딥시크 V4 프리뷰 공개, 오픈 웨이트에 기본 100만 토큰 컨텍스트까지

• 딥시크가 V4 프리뷰를 공개했고, 이번에도 오픈 웨이트로 풀었음

  • 모델은 두 가지 라인업으로 나뉨
  • 딥시크 V4 프로는 총 1.6조 파라미터 중 490억 개를 활성화하는 모델
  • 딥시크 V4 플래시는 총 2840억 파라미터 중 130억 개를 활성화하는 더 빠르고 저렴한 모델

• 제일 큰 숫자는 100만 토큰 컨텍스트임

  • 딥시크는 공식 서비스 전체에서 100만 토큰 컨텍스트를 기본값으로 제공한다고 밝힘
  • 긴 코드베이스, 대형 문서, 긴 로그, 여러 파일을 한 번에 먹이는 에이전트 작업에서 꽤 큰 의미가 있음
  • 이제 장문 컨텍스트가 일부 고가 모델의 특수 기능이 아니라 기본 경쟁 항목으로 내려오는 분위기임

• 성능 포지션은 대놓고 최상위 폐쇄형 모델을 겨냥하고 있음

  • V4 프로는 에이전트 코딩 벤치마크에서 오픈소스 최신 최고 수준이라고 주장함
  • 지식 벤치마크에서는 현재 오픈 모델을 앞서고, 제미나이 3.1 프로 바로 뒤라고 소개함
  • 수학, 과학, 코딩 추론에서도 기존 오픈 모델을 넘고 최상위 폐쇄형 모델과 경쟁한다고 밀고 있음

• V4 플래시는 “싸고 빠른데 생각보다 덜 약한” 포지션임

  • 추론 능력은 V4 프로에 가깝다고 설명함
  • 단순 에이전트 작업에서는 V4 프로와 비슷한 수준의 성능을 낸다고 밝힘
  • 파라미터 규모가 작아서 응답 속도와 API 비용 쪽에서 더 유리한 선택지로 잡혀 있음

• 기술적으로는 긴 컨텍스트 비용을 줄이는 데 꽤 힘을 준 발표임

  • 딥시크는 토큰 단위 압축과 딥시크 희소 어텐션을 새로운 어텐션 구조로 소개함
  • 긴 컨텍스트는 그냥 길게 받는다고 끝이 아니라 계산량과 메모리 비용이 바로 터지는 영역임
  • 그래서 100만 토큰을 기본으로 만들려면 어텐션 효율화가 사실상 본체임

• 에이전트 개발 도구 통합도 전면에 나옴

  • 클로드 코드, 오픈클로, 오픈코드 같은 주요 AI 에이전트와 통합된다고 밝힘
  • 딥시크 내부에서도 에이전트 코딩에 V4를 이미 쓰고 있다고 설명함
  • 예시로 V4 프로가 생성한 PDF 결과물까지 공개하면서 단순 질의응답보다 작업 수행형 모델이라는 이미지를 강조함

• API 마이그레이션은 비교적 단순하게 설계한 듯함

  • 기본 주소는 유지하고 모델명만 deepseek-v4-pro 또는 deepseek-v4-flash로 바꾸면 된다고 안내함
  • 오픈AI 챗 컴플리션과 앤트로픽 API 형식을 지원함
  • 두 모델 모두 사고 모드와 비사고 모드를 지원해서, 비용과 지연시간을 보고 모드를 나눠 쓰는 구성이 가능해짐

• 개발자 입장에서 바로 볼 포인트는 세 가지임
  • 긴 문서나 코드베이스를 한 번에 넣는 작업에서 100만 토큰 컨텍스트가 실제로 비용 대비 쓸 만한지
  • V4 플래시가 단순 에이전트 작업에서 얼마나 V4 프로를 대체할 수 있는지
  • 기존 딥시크 모델명을 쓰는 코드가 2026년 7월 종료 전에 안전하게 전환돼 있는지

---

기술 맥락

• 딥시크가 총 파라미터와 활성 파라미터를 따로 강조한 건 비용 때문이에요. V4 프로가 총 1.6조 파라미터라고 해도 매 요청마다 전부 쓰는 구조가 아니고, 490억 개 정도만 활성화하는 방식이라 큰 모델의 성능과 추론 비용 사이에서 타협점을 잡으려는 거예요.

• 100만 토큰 컨텍스트는 개발자 워크플로에서 꽤 현실적인 의미가 있어요. 코드 저장소 전체, 긴 설계 문서, 장애 로그 묶음을 잘라서 넣지 않아도 되면 에이전트가 앞뒤 맥락을 놓칠 확률이 줄어들거든요.

• 다만 긴 컨텍스트는 공짜가 아니에요. 입력이 길어질수록 어텐션 계산과 메모리 사용량이 부담되기 때문에, 딥시크가 토큰 단위 압축과 딥시크 희소 어텐션을 같이 내세운 건 “길게 받는다”보다 “길게 받아도 감당한다” 쪽이 핵심이에요.

• API 호환성을 오픈AI와 앤트로픽 쪽에 맞춘 것도 실무적으로 중요해요. 이미 사내 도구나 에이전트 프레임워크가 그 형식에 맞춰져 있으면, 기본 주소를 유지하고 모델명만 바꾸는 식으로 테스트 범위를 줄일 수 있거든요.