DeepSeek V4.1 Flash 1017, HN 首页를 장악한 오픈소스 AI
1017은 버전 번호일까, 날짜일까?
DeepSeek의 모델 명명은 늘 가장 헷갈리는 부분이었다. V3 → V3.1 → V3.2로 이어지는 versioning에 여러 -exp 실험 버전과 Math·Coder 같은 세로 분기를 더하면, 전체 제품 구성이 git branch graph처럼 보인다.
V4.1 Flash 1017 (Max)라는 이름에는 글자 그대로 네 겹의 정보가 담겨 있다.
- V4.1: 메이저 버전 번호로, V4 메인 라인에서 이어져developed模型임을 보여준다.
- Flash: 속도와 가격을 내세우는 경량产品 라인이다.
- 1017: 10월 17일 출시일을 뜻하는지, 1017번째 checkpoint인지 deserves consideration이다.
- (Max): 등급 접미사처럼 보이지만 DeepSeek은 이전에 이 표기를 사용하지 않았다.
HN 게시글에서 DeepSeek 공식 계정은 이 명명 방식을 설명하지 않았다(출처: HN item?id=50148452). 현재로서는 추측만 가능하다. 출시일인 10월 17일과 내부 등급 표시인 Max가 결합된 것으로 보는 쪽이 타당하다.
Flash 시리즈는 V3 시절부터 존재했으며, 역할이 명확했다. 필요 없는 기능을 덜어내 속도와 가격을 얻는 것이다. 이번 V4.1은 메이저 버전 두 개를 건너뛰었으므로 아키텍처나 학습 데이터에 변화가 있었을 가능성이 크지만, 구체적인 내용은 공식 release notes를 기다려야 한다.
Artificial Analysis 페이지는 무엇을 보여주는가
평가 페이지는 artificialanalysis.ai/models/deepseek-v4-1-flash-1017에 호스팅되어 있다. 이 제3자 평가기관의 장점은 가격, 속도, 성능을 하나의 산점도에 표시한다는 점이다. 한 모델이 생태계에서 어느 위치에 있는지 바로 볼 수 있다.
핵심 숫자 일부를 정리했다(공식 페이지를 기준으로 아래 값은 특정 시점의 스냅숏이다).
| 지표 | V4.1 Flash 1017 (Max) | 비고 |
|---|---|---|
| 컨텍스트 길이 | 128K | Flash 시리즈는 넉넉한 범위를 제공해 왔다. |
| 가격(input) | $0.07 / 1M tokens | GPT-4o-mini보다 낮다. |
| 가격(output) | $0.14 / 1M tokens | 위와 같다. |
| MMLU | ~78% | 4o-mini와 비슷한 수준이다. |
| HumanEval | ~82% | 코드 활용에는 충분하다. |
| 첫 token 지연 시간 | < 200ms | Flash의 강점이다. |
숫자 자체보다 성능 대비 가격 산점도에서 어디에 놓이는지가 중요하다. V4.1 Flash는 가격을 GPT-4o-mini 아래로 낮췄으면서도 성능은 크게 떨어뜨리지 않았다. 이는 지난 1년 동안 중국산 모델에서 가장 뚜렷해진 흐름이다.
주의할 점은 평가 수치가 업데이트에 따라 변할 수 있다는 것이다. 실제 수치는 artificialanalysis.ai의 현재 페이지를 기준으로 확인해야 한다. 위 값은 기사 게시 시점의 스냅숏이므로 며칠 뒤에는 다를 수 있다.
Flash 시리즈는 V3 이후 무엇을 덜어냈나
Flash가 경량화되어 온 과정을 되돌아보면 다음과 같다.
- DeepSeek 67B(초기): dense 모델로 파라미터 규모가 크고 추론 비용도 높았다.
- V2 MoE: MoE 아키텍처로 전환해 전체 파라미터는 크지만 활성화 파라미터는 줄였다.
- V3 → V3.1 → V3.2: MoE routing과 학습 데이터 비율을 지속적으로 최적화했다.
- Flash 하위 라인: 메인 라인에서 작은 모델을 distill해 저지연 장면을 겨냥했다.
이번 1017도 다시 distill한 모델인지, MoE 구조를 바꿨는지는 공식 아키텍처 세부사항이 공개되지 않아 알 수 없다. 하지만 성능·가격 비율 곡선만 보면 DeepSeek은 같은 방식을 반복해 왔다. 메인 라인의 중간층 또는 얕은층을 distill해 Flash로 공개하는 것이다.
개발자에게 Flash 시리즈가 가장 적합한 영역은 다음과 같다.
- 대량의 짧은 텍스트 처리(분류, 추출, 단순 생성)
- 지연에 민감한 장면(실시간 대화, Agent 도구 호출)
- 중국어 사용 환경이 중심인 제품
반대로 적합하지 않은 영역은 다음과 같다.
- 긴 추론 과정이 필요한 복잡한 작업(V4 메인 라인 사용)
- 100줄을 넘는 코드 생성(DeepSeek-Coder 사용)
HN 댓글에서는 무엇을 두고 논쟁이 벌어졌나
댓글 46개를 훑어보면 대략 다음 세 갈래로 나뉜다.
API rate limit을 걱정하는 쪽
‘중국산 모델 API는 피크 시간대에 속도를 제한해서 GPT와 비교할 수 없다’라는 말이 나왔다. 실제로 역량 요구가 급증할 때 DeepSeek의 무료 API가 자주 멈췄다는 역사적 문제는 있다. 다만 유료 API의 안정성은 상당히 개선됐고, 댓글 안에서는 그에 대한 반론도 나왔다.
중국어 활용을 praises하는 쪽
‘중국어 prompt에서는 DeepSeek가 GPT-4o-mini보다 한 단계 낫다’는 의견을 여러 명이 언급했다. 이를 직접 검증하기는 어렵지만 DeepSeek 학습 데이터에서 중국어 비중이 높다는 사실은 분명하다. 자연어 명령을 입력할 때 응답이 중국어 사용자의 의도에 더 잘 맞는 경우가 많다.
가장 가치 있는 항목은 실제 테스트 prompt였다
누군가는 모델에 JSON 추출을 지시하는 system prompt를 붙여, DeepSeek Flash가 형식 준수에서 4o-mini보다 안정적이라고ennai했다. 이 장면은 재현해 볼 만하다. JSON 추출은 Agent workflow에서 거의 필수다.
비꼬는 댓글도 나왔다
‘또 새 버전을 냈는데 버전 넘버링을 따라갈 수가 없다’는 식의 비판도 있었다. 명명이 혼란스러워진 것은 DeepSeek의 오래된 문제다. V3 / V3.1 / V3.2 / V4 / V4.1 / 1017이라는 조합은 OpenAI의 GPT-4o / 4o-mini / o1보다 직관적이지 않다.
전체적인 분위기는 중국 내홍고보다 훨씬 차분했다. 개발자들은 ‘중국산 AI의 자부심’ 같은 감성적 서사보다 실제로 사용할 수 있는지 더关注했다.
편집자의 생각
이 버전이 ‘진짜 중요한’ 순위에는 오르지 않았는데도 중요한 이유는, 생태계의 방향이 바뀌었다는 점을 보여주기 때문이다.
지난 2년간 오픈소스 진영의 서사는 대체 다음과 같았다. Meta가 파라미터 수는 GPT보다 크지만 성능은 한 단계 낮고, 그렇다고 무료인 Llama를 내놓는다. 핵심 메시지는 ‘AI의 democratic化’이었다. 그러나 이 경로는 파라미터 경쟁의 끝에서 벽에 부딪혔다. Llama 4의 성능이 기대 이하였고 Mistral도 상업적 전환을 arduous하게 시작했다.
DeepSeek가 선택한 길은 달랐다. 초거대 모델을 내놓지 않고, 소형 모델의 성능 대비 가격을 극한까지 밀어붙이는 것이었다. V4.1 Flash 1017은 이 흐름의 정점이다. 가격은 GPT-4o-mini 아래로 내려갔고 성능은 비슷한 수준을 유지하면서 지연 시간은 더 짧다. 파라미터 경쟁이 아니라 경제성 경쟁인 셈이다.
이번 사건이 과거와 다른 점은 여기 있다. HN 首页의 인정은 이전까지 Llama와 Mistral 같은 ‘진짜 대형’ 모델이 받는 것이었다. ‘작고 저렴한’ 버전이 首页에 올랐다는 것은 개발자 커뮤니티의关注가 ‘누가 가장 큰 모델인가’에서 ‘누가 가장划算한가’로 이동했다는 뜻이다. 모델 자체가 질적으로 변했다는 뜻이 아니라 소비 측 수요가 달라졌다는 뜻이다.
확실하지 않은 점도 있다. DeepSeek의 수익 모델은 여전히 black box다. API 가격을 이렇게 낮게 두면 어떻게 이익을 내는 걸까. B2B private deployment, 트래픽 유입, 자금 조달을 통한 투자 방식 중 무엇인지 명확하지 않다. ‘저렴함’이 지속 가능하지 않다면 오늘의 성능 대비 가격 우위는 빈 수표가 될 수 있다.
하지만 방향은 이미 바뀌었다. 앞으로 1년 동안 소형 모델의 가격 경쟁은 파라미터 경쟁보다 훨씬 격해질 것이다.