딥시크 V4, 지금 이 시점에 왜 중요한가

딥시크 V4는 단순한 신모델 출시가 아닙니다. 2025년 1월, R1 모델 하나로 엔비디아 시가총액 600조 원을 하루 만에 날려버렸던 딥시크가, 1년 만에 내놓는 첫 번째 플래그십 업그레이드입니다. 당시 충격의 핵심은 ‘저비용으로 서방 최고 성능을 따라잡는다’는 명제였고, V4는 그 명제를 코딩·멀티모달 영역으로 확장하려 합니다.

2026년 3월 10일 현재, V4는 공식 출시되지 않았습니다. 그러나 2월 11일 기존 모델의 컨텍스트 창이 기존 128K에서 1M 토큰으로 조용히 확장된 데다 지식 컷오프 업데이트까지 이루어졌고, 이는 커뮤니티 전반에서 “V4 인프라 준비 완료” 신호로 해석되고 있습니다. 출시가 하루하루 가까워지는 지금이야말로 무엇을 준비해야 할지 파악할 적기입니다.

개인적인 시각을 솔직히 말하자면, 저는 딥시크 V4가 단순한 ‘중국산 빠른 추격자’ 이상의 의미를 지닌다고 봅니다. 엔그램 메모리라는 아키텍처 혁신을 전면에 내세운 점에서, 이는 트랜스포머 스케일링 경쟁이 아닌 전혀 다른 게임의 시작을 선언하는 것처럼 읽힙니다.

▲ 목차로 돌아가기

출시 타임라인: 두 번의 불발 그리고 지금

딥시크 V4의 출시 일정은 그 자체로 흥미로운 스토리입니다. 처음 공개된 계획은 2026년 2월 17일, 중국 춘제(설날) 시점이었습니다. R1을 2025년 1월 20일 춘제 직전에 공개해 세계를 놀라게 했던 전략을 그대로 반복하려 했던 것입니다. 그러나 2월 17일은 조용히 지나갔고, 2월 23일로 예측된 두 번째 창도 열리지 않았습니다.

이후 커뮤니티는 3월 3일(정월대보름)을 새로운 유력 날짜로 지목했지만 그 날도 출시 없이 지나갔습니다. 중국 양회(전국인민대표대회, 3월 4일 개막)에 맞춰 공개할 것이라는 보도도 나왔으나 공식 발표는 없었습니다. 딥시크는 전통적으로 출시 전까지 철저한 침묵을 유지하는 회사이므로, 이 지연이 품질 최종 점검인지 전략적 선택인지는 현재로서 알 수 없습니다.

▲ 목차로 돌아가기

엔그램 메모리: AI 기억 구조를 바꾸는 핵심 기술

딥시크 V4의 가장 결정적인 기술 혁신은 엔그램(Engram) 조건부 메모리 시스템입니다. 2026년 1월 13일 딥시크 창업자 량원펑이 직접 서명한 논문으로 공개된 이 기술은, 기존 트랜스포머 구조의 근본적인 비효율을 겨냥합니다.

기존 트랜스포머의 한계

기존 LLM은 ‘사실 지식’을 저장하는 정적 메모리와 ‘추론’을 수행하는 동적 연산을 모두 같은 GPU 고대역폭 메모리(HBM)에 몰아넣습니다. 이는 마치 전화번호부를 통째로 작업대 위에 올려두고 계산을 하는 것과 같아서, 연산 자원이 엄청나게 낭비됩니다.

엔그램이 해결하는 방식

엔그램은 정적 지식 검색을 시스템 DRAM(CPU 메모리)으로 분리하고, 동적 추론만 GPU HBM에 남겨두는 방식으로 분리합니다. 딥시크 연구진이 제시한 최적 분할 비율은 75%/25%이며, 1000억 파라미터 규모의 임베딩 테이블을 DRAM으로 완전히 오프로드해도 처리 속도 저하가 3% 미만에 그쳤다고 합니다. 특히 ‘히스택 속 바늘 찾기(NIAH)’ 장기 문맥 테스트에서 기존 84.2%에서 97%로 성능이 비약했는데, 이는 긴 코드 프로젝트에서 V4가 갖게 될 실질적 강점을 예고합니다.

▲ 목차로 돌아가기

코딩 성능 vs Claude·GPT: 유출된 벤치마크 분석

딥시크 V4에 대한 가장 강력한 주장은 내부 관계자들이 흘린 벤치마크입니다. 유출된 수치에 따르면 HumanEval 코딩 테스트에서 90%, SWE-bench Verified(실제 GitHub 이슈 해결 능력 측정)에서 80% 이상을 기록했다고 합니다. 비교 기준이 되는 Claude Opus 4.5의 SWE-bench Verified 점수가 80.9%이므로, 공개 기준 세계 최고 수준을 겨냥하는 수치입니다.

물론 이 수치들은 독립 검증을 거치지 않은 내부 주장입니다. 딥시크가 이전 모델에서도 공개 후 제3자 평가와 내부 주장 사이에 온도차가 있었던 만큼, 실제 출시 이후 벤치마크를 기다려야 합니다. 그러나 주목할 점은 성능뿐 아니라 가격입니다. 서방 경쟁 모델 대비 5~10배 저렴한 API 가격에 오픈소스 공개까지 이루어진다면, 시장 충격은 R1 때보다 훨씬 클 수 있습니다.

▲ 목차로 돌아가기

멀티모달 + 화웨이 칩: 엔비디아 없이 간다는 선언

딥시크 V4의 또 다른 중요한 측면은 텍스트·이미지·동영상을 아우르는 멀티모달 기능입니다. 기존 딥시크 모델이 텍스트 언어 모델에 집중했던 반면, V4는 처음으로 이미지 생성과 영상 생성 기능을 통합합니다. 구글의 나노바나나2(Gemini 3.1 Flash Image)나 OpenAI의 4o 이미지 생성과 정면으로 경쟁하는 구도가 형성되는 것입니다.

화웨이·캠브리콘 칩 최적화의 의미

더욱 주목되는 것은 딥시크가 이번 V4를 미국 엔비디아 GPU가 아닌, 중국산 AI 칩인 화웨이 어센드와 캠브리콘 MLU에 최적화해 개발했다는 점입니다. 미국 정부가 엔비디아 H100·A100의 중국 수출을 규제하면서 딥시크는 어쩔 수 없이 독자 노선을 택해야 했지만, 결과적으로 이것이 기술 자립의 상징이 됐습니다.

화웨이 어센드 910B는 H100 대비 성능이 낮지만, 딥시크는 mHC(매니폴드 제약 하이퍼-연결) 훈련 기법과 엔그램 메모리 구조를 통해 하드웨어 한계를 소프트웨어 혁신으로 극복하려 합니다. 이는 “좋은 칩만 있으면 된다”는 서방 AI 업계의 암묵적 전제를 정면으로 반박하는 접근입니다. 반도체 전문가들 사이에서는 딥시크 V4가 성공할 경우, 미국의 대중 반도체 수출 규제의 실효성이 다시 의문에 놓일 것이라는 분석이 나옵니다.

▲ 목차로 돌아가기

딥시크 V4를 기다리는 한국 개발자가 알아야 할 것

한국의 AI 개발자·스타트업 입장에서 딥시크 V4는 매우 실용적인 질문을 던집니다. “기존 Claude나 GPT 기반 스택을 바꿔야 하나?” 결론부터 말하면, 지금 당장 스택을 교체할 필요는 없지만 LLM 라우터/게이트웨이 구조를 미리 준비해두는 것이 현명합니다.

▲ 목차로 돌아가기