딥시크, V4.1 플래시 1017 공개…코딩·자동화 평가 개선

새 버전에서 확인된 개선

업데이트 카드의 Terminal-Bench 4.0 점수는 기존 31.2에서 42.3으로 높아졌다. 소프트웨어 수정 평가인 DeepSWE v1.1은 74.2에서 77.0, ProgramBench는 20.3에서 29.1로 올랐다. 서로 다른 평가의 숫자를 합쳐 하나의 ‘코딩 능력’으로 환산할 수는 없지만, 코드 작성부터 실행 환경을 다루는 작업까지 개선 범위를 넓혔다는 발표다.

평가에 사용한 실행 도구도 중요하다. 새 카드에는 Terminal-Bench 4.0에 Claude Code, DeepSWE v1.1에 Mini-SWE-V2를 썼다고 적혀 있다. 모델이 받는 정보와 명령 실행 방식이 결과에 영향을 주므로, 이전 소개 자료의 표를 다른 실행 조건과 섞어 단순 비교하면 안 된다. 이번 기사의 전후 수치는 1017 업데이트 카드가 나란히 제시한 값이다.

자동화 분야에서도 변화가 보고됐다. Automation-Bench v1.0.6은 54.8에서 60.5, Agents’ Last Exam은 31.8에서 35.4로 높아졌다. 이는 해당 평가 과제의 결과이며 실제 회사 업무의 완료율은 아니다. 파일 접근 범위, 중간 실패 복구, 승인 절차가 다른 업무에서는 같은 비율의 향상을 기대할 근거가 없다.

개발사는 작업 시간과 출력 길이도 줄었다고 설명한다. 그러나 새 카드에 모든 업무에 적용할 단일 절감률이나 통일된 이용 요금이 제시된 것은 아니다. 따라서 ‘몇 퍼센트 저렴해졌다’는 결론 대신, 성공한 작업 하나를 끝내는 데 필요한 호출·출력·재시도 비용을 함께 비교할 변화로 보는 편이 정확하다.

긴 입력을 다루는 구조와 실제 배포의 차이

이번 업데이트의 바탕인 V4.1 플래시는 이미지와 텍스트를 처리하는 전문가 혼합 모델이다. 기본 모델 설명에는 본체 매개변수 5,520억 개, 입력 처리 시 토큰당 활성 매개변수 80억 개, 출력 생성 시 160억 개가 제시돼 있다. 이 수치는 1017에서 새로 발표한 구조 변경이 아니라 같은 계열을 이해하기 위한 배경이다.

구조상 입력을 읽는 인코더와 답을 생성하는 디코더를 구분하고, 긴 문맥에 필요한 중간 정보를 압축·공유한다. 여기서 활성 매개변수가 적다는 설명과 전체 모델을 저장하는 데 필요한 자원은 구분해야 한다. 처리 순간에 일부만 쓰더라도 가중치 보관과 장치 간 이동, 실행 중 메모리는 별도로 필요하다. ‘80억 개만 활성’이라는 표현을 일반 노트북에서 쉽게 실행된다는 의미로 읽을 수 없는 이유다.

최대 100만 토큰 문맥도 입력 허용량에 관한 사양이다. 긴 문서의 모든 세부 내용을 정확히 찾거나 이미지 속 수치를 틀리지 않는다는 보장은 아니다. 문서 처리용으로 검토할 때는 문서 전체를 담는 능력과 필요한 근거를 찾아 답하는 능력을 나눠 봐야 한다. 개발사가 제시한 시각 평가 성적 역시 특정 과제와 도구 사용 조건의 결과로 이해해야 한다.

직접 실행에 필요한 참고 자료는 함께 공개돼 있다. 추론 안내에는 가중치 변환과 여러 장치에 나눠 실행하는 예제가 있으며, 이를 읽기 쉬운 참고 구현이라고 명시한다. 실제 서비스에 필요한 동시 요청 처리, 장애 복구, 모니터링까지 갖춘 운영용 엔진으로 설명하지 않는다. 파일 다운로드가 끝났다는 사실만으로 서비스 준비가 완료되는 것은 아니다.

연동 코드는 공개됐지만 도구 실행은 별도 책임

메시지 형식에도 주의가 필요하다. 모델 카드는 일반적인 Jinja 형식의 대화 템플릿 대신 자체 인코딩 참고 구현을 제공한다고 설명한다. 대화 이력, 생각 과정, 이미지, 도구 호출이 어떤 순서와 형식으로 들어가는지 맞춰야 하므로, 이름만 교체하는 연동보다 실제 입력 형식을 확인하는 작업이 중요해진다.

공식 도구인 ‘딥시크 레시피(deepseek-recipe)’는 여러 API 요청 형식을 내부 대화 형식으로 바꾸고, 출력에서 응답과 도구 호출을 해석하는 역할을 맡는다. Rust 라이브러리와 Python 연결을 제공하지만 모델 추론, 도구 실행, HTTP 전송 자체는 호출하는 쪽에 남긴다. 호환 형식을 지원한다는 설명을 외부 도구를 자동으로 안전하게 실행해 준다는 뜻으로 확대하면 안 된다.

편집 관점에서 이번 공개의 실용적인 의미는 같은 모델 계열의 개선을 작업 단위로 살펴볼 근거가 늘었다는 데 있다. 코딩 평가의 상승과 긴 입력 처리 구조, 메시지 변환 도구가 함께 제공되므로 도입 판단에 필요한 자료를 묶어 볼 수 있다. 반면 실제 사용 후기나 독립 성능 검증으로 받아들일 단계는 아니다. 기존 설정을 보존한 비교에서 성공률·완료 시간·실패 시 행동이 함께 좋아지는지가 남은 판단 기준이다.