세상에, DeepSeek이 이번에 정말 제대로 사고를 쳤네요. 파라미터를 전혀 늘리지 않고도 13B 활성화(Activated) 방식의 저렴한 Flash 모델을 통해, 순수하게 후속 학습 (Post-training)만으로 코드 Agent 능력을 무려 7배나 끌어올렸습니다.

가격은 여전히 바닥권인데,
거의 Opus의 턱밑까지 추격했습니다!!!

오늘 정식 공개 베타 테스트를 시작한 V4-Flash-0731의 성적표를 보고 저는 정말 입이 벌어졌습니다:
▫️ DeepSWE 순위가 7.3에서 54.4로 급등하며 거의 7.5배 상승했습니다. 이전 V4 Pro 프리뷰 버전이 12.8이었던 것에 비하면, 이제 Flash가 기존 Pro를 압도하고 있습니다.
▫️ Cybergym은 38.7에서 76.7로 두 배 가까이 뛰었고, Terminal Bench는 82.7까지 치솟아 GLM-5.2보다 1.7점 더 높습니다.
▫️ 도구 호출 (Tool Calling), 풀스택 개발, 터미널 조작과 같은 Agent 핵심 시나리오에서 대부분의 지표가 몇 배나 더 비싼 중대형 모델들과 대등하거나 심지어 능가했습니다. 일부 하드 벤치마크(Hard Bench)는 이미 Claude Opus 4.8의 수준에 근접했습니다.

가장 놀라운 점은, 이번에 파라미터를 전혀 추가하지 않았다는 것입니다. 여전히 총 파라미터 284B, 활성화 파라미터 13B의 MoE 구조이며, 1M 컨텍스트 창 (Context Window)도 그대로입니다. 순수하게 후속 학습 (Post-training)과 Agent 프레임워크 최적화만으로 이런 효과를 냈습니다.

모델 ID를 변경할 필요도 없습니다. 기존 사용자들은 API를 통해 자동으로 새 버전으로 전환되므로, 코드 한 줄 수정할 필요가 없습니다.

개발자들이 가장 좋아할 만한 요소들을 완벽하게 갖춰 놓았습니다:
1️⃣ Responses API 형식을 네이티브로 지원하여 Codex에 직접 적응하며, 기존에 OpenAI나 2️⃣ Anthropic 형식을 사용하던 코드를 매끄럽게 마이그레이션할 수 있고, 사고 모드 (Thinking Mode)도 그대로 사용할 수 있습니다.
3️⃣ 가격은 여전히 익숙한 초저가입니다: 입력 $0.14/1M token, 캐시 히트 시 $0.0028, 출력 $0.28/1M token으로, 고빈도 Agent 실행, 대량 코드 수정, 도구 호출 시에도 전혀 부담이 없습니다.

참고로 말씀드리자면: 이번 업데이트는 Flash API에만 적용되었습니다. V4 Pro 정식 버전은 아직 준비 중이며, App 및 웹 버전은 아직 업데이트되지 않았습니다.

벤치마크는 곧 오픈소스로 공개될 공식 Harness를 사용했으므로, 서드파티 프레임워크로 측정할 경우 약간의 차이가 있을 수 있습니다. 하지만 이 정도의 향상 폭이라면, 실행 계층 모델 (Execution-layer model)이나 자동화 코드 작업을 수행하는 분들은 지금 바로 테스트를 시작해도 좋습니다.

기존에는 모델 능력을 높이려면 파라미터를 쌓고 연산력을 쏟아부어야 한다고 생각했지만, DeepSeek은 이번에 업계에 본보기를 보여주었습니다. 후속 학습 (Post-training)과 Agent 정렬 (Alignment)을 제대로 다듬으면, 적은 활성화 파라미터를 가진 모델로도 플래그십 모델의 역할을 수행하면서 가격은 매우 저렴하게 유지할 수 있다는 것을 말이죠.

이번 사건 이후로 다른 회사들의 실행 계층 모델 가격도 다시 한번 내려갈 것 같네요.

#DeepSeek #AI프로그래밍 #Agent #대규모언어모델