딥시크 V4, 최고 성능 대신 저비용·오픈소스로 AI 경쟁판을 흔드는 중

최고 성능 경쟁에서는 아직 미국이 앞섬

• 딥시크 V4가 나온 뒤 제일 먼저 나온 질문은 “이제 중국이 미국 모델을 따라잡았나?”였음

  • 기사 결론은 꽤 명확함. 아직은 아님
  • 복잡한 추론, 프로그래밍, AI 에이전트 자율성에서는 GPT-5.5와 클로드 오푸스 4.7 같은 미국 모델이 여전히 앞선다는 평가임
  • 딥시크도 V4가 현재 가장 앞선 모델보다 3~6개월 정도 뒤처졌다고 인정한 것으로 소개됨

• 딥시크 R1이 미국 상위권 모델에 근접한 성능으로 화제가 됐지만, V4는 다른 성격의 제품으로 봐야 함

  • 최첨단 폐쇄형 모델을 정면으로 이기는 모델이라기보다는, 비용과 배포성을 무기로 삼는 모델에 가까움
  • 미국 기업들이 AI를 활용해 차세대 모델 개발 속도를 높이는 상황이라 성능 격차가 더 벌어질 수 있다는 관측도 나옴

딥시크의 진짜 무기는 가격과 오픈소스임

• 딥시크 V4의 핵심 경쟁력은 “제일 강한 모델”이 아니라 “싸게 넓게 깔리는 모델”임
  • V4 플래시는 입력 100만 토큰당 0.14달러, 출력 100만 토큰당 0.28달러로 제시됨
  • V4 프로는 입력 100만 토큰당 1.74달러, 출력 100만 토큰당 3.48달러임
  • 최고 성능보다 운영비가 중요한 기업, 공공기관, 개발도상국 시장에서는 이 가격 차이가 꽤 현실적인 무기가 됨

• MIT 라이선스 오픈소스라는 점도 전략적으로 큼
  • 누구나 모델을 다운로드하고, 배포하고, 수정하고, 상용화할 수 있음
  • 고가의 폐쇄형 모델에 의존하기 어려운 조직에는 접근성이 확 올라감
  • 중국 입장에서는 오픈소스가 단순 개발 방식이 아니라 생태계 확장 도구가 되는 셈임

100만 토큰 컨텍스트는 실무에서 꽤 큰 카드임

• 딥시크 V4는 최대 100만 토큰 컨텍스트를 내세움

  • 법률 문서, 기술 문서, 소프트웨어 소스 코드, 기업 문서 저장소처럼 긴 입력을 한 번에 읽어야 하는 작업에 유리할 수 있음
  • 기사에서는 GPT-5.4 같은 모델도 장기 컨텍스트를 지원하지만, 12만 8천 토큰 이후 성능 저하가 크다고 비교함
  • 딥시크 V4는 입력을 잘게 쪼개지 않고도 복잡한 작업과 대량 텍스트를 처리하는 쪽을 노림

• 내부적으로는 HCA, CSA, 기하학적 제약이 있는 하이퍼스레딩 연결(mHC)을 통합해 잔여 연결과 최적화를 개선했다고 소개됨

  • 이런 표현은 꽤 기술 문서 냄새가 나지만, 요지는 긴 문맥에서도 모델이 정보를 잃지 않고 처리하도록 구조를 손봤다는 것임
  • 장기 컨텍스트가 홍보용 숫자에 그치지 않고 실제 업무 처리 품질로 이어지는지가 관건임

하드웨어와 지정학 리스크는 여전히 남아 있음

• 중국은 딥시크 V4가 미국 기술에 의존하지 않고 자체 생산 칩에서 돌아가는 모델이라고 주장함

  • 특히 화웨이 어센드 950 칩에 최적화됐다는 점이 강조됨
  • 다만 성능 면에서는 엔비디아 H200과의 격차가 아직 남아 있다는 평가임
  • 반도체 자립의 진전은 있지만, AI 하드웨어 생태계 전체를 따라잡았다고 보긴 어렵다는 얘기임

• 미국 쪽에서는 중국 AI 기업들이 미국 모델을 무단 복제하거나, 그 과정에서 얻은 데이터를 학습에 썼다는 비판도 제기됨

  • 기사에서는 이 주장이 미중 AI 경쟁의 긴장을 반영하는 만큼 독립 검증이 필요하다고 선을 그음
  • 확정된 사실이라기보다 전략 경쟁 속에서 나오는 민감한 쟁점으로 봐야 함

그래서 딥시크 V4가 중요한 이유

• 딥시크 V4는 AI 경쟁의 질문을 바꾸려는 모델임

  • “누가 제일 똑똑한 모델을 만들었나”에서 “누가 가장 싸게, 빠르게, 넓게 AI를 배포하나”로 초점을 옮김
  • 남반구 국가처럼 접근성과 비용을 중시하는 시장에서 주목받는 이유도 여기에 있음
  • V4 프로를 쓰는 개발자 85명 대상 설문에서 52%가 현재 쓰는 주요 프로그래밍 모델을 V4로 바꿀 의향이 있다고 답했다는 수치도 소개됨

• 미국은 최상위 모델 성능에서 앞서고, 중국은 확산과 산업 적용에서 영향력을 넓히려는 구도임

  • 장기적으로 AI 경쟁은 최고 벤치마크 하나로 끝나지 않을 가능성이 큼
  • 실제 생산, 정부 운영, 기업 업무에 누가 더 낮은 비용으로 AI를 깔아 넣느냐가 다음 전장이 될 수 있음

---

기술 맥락

• 딥시크 V4의 선택은 최고 성능을 포기했다기보다, 비용과 배포성을 우선순위에 둔 전략에 가까워요. 기업 입장에서는 매 요청마다 비싼 모델을 쓰기보다, 충분히 정확하고 훨씬 저렴한 모델을 대량으로 쓰는 게 더 합리적인 경우가 많거든요.

• 긴 컨텍스트가 중요한 이유는 실제 업무 데이터가 짧은 프롬프트처럼 예쁘게 정리돼 있지 않기 때문이에요. 코드베이스, 계약서, 사내 위키, 티켓 기록은 길고 지저분해서 모델이 많이 읽고도 앞뒤 관계를 유지해야 쓸 만한 답을 내요.

• 오픈소스 라이선스는 개발자 생태계 확산에 직접 영향을 줘요. MIT 라이선스로 배포되면 기업이 내부 환경에 맞게 수정하거나 자체 배포하기 쉬워지고, 폐쇄형 API 비용이나 데이터 반출 문제를 피할 여지도 생겨요.

• 하드웨어 최적화 얘기가 같이 나오는 건 AI 모델이 결국 칩 위에서 돌아가기 때문이에요. 딥시크가 화웨이 어센드 950을 강조하는 건 모델 성능뿐 아니라 중국의 반도체 자립 전략과도 연결돼 있어요.