DeepSeek V4.1-Flash의 입력·출력 구분과 가상 비용 계산

위쪽은 공식 구조의 개략도, 아래쪽은 캐시 적중률 80%를 가정한 비용 예시다. 전체 입력 100만·출력 10만 토큰을 같은 시간대 단가로 계산했으며 실제 벤치마크나 청구서가 아니다.

DeepSeek가 2026년 9월 10일 V4.1-Flash를 공개했다. 텍스트와 이미지를 입력받고 텍스트를 생성하는 모델이며, API의 새 이름은 deepseek-flash다. 이번 발표에서 개발자가 먼저 확인할 부분은 요금표와 기존 모델 이름의 연결 대상이다. 같은 코드를 계속 실행해도 실제 응답 모델이 달라질 수 있기 때문이다. DeepSeek 공식 발표

이 글은 공식 발표, Hugging Face 모델 카드, 9월 11일 확인한 API 가격표를 대조한 자료 검토다. 모델을 직접 실행하거나 응답 속도를 측정한 리뷰는 아니다. 특히 저렴한 최저 단가, 활성 파라미터 수, 제조사 벤치마크를 서로 다른 의미로 읽어야 한다.

입력 8B·출력 16B는 무엇을 뜻하나

공식 모델 카드는 백본 파라미터를 552B, 즉 5,520억 개로 설명한다. 입력을 처리하는 단계에서는 8B, 출력을 생성하는 단계에서는 16B가 활성화된다. 전체 백본 규모와 한 토큰 처리에 동원되는 규모를 구분한 수치다. 8B라는 숫자만 보고 소형 모델과 같은 메모리로 실행할 수 있다고 판단하면 안 된다. 공식 모델 카드

구조는 입력을 읽는 인코더와 답변을 만드는 디코더로 나뉜다. 모델 카드는 이를 Causal Encoder–Decoder라고 부른다. 긴 입력을 자주 읽는 작업의 효율을 겨냥한 설계로 볼 수 있지만, 활성 파라미터 비율이 실제 응답 시간의 비율을 바로 알려 주지는 않는다. 하드웨어, 입력 길이, 출력 길이, 동시에 처리하는 요청에 따라 결과가 달라질 수 있다.

또한 모델의 최대 문맥은 100만 토큰으로 안내돼 있다. 이것은 한 번에 100만 토큰의 답변을 보장한다는 뜻이 아니다. 문맥 한도와 출력 한도를 나눠 확인해야 한다. 이미지 입력 지원 역시 모든 PDF나 도면을 오류 없이 읽는다는 보증으로 확대할 수 없다.

캐시 압축 효과는 어디까지인가

KV 캐시는 생성 과정에서 이미 처리한 문맥 정보를 보관하는 공간이다. DeepSeek는 이전 V4-Flash 대비 캐시의 HBM 요구량을 약 4분의 1, SSD 요구량을 약 8분의 1로 줄였다고 설명한다. 비교 대상과 줄어든 항목은 캐시다. 공식 모델 카드

따라서 이 수치만으로 전체 GPU 메모리가 4분의 1이 됐다거나, 같은 서버에서 처리량이 반드시 네 배 늘었다고 말할 수 없다. SSD 캐시가 작아졌다는 설명을 전체 지연 시간의 87.5% 감소로 바꾸는 것도 근거가 없다. 가중치와 다른 실행 메모리는 별도로 필요하며, 병목이 캐시 밖에 있다면 기대한 만큼 빨라지지 않을 수 있다.

입력이 긴 에이전트는 이런 변화를 평가해 볼 만하다. 다만 매번 다른 자료를 읽는 작업과 같은 문서를 여러 차례 재사용하는 작업은 비용 구조가 다르다. 필요한 것은 캐시 압축률 하나가 아니라 실제 작업에서 발생한 토큰과 완료 결과의 기록이다.

최저 단가만 보면 실제 요금을 놓친다

9월 11일 직접 확인한 가격표에는 V4.1-Flash의 단가가 반영돼 있다. 아래 금액은 모두 100만 토큰당 미국 달러다. DeepSeek API 가격표

토큰 종류 피크 비피크
입력: 캐시 적중 $0.006 $0.003
입력: 캐시 미적중 $0.30 $0.15
출력 $1.20 $0.60

$0.003은 비피크 시간에 캐시에 적중한 입력의 단가다. 모든 입력이나 출력에 그 가격을 적용할 수 없다. 가격표는 월요일부터 금요일까지 한국 시간 10~13시와 15~19시를 피크로 안내한다. 나머지 시간은 비피크이며 단가는 피크의 절반이다. 요금은 변경될 수 있으므로 실제 도입 시점의 표를 다시 확인해야 한다.

예를 들어 입력 100만 토큰 중 80만 토큰이 캐시에 적중하고, 20만 토큰은 미적중하며, 출력이 10만 토큰인 가상의 사용량을 생각해 보자. 모든 토큰에 피크 단가가 적용된다고 가정하면 적중 입력은 $0.0048, 미적중 입력은 $0.0600, 출력은 $0.1200으로 합계 $0.1848이다. 같은 토큰 구성에 비피크 단가를 적용하면 $0.0924다.

입력에서 캐시 적중이 전혀 없다면 피크 합계는 $0.42가 된다. 이 계산은 실제 청구서를 측정한 결과가 아니라, 같은 입력량이라도 적중 여부와 출력량이 총액을 바꾼다는 설명이다. 위 SVG의 막대도 이 가상 계산을 같은 비율로 표시했다. 세금이나 환전 비용, 별도 서비스 요금을 포함한 견적은 아니다.

실제 비교에서는 사용 기록의 입력 적중·미적중과 출력 토큰을 나눠 보아야 한다. 긴 답변이나 재시도가 늘면 낮은 입력 단가의 이점이 줄어들 수 있다. 요청 한 번의 가격만 비교하기보다, 사람이 쓸 수 있는 결과 하나를 얻는 데 들어간 총비용을 비교하는 편이 낫다.

기존 모델 이름은 언제 바뀌나

공식 발표에 따르면 이전 deepseek-v4-flash와 deepseek-v4-flash-vision-exp는 이미 V4.1-Flash로 연결되는 호환 이름이다. 새 연동에는 deepseek-flash를 사용하도록 안내한다. 공식 전환 안내

deepseek-v4-pro 요청은 9월 14일 한국 시간 13시부터 V4.1-Flash로 연결되고 해당 요금이 적용될 예정이다. 회사가 적은 시각은 04:00 UTC이며, 이 조치는 V4.1-Pro 출시 전까지 이어진다는 설명이다. 오늘인 9월 11일에 Pro 요청까지 이미 전환됐다고 읽어서는 안 된다. 가격표의 모델 전환 주석

운영 중인 서비스라면 모델 이름을 그대로 둔 경우에도 변경 전후 결과를 비교할 필요가 있다. API가 정상 응답한다는 사실과 기존 업무 품질이 유지된다는 사실은 별개다. JSON 형식, 도구 호출, 긴 대화에서의 지시 준수처럼 서비스가 실제로 의존하는 동작을 골라 확인하는 것이 좋다.

성능 평가는 어떤 조건으로 읽어야 하나

공식 모델 카드에는 점수표가 있다. 제조사 측정에서 V4.1-Flash의 DeepSWE v1.1은 74.2%, Terminal-Bench 2.1은 90.6%다. 반면 GPQA Diamond는 90.9%로, 같은 표의 V4-Pro 92.4%보다 낮다. 모든 영역에서 상위 모델을 넘어섰다는 결론으로 묶을 수 없다. 평가 설정과 비교표

이 instruct 평가는 추론 강도를 최대인 100으로 둔 결과다. 실행 도구와 문맥 한도 등 평가 조건도 함께 기재돼 있다. 낮은 추론 강도로 빠르게 쓰는 서비스가 같은 점수를 얻는다고 볼 수 없으며, 외부 모델의 평가와 조건이 완전히 같은 독립 실험으로 취급해서도 안 된다.

문서나 이미지 입력이 길고 반복되는 업무, 입력 비용 비중이 높은 에이전트라면 비교 후보로 삼을 만하다. 반대로 “8B니까 일반 PC에서 쉽게 실행된다”거나 “Flash가 모든 Pro 작업을 그대로 대체한다”는 전제로 도입을 결정할 근거는 부족하다.

먼저 기존에 정답이나 통과 조건을 알고 있는 작업을 준비하고, 같은 입력으로 비교해 보자. 결과가 맞았는지, 형식을 지켰는지, 몇 번 재시도했는지, 어느 정도의 시간과 토큰을 썼는지 함께 기록하면 된다. 평균 비용이 낮아져도 중요한 실패가 늘었다면 그 변화까지 평가에 포함해야 한다. 이것은 이번에 직접 수행한 실험 결과가 아니라, 발표 내용을 자신의 업무에 적용하기 위한 비교 방법이다.

출처