GLM-5.3-Flash, 알리바바의 Qwen3.8-Flash-Next까지 플래시급 경쟁이 본격화됐습니다.

세 번째, 실무 관점에서 가장 큰 변화는 ‘비전 기본 탑재’입니다. 이전 deepseek-flash에는 이미지 입력이 없었는데, 이제 스크린샷 분석·차트 해석이 추가 비용 없이 됩니다. 에이전트가 UI를 보고 판단하는 워크로드의 진입 장벽이 크게 낮아졌습니다.

기존 사용자를 위한 마이그레이션 체크리스트

☑ 모델명 변경: 새 코드에는 deepseek-flash 사용. deepseek-v4-flash, deepseek-v4-flash-vision-exp는 일시적으로 V4.1-Flash로 라우팅되지만 폐기 예정 이름
☑ V4-Pro 사용자: 9월 14일 12:00(베이징 시간)부터 모든 deepseek-v4-pro 요청이 V4.1-Flash로 자동 라우팅 + Flash 가격 청구. 출력 품질 회귀 테스트 필수
☑ 사고 모드 파라미터 점검: thinking 기본 활성화(기본 effort는 high). OpenAI 포맷은 extra_body={"thinking": {"type": "enabled"}}, thinking 모드에서는 temperature·presence_penalty가 무시됨(에러 없이 무시되니 조용한 버그 주의)
☑ 배치 작업은 오프피크로: 한국시간 평일 오후 3시~다음 날 오전(UTC 비피크)에 돌리면 단가 절반
☑ 캐시 히트 극대화: system prompt· few-shot 예시를 앞부분에 고정 배치해 캐시 재사용률 올리기 (캐시 히트 $0.003 vs 미스 $0.15, 50배 차이)
☑ 동시성 여유 확인: Flash는 계정당 2,500 동시 요청. 초과 시 HTTP 429

자주 묻는 질문 (FAQ)

Q1. 오픈소스로 공개되나요?

네. 가중치는 Hugging Face(deepseek-ai/DeepSeek-V4.1-Flash)에 공개됐고, 딥시크 V4 계열은 MIT 라이선스입니다. 기술 보고서 PDF도 같은 저장소에 있습니다. 다만 552B MoE 모델이라 자체 호스팅은 GPU 2,000장급 인프라를 권할 정도로 규모가 큽니다.

Q2. V4-Pro를 쓰고 있었는데 아무것도 안 하면 어떻게 되나요?

9월 14일(베이징 시간 정오) 이후 요청이 자동으로 V4.1-Flash로 전환되고 Flash 가격으로 청구됩니다. 더 싸지지만 모델이 바뀌는 것이므로, 프로덕션 환경이라면 전환 전에 회귀 테스트를 꼭 거쳐야 합니다. 딥시크는 향후 V4.1-Pro 출시 전까지 이 상태를 유지한다고 밝혔습니다.

Q3. GPT나 Claude 대신 이 모델로 갈아타도 될까요?

워크로드에 따라 다릅니다. 대량 에이전트 호출, 터미널 자동화, 코드 리팩토링, 문서·스크린샷 분석처럼 ‘충분히 좋은 지능 × 낮은 단가 × 높은 처리량’이 중요한 작업에는 현재 가장 가성비 좋은 선택지 중 하나입니다. 반면 최상급 추론이 필요한 난도 높은 작업(HLE, Terminal-Bench 4.0 급)은 여전히 Claude Opus 5나 GPT-5.6 계열이 우위라, 작업별로 모델을 나눠 쓰는 구성이 현실적입니다.

Q4. 이미지 입력도 되나요?

네, 네이티브 비전을 지원합니다. JPEG·PNG·GIF·WebP 형식이고, OpenAI 호환 Chat Completions 포맷 그대로 base64나 URL로 이미지를 전달하면 됩니다. 요청 본문 한도는 48MiB입니다.

결론: ‘플래시’가 플래그십을 밀어낸 첫 사례

DeepSeek V4.1-Flash는 “작은 모델 = 성능 타협”이라는 공식이 깨진 상징적인 출시입니다. 552B MoE에 8B/16B 비대칭 활성화, 토큰당 890바이트 KV 캐시라는 설계 혁신으로 자사 플래그십을 가격·속도·성능 전부에서 앞질렀고, 벤더가 직접 상위 모델의 은퇴를ประกาศ하는 이례적인 상황까지 만들었습니다. 당장 다음 주부터 V4-Pro API를 쓰는 모든 요청이 이 모델로 전환됩니다.

추천하는 다음 행동은 하나입니다. 9월 14일 전에 deepseek-flash로 자기 워크로드의 회귀 테스트를 돌려보세요. 캐시 히트 단가 $0.003의 세계가 어떤지, 직접 확인해볼 가치가 충분합니다.