딥시크 R2란? — 1년 넘게 기다린 이유

딥시크 R2(DeepSeek R2)는 중국 AI 스타트업 딥시크(DeepSeek)가 2025년 1월 공개한 추론 모델 R1의 공식 후속작입니다. R1은 당시 OpenAI o1과 맞먹는 추론 성능을 단돈 29만 4,000달러(약 4억 원)의 학습 비용으로 구현해 전 세계 AI 업계에 ‘스푸트니크 쇼크’를 안겨줬습니다. 자연스럽게 R2에 대한 기대감은 출시 발표 전부터 폭발적으로 커졌습니다.

원래 딥시크 R2는 2025년 2분기 내 출시가 예정돼 있었습니다. AI 분석가들은 유출된 스펙 자료를 근거로 “R2가 나오면 또 한 번 빅테크 주가가 폭락할 것”이라고 전망했고, 실제로 관련 루머가 퍼질 때마다 엔비디아, 마이크로소프트 등의 주가가 흔들렸습니다. 그러나 2025년이 끝날 때까지 R2는 끝내 등장하지 않았습니다.

2026년 3월 현재, 딥시크 내부에서는 R2 대신 ‘DeepSeek V4’라는 새 코드명으로 출시를 준비 중이라는 루머가 확산되고 있습니다. Reddit 딥시크 커뮤니티, Reuters, Financial Times 등 다수의 신뢰할 만한 매체가 이 주에 공개될 가능성을 높게 점치고 있습니다. R2가 V4로 이름표를 갈아붙인 이유는 단순한 마케팅이 아니라, 아키텍처 자체가 완전히 뒤바뀌었기 때문입니다.

▲ 목차로 돌아가기

유출된 스펙 완전 분석 — 1.2조 파라미터의 의미

2025년 4월 27일, AI 분석가 Deedy(Deb Das)가 X(구 트위터)에 공개한 딥시크 R2 유출 스펙은 업계를 뒤흔들었습니다. 당시 유출된 내용은 아직 공식 확인된 사항이 아니지만, 이후 중국 현지 언론과 복수의 업계 소식통이 비슷한 수치를 보고한 만큼 신뢰도가 높은 편입니다. 핵심 수치를 표로 정리하면 아래와 같습니다.

1.2조 파라미터라는 숫자는 그 자체로 압도적이지만, 실제로 한 번의 추론에 활성화되는 파라미터는 78B에 불과합니다. 이것이 MoE(Mixture of Experts) 아키텍처의 핵심입니다. 전체 지식은 1.2조 규모로 방대하게 저장하되, 매 요청마다 가장 관련 있는 전문가 그룹(78B)만 깨워서 쓰는 방식입니다. 덕분에 연산 비용은 거대 모델 대비 극적으로 낮아집니다.

특히 눈여겨봐야 할 부분은 멀티모달 지원입니다. Financial Times는 V4가 텍스트, 이미지, 비디오를 동시에 처리하는 네이티브 멀티모달 모델이 될 것이라고 보도했습니다. R1이 텍스트 추론만 가능했던 것과 비교하면 완전히 다른 차원의 제품입니다. 중국 경쟁사인 알리바바 Qwen, 바이트댄스 Seed가 이미 멀티모달로 전환한 상황에서 딥시크도 뒤처지지 않겠다는 의지를 명확히 드러낸 셈입니다.

개인적으로 이 스펙에서 가장 흥미롭다고 생각하는 부분은 의료 분야 X-ray 인식 정확도 98.1%입니다. 인간 전문의 평균(96.3%)을 이미 넘어선 수준입니다. 이것이 단순한 벤치마크 수치에 그치지 않고 실제 의료·법률·금융 분야 전문 AI로의 전환을 예고하는 신호라는 점에서, R2/V4의 파급력은 코딩 도구를 훨씬 넘어섭니다.

▲ 목차로 돌아가기

출시 지연의 진짜 이유 — 화웨이 칩의 배신

① 중국 정부의 압박과 화웨이 어센드 칩

Financial Times의 심층 취재에 따르면, 딥시크는 R2 훈련 초기에 엔비디아 GPU 대신 화웨이 어센드(Ascend) AI 칩을 사용하도록 중국 정부의 압박을 받았습니다. 미국의 첨단 반도체 수출 규제로 엔비디아 H100/A100 칩 수급이 막힌 상황에서, 중국 정부는 화웨이 칩으로 국산 AI를 훈련하겠다는 강한 의지를 보였습니다. 딥시크는 이 압박을 받아들였고, 화웨이 어센드 910B 클러스터로 R2 훈련을 시작했습니다.

② 반복된 훈련 실패와 칩 간 연결 문제

결과는 참담했습니다. 훈련 과정에서 반복적인 기술 오류가 발생했고, 화웨이가 엔지니어 팀을 파견했지만 문제를 해결하지 못했습니다. 칩 간 연결 속도(인터커넥트)가 엔비디아 NVLink 대비 현저히 낮았고, 소프트웨어 툴링도 미성숙했습니다. 딥시크는 결국 화웨이 칩으로는 훈련이 불가능하다는 결론을 내리고, 다시 엔비디아 H800 클러스터로 전환했습니다. 이 과정에서 수개월의 시간을 허비했습니다.

③ CEO의 성능 불만족과 GPU 수급 차질

훈련 방향이 엔비디아 칩으로 돌아온 뒤에도 문제는 이어졌습니다. 로이터와 인포메이션의 보도에 따르면 딥시크 CEO 량원펑(梁文锋)이 R2 성능 결과에 만족하지 못해 출시를 보류했습니다. R1이 단번에 OpenAI o1을 뛰어넘는 충격을 안겨줬던 만큼, R2도 그 수준의 임팩트가 없다면 출시하지 않겠다는 고집이었습니다. 여기에 충분한 GPU 확보도 어려웠다는 내부 소식도 전해졌습니다.

결과적으로 현재 버전의 V4는 훈련(Training)에는 엔비디아 칩을, 추론(Inference) 단계에만 화웨이 어센드 칩을 쓰는 하이브리드 전략을 채택했습니다. 이는 중국의 반도체 자립이 아직 훈련 단계까지는 도달하지 못했음을 의미하는 동시에, 추론 효율화 방면에서는 화웨이가 일정 수준의 경쟁력을 입증했다는 뜻이기도 합니다.

▲ 목차로 돌아가기

V4로 이름이 바뀐 이유 — 아키텍처 대변신

딥시크가 R2 대신 V4라는 명칭을 쓰기 시작한 것은 단순한 마케팅 변경이 아닙니다. 내부 코드베이스를 분석한 결과, V4(코드명 Model1)는 기존 V3.2 대비 아키텍처 수준에서 네 가지 근본적인 변화를 담고 있습니다.

이 중에서 특히 Engram은 개념적으로 혁신적입니다. 기존 LLM은 모든 지식(정적 사실 포함)을 신경망 가중치에 압축해 저장하고, 매번 질문이 들어올 때마다 값비싼 신경 연산을 통해 꺼냅니다. Engram은 “2+2=4″처럼 변하지 않는 사실은 별도 메모리에 저장해 O(1) 시간에 즉시 조회하고, 복잡한 추론이 필요한 경우에만 신경망을 동원합니다. 딥시크의 실험 결과, 100B 파라미터 규모의 룩업 테이블을 CPU 메모리에 올려도 성능 저하가 3% 미만에 그쳤습니다.

결국 R2에서 V4로의 이름 변경은 “추론 성능 향상”이라는 단일 목표에서 벗어나 “멀티모달 + 코딩 특화 + 메모리 효율화 + 하드웨어 최적화”라는 복합적 진화를 반영한 것입니다. 이 모델은 단순한 R1의 업그레이드가 아니라 완전히 새로운 제품군에 가깝습니다.

▲ 목차로 돌아가기

딥시크 R2/V4가 바꿀 AI 판도

API 가격 전쟁의 재점화

유출 스펙대로라면 V4의 API 비용은 GPT-4 대비 97.3% 저렴합니다. 이미 R1 출시 이후 OpenAI, Google, Anthropic이 모두 API 가격을 대폭 인하했는데, V4가 나오면 또 한 차례 가격 폭락이 예상됩니다. 이는 기업·스타트업 입장에서는 AI 도입 비용 장벽이 사실상 사라지는 것을 의미합니다. 오히려 이제 문제는 “비용”이 아니라 “어떻게 잘 쓰느냐”로 옮겨갑니다.

오픈소스 생태계의 가속

딥시크는 R1과 V3.2를 포함한 모든 주요 모델을 오픈 웨이트(Open-Weight)로 공개했습니다. V4도 동일한 방식을 따를 가능성이 높습니다. R1 출시 이후 중국 AI 기업(Moonshot, MiniMax, Zhipu 등)뿐 아니라 전 세계 개발자들이 딥시크의 학습 방법론을 채택해 자체 모델을 만드는 일이 폭발적으로 늘었습니다. V4가 멀티모달을 포함한 채 오픈소스로 풀린다면, 그 파급력은 상상을 초월합니다.

코딩·장문 컨텍스트 특화 시장

Reuters와 인포메이션의 보도에 따르면, V4는 코딩과 장문 컨텍스트 소프트웨어 엔지니어링에 특화돼 있으며 내부 테스트에서 Claude, ChatGPT를 장문 코딩 작업에서 앞섰다고 합니다. 이미 GitHub Copilot, Cursor 같은 AI 코딩 도구 시장은 수십억 달러 규모인데, V4가 여기서 GPT-4.1이나 Claude 4를 밀어낼 수 있다면 AI 개발 도구 시장 판도가 단번에 뒤집어집니다.

▲ 목차로 돌아가기

한국 사용자가 지금 준비해야 할 것

1. 보안·개인정보 이슈는 반드시 점검

딥시크는 중국 기업입니다. 한국 정부 부처는 이미 외부 접속 가능 컴퓨터에서의 딥시크 접근을 차단했고, 일본·대만·호주도 정부 기기에서 사용을 금지했습니다. 개인 사용자라면 업무상 기밀, 개인정보, 영업 데이터를 공식 딥시크 웹사이트에 입력하는 것은 피해야 합니다. 대신 로컬 구동(Ollama 등)을 통해 인터넷 연결 없이 딥시크 오픈소스 모델을 사용하는 것이 안전합니다.

2. R1으로 업무 적용 패턴을 미리 만들어라

V4가 출시되면 어차피 API 마이그레이션은 간단합니다. 그전에 지금 R1(또는 V3.2)으로 업무 자동화 프로세스를 먼저 구축해 두는 것이 현명합니다. 문서 요약, 코드 리뷰, 법률 검토, 보고서 초안 작성 같은 반복 업무에 R1 API를 먼저 붙여보면, V4가 나왔을 때 즉시 전환해 효율을 극대화할 수 있습니다.

3. 딥시크의 오픈소스 전략을 활용한 비용 절감

딥시크의 오픈소스 모델은 Hugging Face에서 무료로 내려받을 수 있습니다. 자체 서버나 클라우드 환경에 올리면 API 비용 없이 무제한으로 쓸 수 있습니다. V4가 오픈소스로 공개된다면, 중소기업·스타트업은 수백만 원의 AI API 비용을 절감할 수 있습니다. 이미 국내 일부 AI 에이전시들은 딥시크 오픈소스 모델 기반의 솔루션을 고객사에 제공하며 비용 경쟁력을 확보하고 있습니다.

▲ 목차로 돌아가기

자주 묻는 질문 Q&A

▲ 목차로 돌아가기

마치며 — 기다림의 끝, 그리고 다음 준비

딥시크 R2/V4는 단순히 R1의 후속 모델이 아닙니다. 1년 이상의 지연 동안 겪은 화웨이 칩의 실패, CEO의 성능 불만족, 아키텍처 전면 재설계를 거친 뒤 나온 모델입니다. 그만큼 완성도 면에서도, 파급력 면에서도 기대를 걸 이유가 충분합니다.

개인적인 견해를 밝히자면, 이번에 “두 번째 스푸트니크 쇼크”는 없을 것입니다. R1 이후 전 세계 AI 업계가 딥시크를 예의주시하고 있으며, 이미 GPT-5, Claude 4, Gemini 3 등이 치열하게 경쟁 중입니다. 하지만 V4가 오픈소스로 공개될 경우, 그 파급력은 주가 충격이 아닌 AI 도입 비용의 민주화라는 형태로 우리 일상에 훨씬 조용하고 깊이 스며들 것입니다.

지금 해야 할 일은 간단합니다. 딥시크 공식 채널을 팔로우하고, 보안 수칙을 지키면서 R1으로 업무 자동화 흐름을 미리 구축해 두세요. V4가 터지는 순간, 남들보다 한 발 앞서 활용할 수 있는 사람이 되는 것, 그것이 이 글을 읽은 이유입니다.

▲ 목차로 돌아가기