R2는 왜 나오지 않았나: 1년의 공백

2025년 1월, 딥시크(DeepSeek)는 R1 모델 하나로 전 세계 AI 시장에 1,337조 원짜리 충격을 안겼습니다.
엔비디아 H20 칩으로 훈련된 그 모델은 오픈AI와 구글의 수천억 달러짜리 인프라를 조롱하듯 따라잡았고,
실리콘밸리는 패닉 상태에 빠졌습니다. 자연스럽게 모든 시선은 후속작으로 쏠렸습니다.

그러나 R1 이후 1년이 훌쩍 넘도록 공식 후속 모델은 출시되지 않았습니다.
2025년 4월부터 R2 출시설이 중국 매체를 통해 쏟아졌고, 5월, 8월, 12월로
시기가 반복해서 뒤로 밀렸습니다. 2026년에는 ‘춘제(2월 중순) 출시설’이 불을 붙였고,
파이낸셜타임즈(FT)는 ‘3월 양회 출시설’을 예고했지만 양회가 11일 폐막하는 시점에서도
딥시크의 공식 발표는 없는 상태입니다.

이 공백이 그냥 창업자 량원펑의 완벽주의 때문이라면 이야기가 단순합니다.
하지만 실상은 훨씬 복잡한 기술적·정치적 교착 상태에 있다는 것이 제 판단입니다.

▲ 목차로 돌아가기

화웨이 칩의 함정: 훈련 실패 전말

2025년 8월, 파이낸셜타임즈가 폭탄을 터뜨렸습니다.
딥시크가 차세대 모델 R2 훈련에 화웨이의 AI 칩 ‘어센드 910B’를 사용했다가
훈련에 실패해 출시를 연기했다는 내용이었습니다.
UC버클리의 한 AI 연구자는 FT에 “많은 개발자들이 딥시크를 기다리고 있었는데 실망했다”고 말했습니다.

배경은 이렇습니다. 도널드 트럼프 행정부는 2025년 중반
엔비디아 H20의 중국 수출마저 틀어막았고, 중국 정부는 딥시크에
자국산 칩 어센드를 도입하도록 권고했습니다. 딥시크는 정부 방침에 따랐지만
어센드의 소프트웨어 생태계(CANN)는 엔비디아 CUDA와 비교해 현저히 성숙하지 않았고,
대규모 모델 훈련 과정에서 안정성 문제가 발생했다는 것이 업계의 분석입니다.

결국 딥시크가 선택한 해법은 ‘분업’이었습니다. 새 모델의 훈련은 엔비디아 칩으로,
실제 서비스에서 답변을 생성하는 추론은 화웨이·캄브리콘 자국산 칩에 맡기는
하이브리드 전략입니다. 이 조정 과정이 길어지면서 출시가 계속 밀리고 있다는 게 2026년 3월 현재 가장 유력한 설명입니다.

▲ 목차로 돌아가기

V4의 정체: R2는 죽었고 V4가 왔다

중요한 사실이 하나 있습니다. 2026년에 들어서 딥시크의 후속 모델 이름이 바뀌었습니다.
그동안 모두가 기다리던 ‘R2’라는 이름이 아닌, ‘V4’라는 명칭으로 공개될 것으로 보도됐습니다.
이는 단순한 이름 변경이 아닐 가능성이 높습니다.

딥시크의 모델 계보를 보면, ‘R’ 시리즈는 추론(Reasoning) 특화 모델이고
‘V’ 시리즈는 좀 더 범용적인 코딩·엔지니어링 특화 계열입니다(V2, V3가 선행).
V4가 코딩 특화로 알려진 이유가 여기에 있습니다.
FT와 로이터 보도에 따르면 V4는 약 1조 개의 파라미터를 갖추고
최대 100만 토큰 수준의 긴 문맥을 처리할 수 있으며,
화웨이·캄브리콘 등 중국 반도체 기업과 협력해 설계된 것이 특징입니다.

특히 주목할 점은 딥시크가 엔비디아·AMD에 사전 접근 권한을 제공하지 않고,
화웨이를 포함한 중국 내 반도체 공급업체에 먼저 선행 시간을 부여했다는 점입니다.
이는 단순한 기술 공개를 넘어 중국산 AI 칩 생태계를 육성하려는 정치적 의도가
모델 출시 과정에 깊이 개입됐음을 보여줍니다.
출시가 지연될수록 모델이 날카로워지는 것인지, 칩 문제 해결이 안 되어 묶여 있는 것인지
— 저는 솔직히 후자에 무게를 두고 있습니다.

▲ 목차로 돌아가기

딥시크의 신기술: 연산 없이 커지는 AI

출시가 지연되는 동안 딥시크는 조용히 논문을 쌓았습니다.
업계에서는 딥시크가 주요 모델을 출시하기 직전 항상 관련 연구 논문을 먼저 공개해 왔다는 점에
주목합니다. 2026년 초 공개된 논문들은 딥시크 V4(혹은 R2)의 기반 기술을 사실상 예고하고 있다는 분석이 지배적입니다.

① 다양체 제약 초연결(Manifold-Constrained Hyperconnection)

겹겹이 이어진 AI 신경망이 정보를 병렬로 전달하는 ‘초연결’ 구조에 수학적 제약을 두어
연산이 지나치게 복잡해지지 않도록 제어하는 기술입니다.
쉽게 말해 모델 크기를 늘리면서도 연산량과 에너지 소비를 늘리지 않는 것이 핵심입니다.
엔비디아 칩 없이도 대형 모델을 굴릴 수 있는 가능성을 열어 주는 원천 기술입니다.

② 엔그램(Engram) 분리 추론

AI가 ‘2+2=4’ 같은 단순한 지식을 매번 복잡한 신경망으로 연산하는 낭비를 없애는 방식입니다.
고정된 사실은 ‘엔그램’ 저장소에서 빠르게 꺼내오고,
복잡한 추론만 대형 모델에 맡기는 역할 분리 구조입니다.
이 기술이 실현되면 낮은 사양의 GPU로도 비용 효율적인 AI 서비스가 가능해집니다.
중국 정부가 자국산 칩에서 딥시크를 구동하려는 의도와 정확히 맞닿아 있습니다.

▲ 목차로 돌아가기

V4 출시 시 시장 충격 시나리오

딥시크 V4가 실제로 출시된다면 어떤 충격이 예상될까요? 현재까지 알려진 스펙과 가격 전망을 바탕으로 시나리오를 정리합니다.

시나리오 1 — 가격 파괴: 100만 토큰 $0.25

업계에서는 딥시크 V4가 100만 토큰당 0.25달러라는 파격 가격으로 나올 것이라는 관측이 나옵니다.
구글 제미나이 3.1의 100만 토큰당 12달러와 비교하면 48분의 1 수준입니다.
오픈AI의 최상위 모델과 비교하면 미국 가격의 50분의 1이라는 분석도 있습니다.
이 가격이 현실화되면 스타트업과 개인 개발자들의 AI 채택 비용이 극적으로 낮아지고,
기존 빅테크 AI API 시장은 가격 전쟁에 직격탄을 맞게 됩니다.

시나리오 2 — 코딩 AI 판도 재편

V4는 코딩 특화 모델로 설계됐습니다. 최대 100만 토큰의 긴 문맥 처리 능력은
대규모 코드베이스 전체를 한 번에 분석하는 작업에 특히 유리합니다.
현재 코딩 AI 시장을 장악한 구글 Gemini 2.5 Pro, 앤트로픽 Claude Sonnet 4.6과
정면 경쟁이 불가피합니다.
저는 개인적으로 V4가 순수 성능보다 가성비로 개발자 커뮤니티를 먼저 흔들 것이라고 봅니다.

시나리오 3 — 엔비디아 주가 재하락

딥시크 R1 출시 당시 엔비디아 시가총액이 하루에 600조 원 가까이 빠졌습니다.
V4가 중국산 칩에서 안정적으로 구동된다는 사실이 증명될 경우,
“AI에는 무조건 엔비디아”라는 공식이 흔들리며 반도체 업종 전반에
다시 한번 ‘딥시크 쇼크’가 반복될 가능성이 있습니다.
단, 화웨이 칩 문제가 완전히 해소되지 않았다면 그 충격은 제한적일 것입니다.

▲ 목차로 돌아가기

딥시크 V4, 한국 사용자는 어떻게 대응해야 하나

한국 사용자 입장에서 짚어봐야 할 현실적인 문제가 있습니다.
딥시크는 2025년 초 한국 개인정보보호위원회로부터
사용자 동의 없이 개인정보와 프롬프트 내용을 중국·미국 업체에 전송한 사실이 확인되어
공공기관과 일부 기업에서 사용이 제한된 바 있습니다.
딥시크 V4가 출시되더라도 이 데이터 보안 문제는 여전히 유효합니다.

그럼에도 불구하고 딥시크 V4가 오픈소스로 공개된다면 이야기가 달라집니다.
R1처럼 MIT 라이선스로 공개될 경우, 가중치를 직접 내려받아
자체 서버나 국내 클라우드에서 운영할 수 있기 때문입니다.
이렇게 되면 중국 서버로의 데이터 전송 문제는 해소되고, 기업은 극도로 낮은 비용으로
고성능 코딩 AI를 내부 시스템에 붙일 수 있게 됩니다.

개인 개발자라면 지금 당장 딥시크 V3나 R1을 API로 실험해보는 것을 권합니다.
V4가 나왔을 때 곧바로 비교 활용할 수 있는 레퍼런스 포인트가 됩니다.
반면 업무용으로 중요한 데이터를 다루는 기업이라면,
공식 출시 이후 개인정보보호 조치 개선 여부를 반드시 확인하고 도입을 판단해야 합니다.

▲ 목차로 돌아가기

Q&A

▲ 목차로 돌아가기

마치며: 딥시크 V4, 기다릴 가치가 있는가

솔직히 말씀드리면, 딥시크 V4는 기다릴 가치가 충분히 있습니다.
단, 기술 충격 그 자체보다도 이 모델이 촉발할 가격 전쟁이 진짜 주목 포인트입니다.
V4가 공개되는 순간 구글, 오픈AI, 앤트로픽 모두 API 가격을 다시 검토해야 할 압박을 받게 됩니다.
그 수혜는 결국 AI를 쓰는 개발자와 기업에게 돌아옵니다.

반면 지나치게 낙관할 필요도 없습니다. 화웨이 칩 문제가 완전히 해소되지 않았고,
중국 정부의 정치적 개입은 오픈소스 정책의 지속성을 위협할 수 있습니다.
데이터 보안 이슈도 여전합니다. V4가 진짜 ‘제2의 딥시크 쇼크’가 될지,
아니면 R2처럼 소문으로만 남을지 — 지금 당장은 누구도 단언할 수 없습니다.

지금 가장 현명한 행동은 딥시크 V3와 R1을 실제로 써보고 감을 잡아두는 것입니다.
V4가 나왔을 때 가장 빠르게 활용할 수 있는 사람은 이미 기존 모델에 익숙한 사람입니다.
AI 경쟁의 속도에서 관전자로 남을 것인지, 플레이어로 뛸 것인지 — 선택은 여러분의 몫입니다.

▲ 목차로 돌아가기