딥시크 V4.1 플래시: 캐시 60% 인하, Opus 5와 동점

DeepSeek V4.1 Flash는 회사가 Causal Encoder-Decoder라고 명명한 새로운 아키텍처에서 작동합니다. 5520억 개의 파라미터는 20개 레이어의 인코더와 20개 레이어의 디코더에 걸쳐 있지만, 입력 토큰에서는 80억 개만 활성화되고 출력에서는 160억 개가 활성화됩니다. 이는 모든 연산에 대해 더 큰 파라미터 슬라이스를 활성화하는 모델보다 구조적으로 더 가볍다는 의미이며, 이 설계 선택은 추론 비용과 메모리 효율성에 직접적인 이점을 제공합니다.

메모리 이점은 구체적입니다. V4.1 Flash의 KV 캐시는 토큰당 890바이트로, V4-Flash의 약 4분의 1 수준입니다. FP4 캐싱과 Compressed Sparse Attention 2는 영구 캐시 공간을 이전 세대의 8분의 1로 줄입니다. 캐시된 입력의 비용은 비수기 기준으로 백만 토큰당 0.003달러로, V4-Flash 대비 60% 하락했습니다. 캐시되지 않은 입력은 33%, 출력은 11% 하락했습니다.

개발자들이 가장 주목하는 벤치마크에서 이 모델은 제 역할을 합니다. 자율 소프트웨어 엔지니어링 테스트인 DeepSWE v1.1에서는 74.2점을 기록, Anthropic의 Opus 5(74.0)를 근소하게 앞서고 GPT-5.6 Sol(73.0)보다 높습니다. GPQA Diamond는 90.9점입니다. 눈에 띄는 격차는 Terminal-Bench 3.0입니다: 30.0점으로 Opus 5의 43.3점에 비해 확연히 낮으며, 이는 확장된 대화형 디버깅이 필요한 작업에서 실질적인 차이를 보여줍니다.

비전은 사전 학습부터 내장되어 있습니다. 이전 V4는 비전을 별도의 Vision-Exp 변형으로 분리했습니다. V4.1 Flash는 이 두 가지를 DeepSeek-ViT를 중심으로 구축된 단일 모델로 대체합니다. DeepSeek-ViT는 처음부터 언어 모델과 공동 개발된 목적 학습 인코더입니다. 멀티모달 계층은 사라졌으며, 모든 호출은 기본적으로 비전을 제공합니다.

컨텍스트 창은 100만 토큰이며 출력은 384,000개로 제한되어 있어, 청크 없이 긴 문서 분석 및 확장된 에이전트 워크플로우에 충분합니다. 기존에 deepseek-v4-flash 및 deepseek-v4-flash-vision-exp ID를 사용하는 API 호출자는 이미 V4.1 Flash로 라우팅되고 있습니다. 9월 14일에는 DeepSeek V4 Pro 트래픽도 Flash 가격으로 전환됩니다.

DeepSeek는 V4.1 Flash를 ‘새로운 아키텍처 제품군 중 가장 작은 모델’이라고 설명했습니다. 동일한 Causal Encoder-Decoder 설계를 기반으로 한 더 큰 V4.1 Pro가 암시됩니다. Flash의 효율성 궤적을 유지한다면, 이 아키텍처의 성능-가격비를 벤치마크 곡선에서 더 높은 영역으로 확장할 것입니다. 현재 해당 영역은 백만 토큰당 훨씬 더 높은 비용이 드는 모델들이 차지하고 있습니다.

아키텍처적 관점은 가격표 이상으로 중요합니다. KV 캐시 증가는 긴 컨텍스트에서 대규모 모델을 실행하는 데 주요 제약 요소이며, 처리되는 모든 토큰에 따라 증가합니다. V4.1 Flash의 접근 방식(더 적은 활성 파라미터, 압축 캐시)은 이 제약을 직접적으로 해결합니다. 이는 장기 컨텍스트 배포를 위한 사용 가능한 템플릿이며, 특수 사례 최적화에 그치지 않습니다.

태그: Anthropic, AI 모델, DeepSeek, DeepSeek V4.1 Flash, Opus 5, 대규모 언어 모델