Deepseek, V4.1-Flash-1017 출시… 에이전트 코딩 작업 비용 대폭 절감
Deepseek가 자체 피드백 방식으로 훈련된 오픈 가중치 모델 ‘Deepseek-V4.1-Flash-1017’을 출시하며 주요 경쟁 모델 대비 우수한 코딩 성능과 작업당 0.20달러 미만의 저렴한 비용을 선보였다.
중국 인공지능(AI) 기업 Deepseek가 코딩 및 자율 에이전트 작업 성능을 크게 끌어올리는 동시에 추론 비용을 획기적으로 낮춘 경량화 업데이트 모델 Deepseek-V4.1-Flash-1017을 출시했다.
해당 모델은 Deepseek 공식 웹사이트, 애플리케이션, API를 통해 즉시 이용할 수 있다. Deepseek는 오픈 가중치 모델을 Hugging Face와 ModelScope에도 함께 공개했다.
자체 피드백 훈련 및 엔드투엔드 개발
이전 버전에 비해 Deepseek-V4.1-Flash-1017은 구동 속도가 더 빠르고 한층 간결한 답변을 생성한다. Deepseek는 이번 릴리스를 컴퓨팅 비용 대비 성능 균형을 개선한 파레토 최적화(Pareto improvement) 성과로 규정했다.
처음부터 끝까지 완전한 소프트웨어 개발을 처리할 수 있도록, 이 모델은 자체 피드백 기반 강화학습(RLSF, Reinforcement Learning with Self-Feedback) 방식으로 훈련됐다. 이러한 사후 훈련 방식에서는 인간 어노테이터나 별도의 보상 모델에 의존하지 않고, 내부 신뢰도 점수와 시스템 자체 생성 평가를 기반으로 모델 스스로를 평가한다.
Deepseek에 따르면 이 아키텍처는 게임 프로그래밍, 3D 모델링, 디자인 작업, 설명용 짧은 영상 애니메이션 제작 등 다양한 활용 사례 전반에 걸쳐 풀사이클 프로젝트 생성을 지원한다. 또한 텐센트 CodeBuddy, WorkBuddy, Deepseek Harness(v0.2.1-rc.1 이상 버전 권장) 등 개발자 환경에 맞춘 최적화도 이뤄졌다.
벤치마크 성능 향상 및 비용 절감
자체 벤치마크 테스트에서 Deepseek-V4.1-Flash-1017은 다수의 코딩 및 에이전트 벤치마크에 걸쳐 전작은 물론 Claude Opus 5, GPT 5.6-Sol, Kimi K3, GLM 5.3 등 덩치가 더 큰 경쟁 모델들을 앞질렀다.
더 짧고 간결해진 출력 방식은 DeepSWE 벤치마크에서 직접적인 비용 절감으로 이어졌다.
- 최고 사양 설정(Top Setting): 작업당 평균 0.20달러 미만의 비용으로 77.0%의 점수를 기록했다.
- 저사양 설정(Low Setting): 작업당 약 0.10달러의 비용으로 72.0%의 정확도를 달성했다.
- 이전 모델 비교: 기존 V4.1-Flash는 1회 실행당 약 0.50달러의 비용으로 74.2%를 기록했다.
반면 동일한 벤치마크에서 GPT-6 Astra, Gemini 3.8 Flash, Claude Opus 5 등 경쟁 시스템은 작업당 2달러에서 10달러 이상의 비용이 소요됐음에도 이 소형 모델의 정확도에는 미치지 못했다. 다만 이러한 내부 수치는 아직 독립적인 평가 기관의 검증을 거치지 않았으며, 실제 환경에서의 코드 품질에 대한 개발자들의 평가는 다를 수 있다.
자체 검색 API 공개 및 정책적 불확실성
모델 출시와 함께 Deepseek는 새로운 Search and Fetch API를 선보이며 독자적인 웹 검색 인프라를 개발자들에게 개방했다. 이 검색 엔진은 이미 하루 수억 건의 쿼리를 처리하고 있다.
해당 엔드포인트의 요금은 호출 1,000회당 0.75달러로 책정됐다. Deepseek API 사용자는 협정 세계시(UTC) 기준 2026년 10월 31일 오후 4시까지 Deepseek Harness, Claude Code, Codex의 서버 측 도구를 통해 무료로 해당 기능을 활용할 수 있다.
이번 출시에도 불구하고 중국 내 오픈 가중치 모델 배포를 둘러싼 정책적 불확실성은 남아 있다. 보도에 따르면 중국 정부는 상위 10위권 수준의 최고 역량을 지닌 AI 모델을 중심으로 오픈 가중치 모델 배포에 대한 규제 강화나 잠재적 금지 조치를 검토 중인 것으로 전해졌다.
