딥시크(DeepSeek)는 2026년 9월 9일, 커뮤니티를 통해 차세대 모델인 ‘V4.1 플래시(V4.1 Flash)’의 시험용 API를 공개했다. 본 모델은 성능, 비용, 속도 측면에서 기존 상위 등급 모델인 ‘V4 프로(V4 Pro)’를 능가하며, 향후 상위 모델을 하위 등급인 플래시가 대체하는 이례적인 모델 전략을 취하고 있다.

핵심 기술 및 구조적 특징
V4.1 플래시는 기존 모델과 차별화된 새로운 구조를 적용하였으며, 가장 큰 기술적 특징은 네이티브 멀티모달(Native Multimodal) 지원이다. 이는 텍스트, 이미지, 오디오 등 이종(異種) 데이터를 별도의 변환 장치(Adapter)를 거치지 않고, 모델의 아키텍처 내부에서부터 단일 학습 파이프라인으로 통합 처리함을 의미한다. 이를 통해 멀티모달 데이터 처리의 효율성과 연동성을 극대화했다.

운영 정책 및 시장 전략

• 모델 대체 기제: 전환 기간 중 V4 프로로 유입되는 모든 요청은 V4.1 플래시가 처리하며, 이는 기존 업계의 등급 체계와 달리 고성능 모델을 낮은 비용의 플래시 모델로 통합하려는 전략적 의도로 해석된다.
• 경제성: V4.1 플래시는 기존 V4 플래시와 동일한 요금제를 채택하여 AI 가격 경쟁력을 유지하고 있다.
• 기술적 시험: 이번 시험 API는 24시간 내외의 짧은 운영 기간을 통해 개발자들이 차기 정식 모델에 도입될 기술을 사전 검증하고, 동시 요청 20건 제한 하에 필드 테스트를 수행하도록 유도한다.
• 성능 지표: 딥시크는 최근 3,050억 개의 매개변수(Parameter)를 보유한 모델을 공개하는 등 대규모 모델 개발 역량을 보여주고 있다. 여기서 매개변수($\theta$)는 모델 학습 과정에서 최적화되는 내부 가중치로, 모델의 용량과 복잡성을 결정하는 핵심 지표이다.

시장 배경 및 외부 환경
딥시크의 공격적인 모델 배포와 가격 경쟁 정책은 글로벌 AI 시장에서 주요 화두가 되고 있다. 최근 미국 국가안보국(NSA), 사이버보안·인프라보안국(CISA), 연방수사국(FBI)은 딥시크를 포함한 중국 AI 기업들이 미국 프런티어 모델(Frontier Model)의 지식 증류(Knowledge Distillation)를 시도했다는 합동 권고를 발표했다. 지식 증류는 거대 모델(Teacher Model, $T$)의 지식을 경량화된 모델(Student Model, $S$)로 전수하여 학습 효율을 높이는 기법으로, 딥시크의 급격한 성능 향상 배경에 이러한 기술적 접근이 있음을 시사한다.