딥시크 쇼크 1년, 왜 R2는 아직도 없나?

2025년 1월, 중국 스타트업 딥시크가 엔비디아 저성능 칩으로 개발한 추론 모델 ‘R1’을 공개하자 미국 빅테크 주가가 폭락했습니다.
오픈AI·구글·메타가 수백억 달러를 쏟아부은 AI 모델과 대등한 성능을 내면서도 개발 비용은 600만 달러에 불과하다는 주장이 나오자, 그야말로 전 세계 AI 업계가 멈칫했습니다.
당시 엔비디아 시가총액은 단 하루 만에 600조 원 이상 증발했을 정도였죠.

그런데 그로부터 1년이 넘도록 후속 모델 딥시크 R2는 나오지 않았습니다.
2025년 4월부터 중국 언론에서 출시설이 나오기 시작했고, ‘춘제(2026년 2월) 때 공개된다’는 전망이 기정사실처럼 퍼졌습니다.
그러나 2월이 지나도, 3월 중국 최대 정치 행사인 양회(3월 11일 폐막)가 끝나도 공식 발표는 없었습니다.
2026년 3월 13일 현재 기준으로도 딥시크의 차세대 모델은 침묵 중입니다.

▲ 목차로 돌아가기

화웨이 칩 실험의 처참한 실패

출시 지연의 핵심 원인은 중국 정부의 개입이었습니다.
파이낸셜타임스는 복수의 관계자를 인용해, 딥시크가 중국 당국의 권고에 따라 엔비디아 GPU 대신 화웨이의 AI 칩 ‘어센드(Ascend)’를 R2 훈련에 사용했다고 보도했습니다.
미국의 대중국 반도체 수출 규제에 맞서 ‘자국산 칩으로 AI를 키우자’는 중국 정부의 국산화 기조를 따른 것입니다.

결과는 참담했습니다. 성능 불안정, 칩 연결 속도 저하, 소프트웨어 호환성 문제가 연달아 터졌습니다.
딥시크 R1이 엔비디아 호퍼(Hopper) 시리즈 GPU 클러스터—H20 3만 장, H800 1만 장, H100 1만 장—에 최적화돼 있었기 때문에, 전혀 다른 아키텍처인 어센드로 전환하자 딥시크의 가장 큰 경쟁력인 ‘엔지니어링 최적화’가 무력화됐습니다.

R2 훈련 실패의 3가지 구조적 원인

결국 딥시크는 타협책을 선택했습니다. 새 모델 훈련은 엔비디아 칩으로, 추론(실제 서비스 운용)은 화웨이 어센드로 나눠 맡기는 ‘분업 구조’를 도입한 것입니다.
일각에서는 딥시크가 엔비디아의 최신 칩 수천 개를 제3국 데이터센터를 통해 우회 반입했다는 보도도 나오고 있습니다.

▲ 목차로 돌아가기

R2에서 V4로: 이름 바뀐 사연

흥미로운 점은, 이제 업계에서 ‘딥시크 R2’라는 이름이 점차 사라지고 ‘V4’라는 명칭이 그 자리를 대체하고 있다는 것입니다.
딥시크의 모델 체계를 정리하면 R 계열(추론 특화)과 V 계열(범용 대형 언어 모델)로 나뉩니다.
R1이 추론에 특화된 모델이었다면, V4는 더 넓은 범용 역량을 갖춘 플래그십 모델로 기획된 것으로 보입니다.

즉, ‘R2’는 실질적으로 개발 실패에 가까운 상황에서 노선을 바꿔 V4로 재탄생한 셈입니다.
추론 특화 모델이 아닌, 추론과 생성 역량을 모두 아우르는 ‘슈퍼 플래그십’으로 방향을 틀었다는 게 업계의 공통된 분석입니다.
저는 이 부분이 상당히 의미 있다고 생각합니다. 단순히 일정이 밀린 게 아니라, 딥시크의 전략 자체가 바뀐 것이거든요.

▲ 목차로 돌아가기

V4 예상 스펙 완전 분석

유출 정보와 딥시크가 공개한 연구 논문들을 종합하면 V4의 윤곽이 점차 드러나고 있습니다.
가장 눈에 띄는 것은 파라미터(매개변수) 규모입니다. V3 계열이 약 6,850억 개였다면, V4는 1조 개 수준으로 크게 늘어날 것으로 예상됩니다.
단순히 크기만 키운 게 아니라, 새로운 아키텍처 혁신이 함께 적용됩니다.

① 매니폴드 제약 하이퍼커넥션(mHC)

딥시크 창업자 량원펑이 직접 공동 저자로 참여한 논문에서 공개된 이 기술은, AI 신경망 각 층을 기존의 단방향 연결이 아닌 병렬 ‘초연결’ 구조로 바꾸면서도 연산이 폭증하지 않도록 수학적으로 제약하는 방식입니다.
쉽게 말해, 더 복잡하게 연결하면서도 전기세(연산 비용)는 덜 쓰는 구조입니다.
30억~270억 개 파라미터 규모 모델에서 이미 효과가 검증됐습니다.

② 엔그램(N-gram) 추론 분리 방식

‘2+2=4’처럼 단순하고 고정적인 지식은 매번 무거운 추론 과정을 거칠 필요가 없습니다.
엔그램 방식은 이러한 단순 지식 추출과 복잡한 추론 작업을 분리해, 상대적으로 낮은 사양의 GPU로도 연산 효율을 크게 높일 수 있게 합니다.
이는 딥시크가 자국산 칩(화웨이 어센드)에서 추론을 돌릴 수 있는 기반이 되는 기술이기도 합니다.

③ 멀티모달 지원

V4는 텍스트만 처리하던 이전 모델과 달리 이미지, 영상, 음성까지 동시에 처리하는 풀 멀티모달 모델로 출시될 가능성이 높습니다.
내부 테스트 결과 코딩 능력이 앤스로픽의 클로드, 오픈AI의 GPT-5.2를 능가한다는 보도도 나왔습니다.
노무라증권은 “토큰당 추론 비용이 이전 모델 대비 10~50% 낮아질 수 있다”고 분석했습니다.

▲ 목차로 돌아가기

GPT-5의 50분의 1 가격, 진짜 가능한가?

딥시크 V4에서 가장 주목받는 것은 단연 가격 정책입니다.
미국 AI 분석 회사 웨이브스피드AI는 V4의 API 이용료를 100만 토큰당 출력 기준 약 0.25달러로 예상했습니다.
직전 모델 V3.2의 이용료가 0.28달러였으니, 더 강력해진 모델이 오히려 소폭 저렴해질 수 있다는 분석입니다.

수치로 보면 딥시크 V4는 GPT-5.2 대비 56분의 1, 제미나이 3.1 Pro 대비 48분의 1 수준입니다.
이 격차가 실제 서비스로 이어질 경우, 스타트업과 중소기업들이 AI API를 활용하는 방식이 완전히 바뀔 수 있습니다.
현재 기업용 AI 시장에서 모델 성능만큼이나 운영 비용이 서비스 확산의 장벽으로 꼽히기 때문입니다.

단, 이 가격이 실제로 적용될지는 여전히 미지수입니다.
딥시크가 중국 국내 시장 중심으로 출시하거나, 글로벌 서비스 가격을 별도로 책정할 가능성도 있습니다.
또한 미국 정부가 중국산 AI 모델의 API 사용에 추가 규제를 적용할 경우 가격 이점이 희석될 수도 있습니다.

▲ 목차로 돌아가기

출시 시기와 ‘2차 쇼크’ 가능성

2026년 3월 기준, V4의 정확한 출시 시기는 여전히 불명확합니다.
‘춘제 출시설’도 ‘양회 출시설’도 빗나갔습니다. 그러나 딥시크가 지속적으로 기술 논문을 공개하고 있다는 점은 출시가 머지않았다는 신호로 읽힙니다.
과거에도 딥시크는 주요 모델 출시 직전에 관련 연구 논문을 먼저 공개하는 패턴을 보였습니다.

시나리오 1: 2026년 2분기 내 출시 (가장 유력)

블룸버그 인텔리전스 분석가 로버트 리는 “향후 수개월 내 출시될 딥시크 차세대 모델은 글로벌 AI 시장을 다시 한 번 뒤흔들 잠재력이 있다”고 평가했습니다.
엔비디아 칩 기반 훈련 작업이 완료되고, 화웨이 칩 추론 최적화가 마무리되면 2분기(4~6월) 공개 가능성이 높습니다.

시나리오 2: 2026년 하반기 이후 (지연 지속)

중국 정부가 최근 빅테크에 엔비디아 칩 추가 주문 자제를 지시한 것으로 알려졌습니다.
이 기조가 강화되면 딥시크의 훈련 인프라 확충이 다시 어려워질 수 있습니다.
또한 오픈AI·구글·앤스로픽이 이미 대응 준비를 마쳤기 때문에, 딥시크가 ‘완벽한 타이밍’을 노리며 더 신중하게 접근할 가능성도 있습니다.

▲ 목차로 돌아가기

한국 사용자, 딥시크 V4를 써도 될까?

딥시크 R1이 처음 공개됐을 때 한국 정부 부처들은 빠르게 외부 접속 컴퓨터에서 딥시크 사용을 차단했습니다.
개인정보 유출 우려, 중국 정부로의 데이터 전송 가능성이 핵심 이유였습니다.
이 우려는 V4에도 여전히 적용됩니다.

2026년 1월 22일부터 시행된 대한민국 AI 기본법은 AI 서비스 이용자의 개인정보 보호와 투명성을 강조합니다.
딥시크 V4를 업무에 활용할 경우, 민감 정보나 영업 비밀을 입력하는 것은 여전히 신중해야 합니다.
반면 공개 정보 검색, 코딩 보조, 번역 등 비민감 작업에는 강력한 성능 대비 비용 절감 효과를 누릴 수 있습니다.

실용적 활용 기준 3가지

개인적으로는, 딥시크 V4가 출시된다면 ‘저가 고성능’이라는 장점 때문에 국내 개인 개발자와 스타트업 중심으로 빠르게 확산될 것으로 봅니다.
다만 기업 단위 도입에는 데이터 보안 정책을 먼저 검토하는 것이 반드시 필요합니다.
한국인터넷진흥원(KISA)에서 발표하는 AI 보안 가이드라인을 참고하시기 바랍니다.

▲ 목차로 돌아가기