DeepSeek V4-Flash가 정말 Claude보다 100배 저렴한가?

7월 31일 실제로 출시된 것과 아직 아닌 것

「DeepSeek V4 공식판」이라는 표현만 보면 새 모델이 나온 것처럼 읽히기 쉽습니다. 실제로는 그렇지 않습니다. 동일한 284B 파라미터 아키텍처에 후학습을 다시 돌린 업데이트입니다. 플래그십 V4-Pro 공식판과 DeepSeek 최초 자체 Agent 프레임워크 Harness는 아직 미출시이며 확정 일정도 없습니다.

1. 01

   2026년 4월 24일: DeepSeek-V4 프리뷰 출시. MIT 오픈 웨이트 MoE 두 종 — V4-Pro(1.6T / 49B 활성), V4-Flash(284B / 13B 활성) — 모두 100만 토큰 컨텍스트. V4 GA 해부 참고.

2. 02

   2026년 7월 24일: 레거시 별칭 deepseek-chat·deepseek-reasoner 폐기, 전 트래픽 V4 계열로 전환.

3. 03

   2026년 7월 27일: Moonshot AI가 Kimi K3(2.8T 총 파라미터) 전체 오픈 웨이트 공개, DeepSeek 업데이트 직전 경쟁 압박. Kimi K3 오픈웨이트 가이드 참고.

4. 04

   2026년 7월 31일: V4-Flash-0731 공식 공개 API 베타 진입, 당일 Hugging Face 오픈 웨이트 동시 공개. Changelog에서 DeepSeek Harness를 처음 언급하며 「곧 출시」 예고. 이번 업데이트는 API 전용이며 소비자 앱·웹 채팅은 미반영.

5. 05

   2026년 8월 2일: Alibaba Qwen3.8-Max API GA, 가중치는 대기. Qwen3.8-Max 오픈소스 분석 참고.

6. 06

   2026년 8월 5일 기준: V4-Pro 공식판은 미확정. 일부 중국 매체가 무기명 출처로 7월 28일 주 내부 테스트·8월 10–20일 GA 창을 보도했으나 DeepSeek 미확인 소문으로 취급해야 합니다.

이번 출시를 추적하는 팀이 자주 놓치는 다섯 가지 블라인드 스팟은 다음과 같습니다.

1. 01

   「공식판」 오독: 아키텍처·파라미터 수는 4월 프리뷰와 동일하며, 성능은 전적으로 후학습에서 나왔습니다.

2. 02

   벤치마크 프레임워크 의존: Agent 점수는 미공개 Harness 「minimal mode」로 측정되었으며 서드파티 Agent 도구가 아닙니다.

3. 03

   API 전용 제한: 소비자 앱·웹 채팅은 0731 빌드로 갱신되지 않았습니다.

4. 04

   Pro 공백: 플래그십 V4-Pro 공식판 미출시, 복잡한 추론은 프리뷰 빌드가 필요할 수 있습니다.

5. 05

   투자 소문: 약 74억 달러 라운드·약 487억 달러 밸류에이션 보도는 무기명 금융매체 출처이며 DeepSeek·규제 공시 미확인입니다.

후학습 업그레이드와 Harness: 성능의 원천

아키텍처는 그대로, 학습 데이터가 바뀌었습니다

V4-Flash-0731은 4월 프리뷰와 규모·구조가 동일합니다. DeepSeek는 Agent 벤치마크 성능 향상이 스케일업이 아닌 후학습 재실행에서 전부 나왔다고 명시합니다. 이는 업계 기본 가정인 「더 크면 더 좋다」와 정면으로 다릅니다. 284B/13B 모델이 동일 계열 1.6T/49B 모델을 여러 Agent 작업에서 능가하며, 2026년 하반기 경쟁에서 후학습 품질이 순수 파라미터 수에 필적하고 있음을 보여줍니다.

하이브리드 어텐션: CSA + HCA, mHC, Muon 옵티마이저

DeepSeek 기술 보고서(「DeepSeek-V4: Towards Highly Efficient Million-Token Context Intelligence」)는 4월 프리뷰에서 이어진 세 가지 아키텍처 변경을 설명합니다.

1. 01

   하이브리드 어텐션(DSA): Compressed Sparse Attention(CSA)과 Heavily Compressed Attention(HCA)을 결합해 장문 컨텍스트에서 연산·메모리 비용을 절감합니다.

2. 02

   Manifold-Constrained Hyper-Connections(mHC): 표준 잔차 연결을 개선한 구조입니다.

3. 03

   Muon 옵티마이저: 수렴 속도와 학습 안정성 향상에 사용됩니다.

DeepSeek는 100만 토큰 컨텍스트에서 V4-Pro가 V3.2 대비 토큰당 추론 FLOPs 27%, KV 캐시 10%만 필요하다고 주장합니다. 벤더 자체 효율 수치이며 독립 서드파티 재현은 아직 공개되지 않았습니다.

Harness: DeepSeek 최초 자체 Agent 프레임워크

7월 31일 DeepSeek Harness가 처음 공식 언급되었습니다. 파일 I/O, 도구 호출, 다단계 엔지니어링 작업용 자체 Agent 실행 프레임워크로 Claude Code 대안으로 포지셔닝됩니다. V4-Flash-0731 Agent 벤치마크(Terminal Bench 2.0, Toolathlon 등)는 모두 아직 공개되지 않은 Harness 「minimal mode」에서 max reasoning effort, top_p 0.95, temperature 1.0으로 측정되었습니다. Changelog에서도 Agent 점수가 「harness 선택에 극도로 민감」하다고 경고합니다.

6단계 API 선정 Runbook: 마이그레이션부터 프로덕션 라우팅까지

V4-Flash-0731은 OpenAI·Anthropic 호환 API를 지원하며 Claude Code, OpenCode, Cursor 등 Agent 툴체인에 바로 연결됩니다. 평가에서 프로덕션까지 6단계 경로는 다음과 같습니다.

1. 01

   레거시 호출 감사: 폐기된 deepseek-chat / deepseek-reasoner 별칭을 코드에서 스캔하고 월간 호출량·캐시 히트율 기준선을 잡습니다.

2. 02

   모델명 전환: deepseek-chat → deepseek-v4-flash(non-thinking), deepseek-reasoner → Flash thinking 모드 또는 deepseek-v4-pro 프리뷰. base URL은 동일합니다.

3. 03

   캐시 전략 평가: 입력 캐시 히트율을 모니터링합니다. 해외 커뮤니티 피드백상 공식 빌드는 예상보다 캐시 히트가 적을 수 있어 청구에 직접 영향합니다. 장문 워크로드에서 Prompt Caching을 먼저 테스트하세요.

4. 04

   경쟁사 A/B: Kimi K3($3/$15), Qwen3.8-Max($2/$6), V4-Flash($0.14/$0.28)로 자체 샘플을 돌려 지연·성공률·작업당 비용을 비교합니다.

5. 05

   Agent 호스트 환경 구성: Harness는 미공개 — 프로덕션에서는 Claude Code 또는 OpenCode를 실행 프레임워크로 사용하고, Harness GA 이후 Terminal Bench급 작업을 재테스트합니다.

6. 06

   주·백업 라우팅과 모니터링: 대량 배치는 V4-Flash, 복잡 추론은 V4-Pro 프리뷰 또는 Claude 백업, 비용 상한·피크 2배 할증 알림을 설정합니다.

from openai import OpenAI

client = OpenAI(
    api_key="your_deepseek_api_key",
    base_url="https://api.deepseek.com"
)

response = client.chat.completions.create(
    model="deepseek-v4-flash",
    messages=[{"role": "user", "content": "Analyze this code..."}]
)

자주 묻는 질문