딥시크 V4.1 플래시, V4 플래시에서 무엇이 달라졌나

딥시크(DeepSeek)가 2026년 9월 10일 공개한 DeepSeek-V4.1-Flash는 오픈 웨이트 기반의 멀티모달 모델이다. 눈에 띄는 숫자는 5,520억 개 규모의 MoE(Mixture-of-Experts·전문가 혼합) 백본 파라미터지만, 실질적인 변화는 긴 컨텍스트를 더 현실적으로 처리하려는 추론 설계에 있다. 희소 활성화와 대폭 줄인 KV 캐시를 결합해 최대 100만 토큰 컨텍스트를 겨냥했다. 1735

API 사용자에게 가장 먼저 바뀌는 점

새 Flash 모델을 호출할 때 권장되는 API 모델명은 deepseek-flash다. 텍스트뿐 아니라 이미지 이해를 네이티브로 지원한다. 1517

기존 V4 Flash와 실험적 모델인 V4 Flash Vision Exp는 종료됐다. 다만 호환성을 위해 deepseek-v4-flash, deepseek-v4-flash-vision-exp라는 레거시 ID는 당분간 받을 수 있으며, 요청은 V4.1 Flash가 처리하고 Flash 요금이 부과된다. 즉, 기존 ID는 안정적인 버전 고정 수단이 아니라 호환성 경로로 보는 편이 안전하다. 1523

V4 Pro는 상황이 다르다. 초기 전환 관련 보도에서는 V4.1 Pro가 나오기 전까지 V4 Pro 요청을 V4.1 Flash로 돌린다는 내용이 나왔지만, 이후 딥시크 공식 API 변경 이력은 사용자 수요에 따라 2026년 9월 14일 이후에도 V4 Pro API 서비스를 계속 제공하며 과금 방식도 유지한다고 밝혔다. 재현 가능한 결과가 중요한 개발팀이라면 레거시 경로가 언제나 V4.1 Flash로 연결된다고 가정하지 말고, 현재 문서에 명시된 모델 ID를 쓰고 회귀 테스트를 수행해야 한다. 1523

5,520억 파라미터지만 토큰마다 전부 돌리지는 않는다

V4.1 Flash는 5,520억 개 백본 파라미터를 둔 MoE 모델이다. MoE는 모든 파라미터를 매 토큰마다 일괄 실행하는 대신, 입력에 맞춰 일부 ‘전문가’ 파라미터만 선택해 활성화하는 구조다.

딥시크에 따르면 입력을 처리하는 프리필(prefill) 단계에서는 80억 개, 출력 생성인 디코딩 단계에서는 160억 개 파라미터를 활성화한다. 회사는 이를 Causal Encoder–Decoder(CED) 아키텍처라고 부른다. 긴 프롬프트를 읽는 비용과 긴 답변을 생성하는 비용이 서로 다르다는 점에서 이 구분은 중요하다. 1735

물론 희소 활성화만으로 어떤 환경에서나 저렴하거나 빠른 추론이 보장되는 것은 아니다. 실제 처리량은 GPU·가속기 구성, 배치 처리, 양자화, 서빙 소프트웨어, 컨텍스트 길이, 요청 유형에 함께 좌우된다. 그래도 이 설계는 V4.1 Flash가 의도한 효율성의 중심축이다.

100만 토큰의 관건은 KV 캐시

V4.1 Flash는 최대 100만 토큰의 컨텍스트를 지원한다. 35

장문 입력을 운영 환경에서 다룰 때 가장 큰 부담 가운데 하나는 KV(Key-Value) 캐시다. 모델이 다음 토큰을 생성할 때 과거 문맥을 다시 참조하기 위해 저장하는 어텐션 상태로, 프롬프트와 응답이 길어질수록 메모리 사용량이 커진다.

딥시크 모델 카드에 따르면 CED 구조는 디코더의 전역 KV 캐시를 각 디코더 레이어에서 따로 만들지 않고, 최종 인코더 은닉 상태에서 투영한다. 여기에 Compressed Sparse Attention 2(CSA2)와 FP4 KV 캐싱을 결합했다. 딥시크는 전역 KV 캐시 사용량이 토큰당 약 890바이트이며, V4 Flash의 해당 수치의 약 4분의 1이라고 설명한다. 3539

다만 100만 토큰을 넣을 수 있다는 사실이, 그 전체 범위에서 정보를 정확히 찾아내고 추론하거나 지시를 안정적으로 따를 수 있다는 뜻은 아니다. 대규모 코드베이스, 문서 묶음, 장기 에이전트 기록에 적용하려면 실제 업무 데이터로 검색 정확도, 지연 시간, 비용을 각각 검증해야 한다.

MIT 오픈 웨이트: 자체 배포의 선택지

딥시크는 V4.1 Flash 가중치를 Hugging Face에 MIT 라이선스로 공개했다. 모델 카드는 이를 오픈 웨이트 릴리스로 설명하며, 해당 라이선스 조건 아래 내려받아 배포할 수 있다. 35

API 전용 모델과 달리 조직이 자체 인프라에서 모델을 평가하고 서빙 구성을 직접 통제할 길이 열렸다는 의미다. 다만 5,520억 파라미터 백본의 배포가 간단해지는 것은 아니다. 그럼에도 자체 호스팅과 세밀한 최적화를 원하는 팀에는 선택지가 생긴다.

V4.1 Flash가 V4 Pro보다 낫나

딥시크는 새로운 사전학습 방식과 더 큰 규모의 강화학습 기반 사후학습을 통해 V4 Pro를 포함한 플래그십 모델보다 앞선 벤치마크 결과를 냈다고 주장한다. 여러 외부 테스트에서도 성능, 비용, 속도, 전체 실행 시간에서 V4.1 Flash가 V4 Pro를 앞섰다고 회사는 밝혔다. 17

하지만 이는 의미 있는 공급사 발표 수치인 동시에, 모든 작업에 대한 보편적 우위 판정은 아니다. 벤치마크 결과는 과제 선정, 프롬프트, 도구 설정, 채점 방식, 시험한 모델 버전에 따라 달라질 수 있다. 프로덕션 이전에는 어려운 추론, 코드 승인율, 도구 사용, 멀티모달 정확도, 신뢰성, 안전 통제, 지연 시간, 총비용 등 실제 성공 기준으로 두 모델을 비교하는 것이 바람직하다.

OpenRouter 사용량은 강하지만, 전체 시장 지표는 아니다

V4.1 Flash는 이미 딥시크와 다른 중국계 모델 제공사의 라우팅 사용량이 컸던 시장에 등장했다. OpenRouter는 자사 API를 통해 처리된 프롬프트·완성 토큰 수를 합산해 모델 순위를 매긴다.

9월 13일 집계에서 OpenRouter는 신규 모델인 DeepSeek V4.1 Flash를 4.94조 토큰으로 표시했다. 같은 순위표에서 DeepSeek V4 Flash 0731은 11.6조 토큰, V4 Flash 0423은 4.36조 토큰, 샤오미의 MiMo-V2.5는 7.77조 토큰이었다. 57

사용량 순위는 빠르게 바뀔 수 있다. 8월의 한 집계에서는 V4 Flash가 주간 7.1조 토큰으로 선두였고, 상위 10개 모델 중 9개가 중국 모델로 집계됐다. 50

핵심은 범위다. OpenRouter 토큰 수는 OpenRouter를 통해 라우팅된 트래픽일 뿐, 전 세계 AI 사용량, 기업 도입, 매출, 모델 품질을 뜻하지 않는다. 개발자 플랫폼에서의 수요 신호로는 유용하지만, 더 넓은 시장의 승패를 증명하는 수치로 해석해서는 안 된다.

개발자를 위한 판단 기준

V4.1 Flash를 검토할 만한 가장 큰 이유는 네이티브 멀티모달 기능, 100만 토큰 컨텍스트, 오픈 웨이트, 그리고 장기 추론의 메모리 비용을 낮추려는 아키텍처의 조합이다. 1735

현실적인 전환 절차는 다음과 같다.

1. 신규 Flash 연동에는 deepseek-flash를 사용한다.
2. 기존 Flash·Vision Exp ID는 버전 고정용이 아닌 호환성 경로로 취급한다.
3. V4.1 Flash와 V4 Pro를 실제 프롬프트와 성공 기준으로 비교한다.
4. ‘100만 토큰 지원’이라는 사양과 별개로 장문 검색 성능, 종단 간 지연 시간, 비용을 측정한다.
5. OpenRouter 순위는 수요 신호로만 활용하고, 프로덕션 검증을 대체하지 않는다.

토큰당 890바이트라는 전역 KV 캐시 수치와 희소 활성화 설계는 분명 큰 기술적 주장이다. 궁극적인 의미는 이 절감 효과가 개발자들이 실제로 운영하는 업무에서 신뢰할 수 있는 성능과 합리적인 비용으로 이어지는지에 달려 있다.