DeepSeek이 2026년 4월 24일 V4-Pro를 공개했습니다. 총 1.6조 파라미터 규모의 MoE 모델입니다.
LiveCodeBench 코딩 벤치마크에서 93.5%로 1위를 기록했습니다. Claude Opus 4.6(88.8%)과 GPT-5.4를 앞섰습니다.
출력 비용은 100만 토큰당 $3.48로, Claude Opus 4.6($25)의 약 7분의 1입니다. MIT 라이선스로 완전 오픈소스입니다.
엔비디아 없이 만든 모델이 코딩 벤치마크 1위입니다.
지금 쓰는 AI 구독료, 합리적이십니까?
AI 비용을 줄이고 싶은 조직이라면 지금 바로 읽어야 합니다. DeepSeek이 코딩 성능 1위 모델을 오픈소스로 공개했습니다. 가격은 Claude Opus 4.6의 7분의 1입니다(DeepSeek, 2026). 엔비디아 GPU 없이 만든 모델이 미국 최상급 모델과 어깨를 나란히 했습니다. AI 모델 선택과 비용 계산이 달라졌습니다.
프론티어 AI 모델의 가격 하락이 다시 가속됐습니다. DeepSeek V4-Pro는 코딩 성능에서 현재 공개된 모델 중 1위를 차지하면서, 가격은 미국 경쟁 모델의 4분의 1 수준에 맞췄습니다(officechai.com, 2026). 동시에 화웨이 Ascend 910B와 캠브리콘 칩으로 학습한 사실이 확인됐습니다. 미국의 반도체 수출 규제가 중국 AI 개발 속도를 막지 못했다는 의미입니다. 한국 기업이 선택할 수 있는 AI 모델 목록과 비용 구조가 달라집니다.
첫째, 코딩 성능 지표에서 현재 공개 모델 중 1위입니다. V4-Pro는 LiveCodeBench에서 93.5%를 기록했습니다(DeepSeek, 2026). 동일 기준에서 Gemini 3.1 Pro는 91.7%, Claude Opus 4.6은 88.8%입니다. Codeforces 레이팅도 3206으로 GPT-5.4(3168)와 Gemini(3052)를 앞섰습니다. 소프트웨어 개발 자동화에 AI를 도입하는 조직이라면 즉시 검토해야 합니다.
| 벤치마크 | DeepSeek V4-Pro | Claude Opus 4.6 | GPT-5.4 | Gemini 3.1 Pro |
|---|---|---|---|---|
| LiveCodeBench (코딩) | 93.5% | 88.8% | — | 91.7% |
| Codeforces 레이팅 | 3206 | — | 3168 | 3052 |
| SWE-bench Verified (코딩) | 80.6% | 80.8% | — | — |
| IMOAnswerBench (수학) | 89.8% | 75.3% | 91.4% | 81.0% |
| GPQA Diamond (추론) | 90.1% | 91.3% | 93.0% | 94.3% |
| MMLU (지식) | 90.1% | — | — | — |
출처: DeepSeek (2026), V4-Pro HuggingFace 모델 카드; officechai.com (2026).
둘째, 출력 비용이 경쟁 모델 대비 큰 격차를 보입니다. V4-Pro API 출력 비용은 100만 토큰당 $3.48입니다(officechai.com, 2026). Claude Opus 4.6($25)의 약 7분의 1, GPT-5.4($15)의 약 4분의 1 수준입니다. 월 AI 비용이 일정 규모를 넘은 조직이라면, 모델 전환만으로 예산을 대폭 줄일 수 있습니다. V4-Flash는 출력 $0.28로 더욱 저렴합니다.
| 모델 | 입력 (캐시 히트) | 입력 (캐시 미스) | 출력 |
|---|---|---|---|
| DeepSeek V4-Flash | $0.028 | $0.14 | $0.28 |
| DeepSeek V4-Pro | $0.145 | $1.74 | $3.48 |
| GPT-5.4 | — | $2.50 | $15.00 |
| Claude Opus 4.6 | — | $5.00 | $25.00 |
단위: USD / 100만 토큰. 출처: officechai.com (2026).
셋째, 문맥 창이 100만 토큰으로 대폭 확장됐습니다. DeepSeek V3.2의 128K에서 V4-Pro는 1M(약 75만 단어)으로 늘었습니다(DeepSeek, 2026). CSA와 HCA 하이브리드 어텐션 구조 덕분에 1M 문맥에서 단일 토큰 추론 연산량은 V3.2 대비 27%, KV 캐시는 10%에 불과합니다. 긴 계약서, 대규모 코드베이스, 연간 보고서를 한 번에 분석하는 작업이 현실적인 비용으로 가능해졌습니다.
넷째, 엔비디아 GPU 없이 학습한 모델이 프론티어 수준에 도달했습니다. DeepSeek은 화웨이 Ascend 910B와 캠브리콘 MLU 칩으로 V4를 학습시켰습니다(buildfastwithai.com, 2026). 미국의 반도체 수출 규제가 중국 AI 개발 속도를 늦추지 못했다는 의미입니다. 학습 데이터는 33조 토큰입니다. AI 인프라 의존성과 지정학적 리스크를 고려하는 기업에게 중요한 시그널입니다.
다섯째, MIT 라이선스 오픈소스로 자체 배포가 가능합니다. MIT 라이선스는 상업적 이용, 수정, 재배포를 모두 허용합니다(DeepSeek, 2026). 기업 내부 데이터를 외부로 보내지 않고 서버에 직접 배포할 수 있습니다. INT8 양자화 기준 RTX 4090 두 장(48GB 총메모리)으로 추론이 가능합니다. API 의존도를 줄이면서 데이터 주권을 확보하려는 조직에 선택지가 생겼습니다.
전환하지 않을 때의 비용은 두 가지입니다. 첫째, 모델 비용 초과입니다. V4-Pro 출력 단가는 $3.48/1M, Claude Opus 4.6은 $25/1M입니다(officechai.com, 2026). 출력 비용 기준으로 약 86% 절감 효과가 있습니다. 사용량이 많은 조직일수록 전환 효과가 즉각적입니다.
둘째, 문맥 활용 기회 손실입니다. 128K 문맥에서 불가능했던 대규모 문서 일괄 분석이 1M 문맥에서 가능해졌습니다. 이 기회를 무시하면 같은 작업에 더 많은 인력과 시간을 투입하는 경쟁사가 먼저 효율을 확보합니다.
platform.deepseek.com에서 API 키를 발급합니다. 현재 Claude 또는 GPT로 처리하는 반복 업무의 프롬프트를 그대로 복사해 V4-Pro에서 실행합니다. 팀장 지시문: "현재 Claude API에서 돌리는 업무 프롬프트 1개를 DeepSeek V4-Pro API로 실행하고, 결과 품질·속도·비용을 기존 모델과 비교해 1주 후 보고하라." (30분 설정 + 1주 비교)
지난 달 청구서에서 출력 토큰 수를 확인합니다. 해당 수량을 V4-Pro($3.48/1M)와 현재 모델 단가로 각각 계산합니다. Claude에 "지난 달 출력 토큰 수를 [수량] 기준으로, Claude Opus 4.6과 DeepSeek V4-Pro의 예상 월 비용을 비교 계산하라"라고 요청합니다. (1시간)
RTX 4090 두 장 이상의 서버가 있다면 INT8 양자화 버전 로컬 배포를 검토합니다. 개발팀에 "HuggingFace deepseek-ai/DeepSeek-V4-Pro 모델 가중치 다운로드 후 /inference 폴더 지침으로 배포 가능성을 2주 내 검토해 보고하라"고 지시합니다. 외부 API 의존도를 줄이고 데이터 보안을 확보할 수 있습니다. (2시간 검토 + 2주 PoC)
프리뷰 릴리스로 안정성이 아직 검증되지 않았습니다. V4는 현재 preview 단계입니다. 응답 지연, 간헐적 오류가 발생할 수 있습니다. 운영 환경에 바로 적용하기보다 테스트 환경에서 충분히 검증한 후 전환하는 것이 안전합니다.
사실 검색과 일반 지식 업무에서는 격차가 있습니다. SimpleQA 점수는 57.9%로 Gemini 3.1 Pro(75.6%)에 크게 뒤집니다(DeepSeek, 2026). GPQA Diamond도 90.1%로 Gemini(94.3%)보다 낮습니다. 코딩·수학 외 사실 확인이 중요한 업무라면 성능을 직접 검증해야 합니다.
DeepSeek API에 민감한 데이터를 전송하면 데이터 주권 리스크가 있습니다. DeepSeek API는 중국 기업이 운영합니다. 기업 내부 문서, 고객 정보, 재무 데이터를 API로 전달하는 것은 법적·규정 리스크를 수반합니다. 민감한 업무는 자체 서버 배포 또는 법무팀 검토 후 진행해야 합니다.
1.6T 파라미터 자체 배포는 전문 인력이 필요합니다. MIT 라이선스이지만 이 규모 모델을 안정적으로 운영하려면 MLOps 역량이 있어야 합니다. 소규모 팀에서 직접 운영하기보다 API 활용 또는 전문 클라우드 배포 서비스를 이용하는 것이 현실적입니다.
엔비디아 없이 만든 모델이 코딩 성능 1위를 차지했습니다. 가격은 Claude Opus 4.6의 7분의 1입니다. AI 비용과 공급망 선택지를 다시 검토해야 합니다.
MoE (Mixture-of-Experts): 모델 전체 파라미터 중 일부만 선택해 활성화하는 구조입니다. V4-Pro는 총 1.6조 파라미터 중 입력마다 49B만 작동합니다. 성능은 대형 모델, 연산 비용은 소형 모델 수준으로 운영합니다.
CSA / HCA (Compressed Sparse / Heavily Compressed Attention): 어텐션 연산에서 KV 캐시를 압축하는 기술입니다. V4-Pro는 1M 문맥에서 V3.2 대비 추론 연산량을 27%, KV 캐시를 10%로 줄였습니다.
KV 캐시: AI 모델이 이전 대화 맥락을 저장하는 메모리입니다. 문맥이 길수록 KV 캐시가 커집니다. 캐시 압축 기술이 없으면 1M 토큰 문맥은 실용적이지 않습니다.
mHC (Manifold-Constrained Hyper-Connections): 모델 레이어 간 신호 전달을 강화하는 연결 구조입니다. 깊은 네트워크에서 학습 안정성을 높입니다.
SWE-bench Verified: 실제 오픈소스 저장소의 이슈를 AI가 코드로 해결하는 코딩 에이전트 벤치마크입니다. 업계 표준 코딩 평가 지표입니다.
LiveCodeBench: 코딩 경진대회 문제를 포함한 실시간 업데이트형 코딩 벤치마크입니다. 학습 데이터 오염 가능성이 낮아 신뢰도가 높습니다.
- DeepSeek. (2026, April). DeepSeek-V4-Pro [Article]. HuggingFace. (원문 보기 ↗)
- OfficeChai. (2026, April). DeepSeek Releases DeepSeek V4-Pro & V4-Flash, Delivers GPT 5.4 & Opus 4.6-Level Performance At Fraction Of The Price [Article]. OfficeChai. (원문 보기 ↗)
- buildfastwithai.com. (2026, April). DeepSeek V4-Pro Review: Benchmarks, Pricing & Architecture [Article]. buildfastwithai.com. (원문 보기 ↗)