DeepSeek는 자사의 V4-Flash 모델 공식 버전을 금요일 공개 베타로 출시했고, 독립 테스트는 곧바로 이례적인 사실을 확인했다. 이 중국 연구소의 작고 저렴한 모델이 이제 자사 플래그십보다 더 높은 점수를 기록한 것이다. 벤치마킹 업체 Artificial Analysis는 DeepSeek-V4-Flash-0731로 표기된 이번 업데이트에 자사 Intelligence Index 기준 50점을 부여했는데, 이는 2026년 4월 출시 버전보다 10점 오른 수치이자 더 크고 훨씬 더 비싼 DeepSeek V4 Pro보다 6점 높은 점수다.

시점은 긴장감을 더한다. 이번 출시는 OpenAI가 GPT-5.6 Luna의 가격을 인하한 지 하루 만에이뤄졌다. 비용에 민감한 고객들의 압박 속에 이 예산형 프런티어 모델의 가격을 80% 낮춘 것이다. Artificial Analysis 추산에 따르면, 가격 인하 이후에도 DeepSeek의 새 모델은 지능 면에서 Luna에 단 1점 뒤지면서도 DeepSeek 자체 API 기준 작업당 비용은 약 60% 더 낮다.

예산형 티어가 플래그십을 따라잡다

DeepSeek가 4월 V4 라인업을 출시했을 때는 업계의 표준적인 2단계 논리를 따랐다. 최대 성능을 위한 1.6T-파라미터 모델 Pro, 그리고 속도와 저비용을 위한 Flash였다. 하지만 3개월 뒤 이 위계는 적어도 일시적으로 뒤집혔다. V4 Pro API와 DeepSeek 소비자 앱을 뒷받침하는 모델들은 바뀌지 않았고, 업그레이드는 Flash API에만 적용됐다.

회사 측이 설명하는 변화의 핵심은 명확하다. 자사 업데이트 로그에는 이번 릴리스가 "벤치마크 결과가 V4-Pro-Preview를 크게 앞설 정도로 에이전트 역량을 대폭 강화했다"고 적혀 있다. 에이전트 작업은 단일 질문에 답하는 것이 아니라 터미널을 조작하고, 코드를 수정하고, 다른 소프트웨어를 호출하는 등 여러 단계를 거쳐 모델이 스스로 수행하는 업무다. 업계가 현재 수익성이 있다고 보는 분야가 바로 이 영역이기 때문에, 예산형 모델이 여기서 플래그십 preview를 앞선다는 것은 단순한 리더보드 화제 이상이다.

변하지 않은 점도 그에 못지않게 눈에 띈다. 이 모델은 4월 버전과 정확히 같은 아키텍처와 크기를 유지한다. 모델이 아는 내용을 저장하는 내부 설정인 총 284B 파라미터를 갖고 있으며, 특정 단어를 처리할 때 활성화되는 것은 13B뿐이라 실행 비용을 낮게 유지한다. DeepSeek는 성능 향상이 전적으로 사후 학습(post-training)에서 나왔다고 말한다. 이는 모델의 핵심 지식이 구축된 뒤 적용되는 정제 단계다. 가격은 1M 입력 토큰당 $0.14, 1M 출력 토큰당 $0.28로 그대로이며, DeepSeek는 시스템이 이미 처리한 텍스트인 캐시된 입력에 대해 98% 할인을 제공한다. 이는 대부분 경쟁사가 제공하는 90%보다 높다.

독립 지표도 에이전트 관련 주장을 뒷받침한다. 실제 업무 과제를 테스트하는 Artificial Analysis의 GDPval-AA v2에서 이 모델의 평점은 1189에서 1559로 올랐고, 모델이 명령줄을 얼마나 잘 다루는지 측정하는 Terminal-Bench 2.1에서도 해당 업체 테스트 기준 17포인트 상승해 79%를 기록했다.

이 점수가 말해주지 않는 것

이 모델은 여전히 높은 비율로 답을 지어낸다. Artificial Analysis의 지식 테스트에서, 모르는 내용을 마주했을 때 84%의 경우 응답을 꾸며낸다. 이는 이전 모델보다 12포인트 개선된 수치지만, 그 개선은 더 자주 추측을 포기한 데서 나온 것뿐이며 실제로 정답을 맞히는 질문의 비율은 달라지지 않았다.

또한 장황하다. 이 모델은 Intelligence Index를 완료하는 데 약 206M 출력 토큰을 생성했는데, 이는 4월 버전보다 12% 적지만 여전히 비교 가능한 모델들의 중간값보다 약 두 배 수준이다. 긴 에이전트 루프에서는 이는 사실상 청구 비용이 초저가 토큰당 가격이 시사하는 것보다 의미 있게 더 높아진다는 뜻이다.

그리고 아직 한계점에 도달한 것도 아니다. Anthropic의 Claude Opus 4.8은 DeepSeek 자체가 공개한 모든 벤치마크에서 여전히 선두를 달리고 있으며, 오픈 모델 가운데서는 Kimi K3가 해당 지수에서 여전히 7점 앞서 있다. 이 모델은 이미지는 처리하지 않고 텍스트만 다루며, 누구나 직접 실행할 수 있게 해줄 파일인 가중치(weights)도 공개가 예상되지만 아직 출시되지 않았다, 따라서 현재로서는 유료 API로만 존재한다.

DeepSeek는 V4-Pro의 공식 버전이 "곧 뒤따를 것"이라고 밝혔다. 사후 학습 한 번만으로도 이 소형 모델이 10포인트 상승했다면, 그와 같은 처리가 거의 6배 큰 모델에는 어떤 결과를 낼지가 남은 의문이다. 프런티어급에 가까운 지능의 가격은 이번 주 두 차례 떨어졌다. 그중 단 한 번만이 가격표를 손댈 필요가 있었다.