딥시크 V4 플래시가 바꾼 AI 모델 트래픽의 흐름

버셀의 AI 게이트웨이에서 개발자들이 어떤 모델을 얼마나 많이 호출하는지가 빠르게 바뀌고 있다. 비용 부담이 낮고 성능이 개선된 오픈 웨이트 모델이 대규모 작업을 중심으로 사용량을 끌어올리면서, 토큰 처리량 기준으로 독점형 모델을 앞질렀다.

2026년 8월 25일 화요일, 오픈 웨이트 모델은 버셀 AI 게이트웨이에서 처리된 토큰의 54%를 차지했다. 독점형 모델의 비중은 46%였다. 직전 토요일에는 오픈 웨이트 모델의 점유율이 62%까지 올라 38%에 그친 독점형 모델을 크게 앞섰다.4

다만 여기서 말하는 점유율은 게이트웨이를 통과한 토큰 처리량 기준이다. 매출, 수익, 고객 수 또는 기업 수의 비중을 의미하지는 않는다.

토큰 처리량에서 벌어진 격차

8월의 측정 시점	오픈 웨이트 모델	독점형 모델
직전 토요일	62%	38%
8월 25일 화요일	54%	46%

8월 25일에는 오픈 웨이트 모델이 8%포인트 앞섰고, 직전 토요일의 기록적인 시점에는 격차가 24%포인트까지 벌어졌다. 이는 개발자들이 모든 작업에 최고가 모델을 쓰기보다, 작업 특성에 맞춰 비용 효율적인 모델로 트래픽을 분산하고 있음을 보여주는 신호에 가깝다.

딥시크 V4 플래시가 촉매가 된 이유

가장 직접적인 계기는 딥시크 V4 플래시의 업데이트된 가중치였다. 버셀은 AI 게이트웨이에서 업데이트된 가중치를 기본값으로 제공하기 시작했으며, 터미널 작업과 코딩 에이전트 활용 능력을 평가하는 Terminal-Bench 점수가 4월 프리뷰의 56.9점에서 82.7점으로 상승했다고 밝혔다. 25.8점 개선된 수치다.19

기존 사용자는 모델 ID나 애플리케이션 코드를 변경하지 않아도 새로운 가중치를 자동으로 사용할 수 있었다.19 성능이 개선됐는데도 기존 연결 방식을 유지할 수 있었다는 점은 이미 V4 플래시를 사용하던 개발자들이 별도의 마이그레이션 없이 업데이트 효과를 얻도록 했다.

V4 플래시의 매력은 단순히 ‘싼 모델’이라는 데 있지 않았다. 코딩, 도구 호출, 에이전트형 워크플로처럼 반복 호출이 많은 작업에서 성능이 개선되면서, 대규모 추론 작업에 투입할 수 있는 실용적인 선택지가 됐다. 버셀은 이 모델이 추론과 도구 사용, 암시적 캐싱을 지원하며 100만 토큰의 컨텍스트 윈도우를 제공한다고 설명한다.27

가격 구조도 이런 포지셔닝을 뒷받침했다. 로이터에 따르면 딥시크 V4 프로의 입력 가격은 V4 플래시의 약 9배, 출력 가격은 약 14배에 달했다. 프리미엄 모델과 효율성 중심 모델 사이의 가격 차이가 뚜렷하게 드러난 셈이다.17 독립 비교에서도 V4 플래시는 상당한 가격 우위를 보이지만, 벤치마크 결과는 테스트 방식과 설정에 따라 달라질 수 있다.25

독점형 모델의 토큰 비중이 줄어든 배경

공개된 보도는 독점형 모델 사용량 감소의 한 원인으로 앤트로픽의 고가 모델인 Fable 5에 대한 기업 수요 둔화를 지목한다.4 처리량과 토큰당 비용을 최우선으로 보는 작업에서는 충분히 가능한 설명이다. 다만 버셀 게이트웨이의 공개 수치만으로 모든 고객과 요청의 감소 원인을 하나로 단정할 수는 없다.

버셀은 Fable 5를 장시간 이어지는 복잡하고 모호한 다단계 작업에 적합한 모델로 소개하고 있다.3 따라서 이번 변화는 오픈 웨이트 모델이 모든 면에서 우월하다는 판정이라기보다, 작업별로 모델을 나누는 라우팅 전략에 가깝다. 대량의 반복 작업에는 저렴한 모델을 배치하고, 높은 추론 능력이 필요한 작업에는 더 비싼 독점형 모델을 남겨두는 방식이다.

토큰 점유율과 AI 지출은 다르다

가장 중요한 주의점은 사용량과 매출을 구분해야 한다는 것이다. 버셀의 이전 보고에 따르면 오픈 웨이트 모델은 게이트웨이 토큰 처리량의 29%를 차지했지만, 전체 지출에서 차지한 비중은 4% 미만이었다.44

입력 토큰과 출력 토큰의 단가가 모델마다 다르기 때문에 토큰 수가 많다고 해서 지출도 많은 것은 아니다. 따라서 이번 8월의 교차는 오픈 웨이트 모델이 게이트웨이 작업량의 더 많은 부분을 처리했다는 뜻이지, 모델 제공업체의 매출이나 버셀 게이트웨이 지출까지 오픈 웨이트 모델이 장악했다는 의미는 아니다.

독점형 모델은 더 적은 토큰을 처리하면서도 높은 가격을 바탕으로 지출에서 불균형적으로 큰 비중을 차지할 수 있다.

개발자에게 의미하는 것

이번 흐름은 모델을 하나로 고정하기보다 작업별로 배분하는 전략이 중요해졌다는 점을 보여준다.

• 대규모 작업에는 효율성 모델을 활용한다: 대량 생성, 코딩 보조, 반복적인 도구 호출은 토큰당 비용에 특히 민감하다.
• 가중치 업데이트 뒤에는 다시 검증한다: 딥시크 V4 플래시는 애플리케이션의 모델 ID를 바꾸지 않고도 성능 프로필이 달라졌다.19
• 품질과 비용을 따로 평가한다: 벤치마크 점수 상승만으로 모든 운영 환경에 가장 적합한 모델이라고 결론 내릴 수는 없다. 실제 정확도, 안정성, 지연 시간, 개인정보 보호, 공급자 가용성을 함께 확인해야 한다.
• 토큰과 지출을 모두 추적한다: 토큰 처리량 1위 모델이 지출이나 투자 대비 가치에서도 1위라는 보장은 없다.

버셀의 8월 트래픽 변화가 보여주는 더 큰 흐름은 분명하다. 오픈 웨이트 모델은 성능이 충분하고 가격이 크게 낮다면 실제 서비스의 처리량을 가져갈 수 있다. 딥시크 V4 플래시는 이를 가장 선명하게 보여준 사례다. 다만 방향은 모든 독점형 모델을 한꺼번에 대체하는 것이 아니라, 각 작업에 안정적으로 작동하는 가장 저렴한 모델을 찾아 배치하는 쪽에 가깝다.