DeepSeek V4: 기능, 벤치마크, 비교

몇 달간의 소문 끝에, 그리고 새로운 GPT-5.5와 Claude Opus 4.7 출시 직후 DeepSeek이 마침내 DeepSeek V4를 공개했습니다. 이번 출시는 V4-Pro와 V4-Flash 두 가지 프리뷰 모델 형태로 이루어졌으며, 공격적인 가격과 최상위에 근접한 성능으로 시장에 등장했습니다.

DeepSeek V4-Pro는 총 1.6조 파라미터와 기본 100만 토큰 컨텍스트 윈도우를 자랑합니다. DeepSeek은 OpenAI나 Anthropic 같은 경쟁사 대비 비용은 극히 낮추면서도 최첨단 비공개 모델들보다 불과 3~6개월 정도만 뒤처진다고 주장합니다.

이 글에서는 DeepSeek V4 출시 내용을 정리하며 핵심 기능, 벤치마크 성능, 경쟁 모델과의 비교를 살펴보겠습니다. 또한 GPT-5.5와 Claude Opus 4.7 가이드를 함께 참고하실 수 있습니다.

DeepSeek V4 한눈에 보기

• V4는 두 가지 버전으로 제공됩니다: Pro(1.6조 파라미터)와 Flash(2840억 파라미터).
• 두 모델 모두 기본 100만 토큰 컨텍스트 윈도우를 제공합니다.
• Pro는 100만 토큰 기준 입력 $1.74 / 출력 $3.48로, GPT-5.5와 Opus 4.7 대비 가격 경쟁력이 매우 높습니다.
• API, 웹 인터페이스, 오픈 웨이트(MIT 라이선스)로 이용 가능합니다.

DeepSeek V4란?

DeepSeek V4는 중국 AI 연구소 DeepSeek이 공개한 오픈 웨이트 대규모 언어 모델 시리즈의 최신작으로 많은 기대를 모았습니다. 2026년 4월 24일 출시된 V4 시리즈는 DeepSeek-V4-Pro와 DeepSeek-V4-Flash 두 버전으로 제공됩니다. 두 모델 모두 a Mixture of Experts (MoE) a키텍처를 사용하며 기본적으로 100만 토큰의 거대한 컨텍스트 윈도우를 제공합니다.

DeepSeek V4가 업계에서 큰 의미를 갖는 이유는 최전선에 근접한 성능과 강력한 가격 경쟁력을 동시에 제공하기 때문입니다. V4-Pro 모델은 총 1.6조 파라미터(활성 490억)를 갖추어, 현재 이용 가능한 오픈 웨이트 모델 중 최대 규모입니다. 

이처럼 거대한 규모에도 불구하고, DeepSeek은 OpenAI와 Anthropic 같은 경쟁사 대비 비용은 극히 낮추면서 최첨단 비공개 모델들보다 불과 3~6개월만 뒤처진다고 주장합니다.

DeepSeek V4의 주요 기능

이번 릴리스의 두드러진 특징을 살펴보겠습니다. 

구조적 혁신과 100만 컨텍스트 효율

DeepSeek V4의 핵심 강점은 긴 컨텍스트를 매우 효율적으로 처리한다는 점입니다. 

기술 노트에 따르면, V4 시리즈는 Compressed Sparse Attention(CSA)과 Heavily Compressed Attention(HCA)을 결합한 하이브리드 어텐션 아키텍처를 사용합니다. 

이러한 구조적 변경 덕분에 DeepSeek의 모든 서비스에서 100만 토큰 컨텍스트가 표준이 되었습니다. 

DeepSeek에 따르면 100만 토큰 컨텍스트 상황에서 DeepSeek-V4-Pro는 단일 토큰 추론 FLOPs가 27% 수준, KV 캐시는 전작인 DeepSeek-V3.2 대비 10%만 필요하다고 합니다.

세 가지 추론 노력 모드

지연 시간과 성능을 세밀하게 조정할 수 있도록, DeepSeek V4에는 세 가지 추론 모드가 포함됩니다:

• Non-think: 일상적인 작업과 낮은 위험의 의사결정에 적합한 빠르고 직관적인 응답.
• Think High: 복잡한 문제 해결에 적합한 더 느리지만 매우 정확한 의식적 논리 분석.
• Think Max: 모델의 한계를 탐색하기 위해 추론 능력을 최대치로 끌어올리는 모드.

강화된 에이전트 기능

DeepSeek V4는 에이전트형 코딩에 최적화된 것으로 보입니다. 릴리스 노트에 따르면 Claude Code, OpenClaw, OpenCode 같은 대표적인 AI 에이전트와 매끄럽게 통합되며, 이미 DeepSeek의 사내 에이전트형 코딩 인프라를 구동하고 있습니다.

고급 학습 최적화

내부적으로 DeepSeek은 잔차 연결을 강화하고 신호 전파를 안정화하기 위해 Manifold-Constrained Hyper-Connections(mHC)를 도입했습니다. 또한 더 빠른 수렴과 학습 안정성을 위해 Muon Optimizer로 전환했으며, 32조 개 이상의 다양한 토큰으로 사전 학습을 진행했습니다.

DeepSeek V4 벤치마크

DeepSeek의 내부 결과에 따르면, DeepSeek V4는 특히 최대 추론 한계(DeepSeek-V4-Pro-Max)로 밀어붙였을 때 인상적인 성능을 보여줍니다. 

공식 릴리스 노트 기준으로, 업계 전반과 비교했을 때 모델의 위치는 다음과 같습니다:

지식과 추론

Pro-Max는 다른 오픈소스 모델을 가볍게 앞서며 GPT-5.2 같은 이전 최전선 모델을 능가합니다. MMLU-Pro 87.5%, GPQA Diamond 90.1%, 수학 벤치마크인 GSM8K 92.6%라는 매우 경쟁력 있는 점수를 기록했습니다. 아직 최첨단(GPT-5.4와 Gemini-3.1-Pro)에는 몇 달 가량 못 미치지만, 지식 격차를 크게 좁혔습니다.

에이전트 작업

Pro-Max는 대표적인 오픈 모델과 비슷한 수준으로, Terminal Bench 2.0에서 67.9%, SWE-Bench Pro에서 55.4%를 기록합니다. 공개 리더보드에서는 최신 비공개 모델에 약간 못 미치지만, 내부 테스트에서는 Claude Sonnet 4.5를 앞서고 Opus 4.5 수준에 근접했습니다.

긴 컨텍스트

100만 토큰 윈도우는 보여주기용이 아닙니다. Pro-Max는 여기서 매우 강력한 성능을 내며, MRCR 1M(MMR) 건초더미 속 바늘 검색 테스트에서 83.5%를 기록합니다. 이는 학술적 장문 컨텍스트 벤치마크에서 Gemini-3.1-Pro를 실제로 앞서는 수치입니다.

DeepSeek V4 Pro vs Flash

더 작은 규모로 인해 Flash-Max는 순수 지식 점수에서 자연스럽게 낮게 나오고, 가장 복잡한 에이전트 워크플로에서는 어려움을 겪습니다. 그러나 더 큰 "생각 예산"을 주면, 이전 최전선 모델에 필적하는 추론 점수를 달성하여 대규모 작업에 매우 비용 효율적인 선택지가 됩니다.

이미지 출처

DeepSeek V4는 어떻게 사용할 수 있나요?

현재 DeepSeek V4에 접근하는 방법은 다음과 같습니다:

• 웹 인터페이스: chat.deepseek.com에서 Instant Mode 또는 Expert Mode로 두 모델을 바로 사용해 보실 수 있습니다.
• API 액세스: API는 오늘부터 이용 가능합니다. 개발자는 모델 파라미터를 deepseek-v4-pro 또는 deepseek-v4-flash로 업데이트하기만 하면 됩니다. API는 OpenAI ChatCompletions와 Anthropic API 포맷 모두와의 호환성을 유지합니다. (참고: 레거시 deepseek-chat 및 deepseek-reasoner 모델은 2026년 7월 24일에 사용 중단됩니다).
• 오픈 웨이트: 두 모델 모두 MIT 라이선스로 배포됩니다. Hugging Face나 ModelScope에서 웨이트를 직접 다운로드할 수 있습니다. Pro는 865GB, Flash는 훨씬 다루기 쉬운 160GB입니다.

DeepSeek V4 vs 경쟁 제품

지난주 OpenAI의 GPT-5.5와 Anthropic의 Claude Opus 4.7이 출시되었습니다. 이들 모델은 특히 장문 컨텍스트 추론과 에이전트형 코딩에서 최고 수준의 역량을 내세우지만, DeepSeek V4는 가치와 개방성 측면에서 강력히 경쟁합니다.

다음은 OpenAI와 Anthropic의 새로운 플래그십 모델과 DeepSeek-V4-Pro를 비교한 내용입니다:

참고: 예산을 우선시하는 사용자의 경우, DeepSeek V4 Flash는 100만 입력 토큰당 $0.14, 100만 출력 토큰당 $0.28에 불과하여 GPT-5.4 Nano 같은 소형 모델보다도 저렴합니다.

DeepSeek V4는 얼마나 뛰어난가요?

DeepSeek V4는 매우 파괴적인 릴리스입니다. DeepSeek의 자체 벤치마크에 따르면 Pro 모델은 개발 궤적에서 최첨단 최전선 모델(GPT-5.4, Gemini-3.1-Pro 등)보다 약 3~6개월 정도 뒤처집니다.

다만 업계 전반의 맥락에서 보면, 순수 성능은 이야기의 절반에 불과합니다. DeepSeek V4의 핵심은 초고효율 컨텍스트 처리와 매우 낮은 가격에 있습니다. 

100만 토큰 컨텍스트 윈도우를 포함한 최전선에 가까운 역량을 GPT-5.5나 Opus 4.7의 일부 비용으로 제공한다는 점에서, DeepSeek V4는 대규모 엔터프라이즈 업무, 오픈소스 연구자, 예산을 중시하는 개발자에게 가장 매력적인 선택지입니다.

DeepSeek V4 활용 사례

이러한 강점을 바탕으로 V4가 특히 빛을 발할 분야는 다음과 같습니다. 

• 자동화된 소프트웨어 엔지니어링: 강력한 에이전트 벤치마크와 OpenClaw 같은 도구와의 통합 덕분에 V4-Pro는 자율 코드베이스 리팩터링과 디버깅에 적합한 후보입니다.
• 대규모 문서 처리: 100만 토큰 컨텍스트 계산 비용이 줄어들면서, 금융 분석가와 법무팀은 수많은 PDF, 10-K, 계약서를 저비용으로 처리할 수 있습니다.
• 로컬 배포 및 연구: MIT 라이선스를 사용하므로 연구자는 특히 160GB Flash 모델에 대해 양자화(quantization)를 수행해, 고급 소비자용 하드웨어에서 최전선 수준의 AI를 로컬로 실험할 수 있습니다.

마무리

DeepSeek V4는 오픈소스 AI 커뮤니티에 큰 도약입니다. GPT-5.5와 Claude Opus 4.7이 가장 어려운 코딩과 추론 벤치마크에서 약간 앞설 수 있지만, DeepSeek V4는 100만 토큰 컨텍스트 윈도우와 복잡한 에이전트 워크플로에 대한 접근을 민주화합니다.

최신 모델을 업무 흐름에 구현하며 앞서 나가고 싶다면, 저희 리소스를 확인해 보시기 바랍니다. 특히 Understanding Prompt Engineering 과정을 통해 DeepSeek 같은 모델과의 소통 방식을 정교화하거나, 확장 가능한 에이전트 시스템 구축을 원하신다면 AI Agent Fundamentals skill track를 권장합니다.