DeepSeek V4 완전 분석: V3 대비 무엇이 달라졌나 (1.6T 파라미터, 100만 토큰 컨텍스트)

# DeepSeek V4 완전 분석: V3 대비 무엇이 달라졌나 (1.6T 파라미터, 100만 토큰 컨텍스트)

2025년 초, 중국의 AI 스타트업 DeepSeek이 R1 모델 하나로 글로벌 AI 업계를 완전히 뒤흔들어놨습니다. 훈련 비용 600만 달러로 OpenAI의 GPT-4 수준 성능을 내면서 엔비디아 주가가 하루 만에 무려 6,000억 달러 증발하는 이른바 '스푸트니크 모멘트'를 만들어냈죠. 미국이 중국에 대한 AI 반도체 수출 규제를 강화하던 와중에, 오히려 약한 칩으로 더 효율적인 모델을 만들어낸 셈이라 충격이 컸습니다. 그로부터 1년여가 지난 2026년 4월 24일, DeepSeek이 V4 시리즈를 공개했습니다. 이번 글에서는 V4가 V3 대비 무엇이 달라졌는지, 스펙부터 실제 사용 느낌, 가격, 리스크까지 하나씩 짚어보겠습니다.

DeepSeek 회사부터 간단히

DeepSeek은 2023년 7월 중국 항저우에서 설립됐습니다. 창립자 량원펑(Liang Wenfeng)은 원래 헤지펀드 High-Flyer의 공동 창업자로, AI 트레이딩 알고리즘으로 주식을 거래하던 사람입니다. 2016년부터 GPU 기반 딥러닝 모델로 매매해왔고, 2021년에는 미국 수출 규제 전에 엔비디아 A100 GPU 1만 개를 미리 확보했습니다. 이 GPU 인프라를 바탕으로 2023년 4월 AGI 연구소를 세웠고, 7월에 DeepSeek을 정식 분사했습니다.

2025년 1월 R1 모델 기반 DeepSeek 챗봇 앱이 출시되자 반응이 폭발적이었습니다. 출시 일주일 만에 미국 iOS 앱스토어에서 ChatGPT를 제치고 무료 앱 1위에 올랐죠. 이후 V3, V3.1, V3.2로 업데이트를 거듭하다가 2026년 4월 V4 시리즈를 발표했습니다. 2026년 4월 기준 DeepSeek은 3억 달러 규모 투자 유치를 추진 중이며, 기업 가치는 100억 달러로 평가받고 있습니다.

DeepSeek V4, 두 가지 모델 라인업

V4 시리즈는 두 가지 모델로 구성됩니다.

DeepSeek-V4-Pro: 1.6조(1.6T) 파라미터를 가진 최상위 성능 모델입니다. 복잡한 추론 작업, 코드 생성, 수학 문제 풀이에 최적화되어 있습니다.

DeepSeek-V4-Flash: 2,840억(284B) 파라미터의 경량 고속 모델입니다. 추론 속도에 초점을 맞췄고, 동시 접속(concurrency)이 2,500으로 Pro의 500보다 5배 높습니다. 일상적인 QA, 문서 요약, 간단한 코드 작성에 적합합니다.

두 모델 모두 MIT 라이선스로 공개된 오픈웨이트(open-weight) 모델입니다. 누구나 가중치를 내려받아 로컬 서버에서 직접 실행하거나 필요하면 fine-tuning할 수 있습니다. 이 점은 V3와 R1부터 DeepSeek이 꾸준히 유지해온 전략입니다.

가장 주목할 변화는 컨텍스트 윈도우가 100만(1M) 토큰으로 확장된 점입니다. V3가 128K였던 것과 비교하면 무려 8배 증가한 수치입니다. 최대 출력 토큰도 384K로 올라가서, 한 번의 API 호출로 상당히 긴 문서를 생성할 수 있습니다. 이론상으로는 300페이지 분량의 논문을 통째로 입력하고 분석 결과를 한 번에 출력받을 수 있다는 뜻입니다.

DeepSeek V4 vs V3: 주요 스펙 비교

V4 Pro의 파라미터 수(1.6T)는 V3(671B)보다 약 2.4배 많습니다. 하지만 MoE(Mixture of Experts) 구조 덕분에 실제 추론 시 활성화되는 파라미터는 전체의 극히 일부입니다. V3가 671B 중 약 37B만 활성화했던 사례를 보면, V4 Pro도 실제 연산량은 전체 파라미터 수에 비해 훨씬 적을 것으로 보입니다.

인상적인 변화 중 하나는 Anthropic API 형식도 지원한다는 점입니다. V3까지는 OpenAI 호환 API만 제공했는데, V4부터는 https://api.deepseek.com/anthropic으로 Anthropic의 Messages API 형식과도 호환됩니다. 즉, Claude API를 쓰던 코드에서 엔드포인트 URL만 DeepSeek 것으로 바꾸고 API 키만 교체하면 바로 DeepSeek V4를 쓸 수 있습니다. 마이그레이션 비용이 거의 들지 않는다는 뜻입니다.

100만 토큰 컨텍스트, 실제로 써보면?

1M 컨텍스트는 단순한 스펙 시트의 숫자가 아닙니다. 길이가 길어질수록 모델이 입력의 앞부분을 '잊어버리는' 현상이 생기는데, 100만 토큰을 다 넣었을 때도 성능이 유지되는지가 진짜 관건입니다.

DeepSeek 공식 문서에 따르면 V4 Flash 기준으로 1M 토큰 입력 시에도 정확도 저하가 5% 미만이라고 합니다. 길이가 늘어나도 비교적 안정적인 성능을 유지한다는 뜻입니다.

실제로 이 정도 컨텍스트가 필요할 때는 언제일까요?

기술 문서 분석: 300페이지 분량의 API 문서나 기술 보고서를 통째로 입력하고 요약 요청
코드베이스 분석: 10만 줄 이상의 프로젝트 코드를 한 번에 분석하거나 리팩토링 제안
고객 데이터 분석: 수백 건의 고객 상담 이력을 한 번에 분석해 공통 패턴이나 문제점 추출
긴 대화 유지: 챗봇이 수 시간 동안 이어진 상담 맥락을 모두 기억해야 하는 경우
법률 문서 검토: 수백 페이지 분량의 계약서에서 특정 조항을 찾거나 비교 분석

다만 384K 출력을 실제로 전부 사용하는 것은 쉽지 않습니다. 출력이 길어질수록 대기 시간도 비례해서 늘어납니다. V4 Pro 기준으로 1M 입력 후 384K 출력을 요청하면 수 분 정도 기다려야 하고, 중간에 연결이 끊어질 가능성도 있습니다. Flash 쪽이 concurrency가 2,500으로 Pro(500)보다 5배 높아서 대량 처리에는 Flash가 더 실용적입니다.

가격: GPT-4o 대비 1/35 수준

DeepSeek의 가장 큰 강점은 가격입니다. V3 때부터 GPT-4 대비 10분의 1 수준의 가격으로 주목받았는데, V4에서도 이 전략을 유지하고 있습니다.

V4 Flash의 출력 가격($0.28/1M 토큰)은 GPT-4o의 35분의 1 수준이고, V4 Pro도 11분의 1 수준입니다. 하루에 수백만 번 API를 호출하는 서비스라면 한 달 운영비 차이가 수천만 원에서 억 단위로 벌어질 수 있습니다.

캐시 히트 가격은 더 파격적입니다. 동일한 시스템 프롬프트나 자주 입력하는 내용을 반복해서 보낼 경우 입력 비용이 $0.0028~$0.0036까지 떨어집니다. DeepSeek의 컨텍스트 캐싱(Context Caching) 기능 덕분입니다. AI 고객센터처럼 동일한 인트로 프롬프트를 모든 세션에 반복 사용하는 서비스에서는 이 차이만으로 운영비를 대폭 절감할 수 있습니다.

씽킹 모드: 언제 켜고 언제 끌까

V4는 씽킹(Thinking) 모드와 비씽킹(Non-thinking) 모드를 모두 지원합니다. 씽킹 모드는 답변을 생성하기 전에 내부적으로 추론 과정을 거치는 방식입니다. 복잡한 수학, 논리 퍼즐, 코드 디버깅처럼 단계적 사고가 필요한 작업에서 품질 차이가 납니다. 비씽킹 모드는 바로 답변을 내놓는 방식이라 응답 속도가 훨씬 빠릅니다. 간단한 QA나 문서 요약에는 충분합니다.

실전에서는 이렇게 구분해서 쓰면 좋습니다. 코딩 문제를 풀 때나 논리적 추론이 필요할 때는 씽킹 모드를 켜고, 번역이나 요약처럼 창의성보다 속도가 중요한 작업은 비씽킹 모드를 쓰는 식입니다. V4 Flash는 기본적으로 씽킹 모드가 켜진 상태에서 시작하므로, 필요에 따라 API 파라미터로 전환해야 합니다.

벤치마크 측면에서 보면 SWE-bench(소프트웨어 엔지니어링)와 MATH(수학 추론) 영역에서 V4 Pro가 GPT-4o와 비슷하거나 일부 항목에서 앞선다는 평가가 있습니다. 다만 DeepSeek이 아직 공식적인 상세 벤치마크를 전부 공개하지는 않았습니다. V3 출시 당시에도 벤치마크가 순차적으로 공개됐던 점을 감안하면, 이번에도 서드파티 평가 결과가 나오는 대로 더 정확한 비교가 가능할 겁니다.

MIT 라이선스 오픈소스 전략: 장점과 한계

DeepSeek V4는 MIT 라이선스로 공개됐습니다. 상업적 이용, 수정, 재배포에 아무 제약이 없습니다. R1 모델 이후로 DeepSeek이 일관되게 유지해온 전략인데, 이게 사실 가장 강력한 무기 중 하나입니다. 같은 급 성능의 GPT-4o나 Claude는 완전히 폐쇄형이고, Meta의 Llama 계열은 상업 이용에 제한이 있는 라이선스를 쓰는 경우가 많습니다. MIT 라이선스는 그중에서도 가장 자유로운 축에 속합니다.

실제로 화웨이(Huawei)와 캠브리콘(Cambricon) 같은 중국 반도체 기업들이 DeepSeek V4를 자사 AI 칩에 탑재하고 있습니다. 중국 AI 반도체 생태계에서 DeepSeek이 사실상의 표준 모델로 자리 잡는 모양새입니다.

다만 '오픈웨이트'와 '오픈소스'는 다릅니다. 가중치 파일은 MIT로 배포되지만, 학습 데이터셋과 세부 학습 방법은 블랙박스입니다. 어떤 데이터로 학습했는지 외부에서 확인할 수 없기 때문에 저작권이나 데이터 윤리 측면에서 논란의 소지가 있습니다. 2026년 2월에는 Anthropic이 DeepSeek이 수천 개의 가짜 계정을 만들어 Claude와 수백만 건의 대화를 생성하고 이를 자사 모델 학습에 사용했다고 공식적으로 비난한 바 있습니다. 아직 법적 결론이 난 사안은 아니지만, DeepSeek의 학습 데이터 관행은 앞으로도 논란의 대상이 될 가능성이 높습니다.

총평: 누구에게 추천하나

DeepSeek V4는 가성비 원탑이라는 기존 포지션을 충실히 지키면서, 컨텍스트 크기와 추론 성능이라는 핵심 지표를 대폭 업그레이드했습니다. 1M 컨텍스트, MIT 라이선스, GPT-4o 1/35 가격이라는 점만으로도 충분히 관심을 가질 만한 모델입니다.

다만 중국 기반 모델의 태생적 한계인 검열과 데이터 프라이버시 이슈는 여전히 해결되지 않은 숙제입니다. API 요청이 중국 서버를 경유하는 구조이고, 민감한 정치·역사 주제에서는 콘텐츠 필터링이 걸릴 가능성이 있습니다. 이런 요소가 서비스에 치명적이라면, DeepSeek의 오픈웨이트 모델을 자체 서버에 호스팅하거나 다른 모델과 병행하는 방안을 고려해보는 게 좋습니다.

개인 개발자나 초기 스타트업처럼 예산이 제한적인 환경에서는 DeepSeek V4 Flash가 현재 가장 효율적인 선택지 중 하나라고 생각합니다. Pro와 Flash를 용도에 따라 섞어 쓰는 전략이 가장 현명해 보입니다. Pro는 고난도 추론 작업에, Flash는 일상적인 처리와 대규모 배치에 할당하는 식으로 말이죠.

앞으로 DeepSeek이 V4의 상세 벤치마크를 공개하고, 서드파티 평가가 축적되면 더 정확한 비교가 가능할 겁니다. 지금 당장은 공식 발표와 가격표를 믿고 써보는 수밖에 없지만, 비용 대비 효율 측면에서는 따라올 모델이 많지 않아 보입니다.

> ktoolu.com에서는 AI 도구를 유튜브 제작에 활용하는 더 실용적인 팁을 확인할 수 있습니다.

> _이 글은 2026년 7월 기준으로 작성되었습니다. 모델 스펙과 가격은 변동될 수 있습니다._