중국 인공지능(AI) 스타트업 딥시크(DeepSeek)가 9월 10일 차세대 비대칭 전문가 혼합(MoE) 모델인 ‘딥시크-V4.1-플래시(DeepSeek-V4.1-Flash)’를 전격 공개하고 API 서비스를 개시했다. 이번 신형 모델은 추론 처리 속도와 하드웨어 효율성을 극한으로 끌어올린 경량 플래그십으로, 기존에 서비스하던 상위 플래그십 모델 ‘딥시크-V4-프로(DeepSeek-V4-Pro)’를 전 영역에서 능가하는 실측 성능을 입증했다. 이에 따라 딥시크는 구형 V4 프로 모델의 서비스를 오는 9월 14일부로 전격 중단하고 모든 트래픽을 신형 플래시 모델로 강제 통합 라우팅하기로 결정했다.
인코더·디코더 분리 비대칭 설계…메모리 요구량 4분의 1 절감
딥시크-V4.1-플래시는 전체 5520억개 매개변수로 구성된 거대 MoE 백본을 기반으로 작동하지만, 독자 개발한 비대칭 인과관계 인코더-디코더(Asymmetric Causal Encoder-Decoder) 구조를 채택해 실제 연산 부담을 극적으로 낮췄다. 사용자의 프롬프트를 해석하는 입력(프리필) 단계에서는 토큰당 80억개 매개변수만 활성화하고, 답변을 생성하는 출력(디코딩) 단계에서는 160억개 매개변수만 선별 가동하는 희소 활성화 전략을 구사한다. 여기에 1960억개 규모의 엔그램(N-gram) 메모리 모듈을 유기적으로 결합하여 반복적인 문맥 추론 연산을 하드웨어 캐시 수준에서 고속 병렬 처리하도록 최적화했다.
이러한 아키텍처 혁신은 데이터센터 인프라 비용 절감으로 직결된다. 딥시크 공식 기술 공지에 따르면, V4.1 플래시는 기존 세대 모델 대비 키-값(KV) 캐시 크기를 획기적으로 축소하여 고대역폭 메모리(HBM) 요구량을 4분의 1로, SSD 저장 공간 요구량을 8분의 1 수준으로 대폭 줄였다. 또한 최대 100만토큰에 달하는 장문 문맥 창(Context Window)을 기본 지원하며, 기존에 별도 분리 운영되던 비전 실험 모델을 흡수해 텍스트와 고해상도 이미지를 네이티브 단일 파이프라인에서 동시 처리하는 멀티모달 시각 이해 역량까지 완비했다.
초당 427토큰 고속 추론…V4 프로 조기 퇴역과 가격 인하 단행
신형 모델의 실측 성능은 기존 상위 기종을 역전했다. 딥시크 연구진이 허깅페이스(Hugging Face)와 공식 개발자 포털에 공개한 벤치마크에 따르면, V4.1 플래시는 초당 최대 427토큰의 추론 속도를 기록하며 복잡한 코딩과 소프트웨어 엔지니어링, 자율 에이전트 구동 벤치마크 전반에서 기존 V4 프로를 앞질렀다. 가벼운 연산량으로 상위 모델보다 빠르고 정확한 추론을 달성함에 따라, 딥시크는 하위 모델이 상위 모델을 대체하는 파격적인 모델 퇴역 수순을 밟게 됐다.
딥시크는 베이징 시간 기준 9월 14일 12시(한국 시간 13시)부터 API 엔드포인트 `deepseek-v4-pro`로 들어오는 모든 호출을 V4.1 플래시(`deepseek-flash`)로 자동 우회 처리한다. 기존 V4 프로 호출 사용자에게는 별도의 코드 수정 없이도 성능 향상과 함께 대폭 인하된 플래시 요율이 자동 적용된다. 딥시크는 차세대 ‘V4.1 프로’가 완성될 때까지 이번 플래시 모델을 주력 엔진으로 삼아 글로벌 AI 인프라 시장에서 오픈웨이트와 API 가격 주도권을 한층 강화할 방침이다.