① 딥시크 V4, 지금 어디까지 왔나?

2026년 3월 13일 기준 출시 타임라인 전체 정리

딥시크 V4는 2026년 1월 9일 로이터가 처음 보도한 이후, 무려 5개의 “출시 예정 창”을 모두 지나치면서도 아직 공식 발표가 나오지 않은 상태입니다. 2월 중순(춘제), 2월 말, 3월 초(양회 개막일 3월 4일)를 모두 지났고, 3월 9일에는 딥시크 공식 웹사이트에서 일부 사용자들이 ‘V4 Lite’로 불리는 모델 업데이트를 목격했지만 딥시크 측의 공식 확인은 없었습니다.

이 패턴은 사실 딥시크가 의도적으로 연기하고 있다는 신호로 읽힙니다. 2025년 1월 R1을 출시했을 때 실리콘밸리에 준 충격을 기억하시나요? 딥시크는 단순한 출시가 아니라 “최대 임팩트의 순간”을 기다리는 경향이 있습니다. 3월 13일 현재, 업계 관계자들은 “다음 주가 유력”이라고 보고 있습니다.

개인적인 견해로, 딥시크가 이렇게 출시를 미루는 건 단순한 기술적 문제가 아닐 가능성이 높습니다. 미국의 AI 칩 수출 규제를 피해 화웨이·캄브리콘 칩으로만 훈련시킨 최초의 프론티어급 모델이라는 점에서, 발표 타이밍 자체가 지정학적 메시지가 되는 상황입니다.

▲ 목차로 돌아가기

② 1조 파라미터인데 왜 빠른가?

MoE 아키텍처가 만드는 ‘효율의 역설’

딥시크 V4의 총 파라미터는 약 1조 개입니다. 숫자만 보면 엄청나게 무거워 보이지만, 실제 추론 시 활성화되는 파라미터는 약 370억 개에 불과합니다. 비결은 MoE(Mixture-of-Experts, 전문가 혼합) 아키텍처입니다. 모든 입력에 대해 전체 모델을 작동시키는 대신, 각 토큰을 가장 잘 처리할 수 있는 소수의 ‘전문가’ 서브네트워크에만 라우팅하는 방식입니다.

이 설계 덕분에 1조 개짜리 모델이 370억 개짜리처럼 빠르게 돌아갑니다. V3 대비 총 파라미터는 50% 이상 커졌지만, 활성화 파라미터는 거의 그대로 유지됩니다. 단순히 크기만 키운 게 아니라 “더 깊은 전문성”을 확보했다고 봐야 합니다. 코딩, 수학, 창작 글쓰기, 다국어 처리 등 각 도메인에서 더욱 정교하게 분화된 전문가 네트워크가 작동하는 것입니다.

특히 주목해야 할 건 라이선스 변화입니다. V3의 커스텀 오픈 라이선스에는 상업적 제약이 일부 있었던 반면, V4는 Apache 2.0으로 완전히 자유롭습니다. 오픈소스 생태계에서 Apache 2.0은 사실상 “아무나 써도 됩니다”를 의미합니다.

▲ 목차로 돌아가기

③ Engram 메모리 — 100만 토큰을 진짜로 이해하는 방식

긴 맥락이 지금까지 실패했던 진짜 이유

지금까지 “100만 토큰 지원”을 외치는 모델들은 많았지만, 실제로 그 긴 문서에서 핵심 정보를 찾아내는 건 전혀 다른 문제였습니다. 표준 트랜스포머 어텐션은 컨텍스트가 길어질수록 성능이 떨어지기 때문입니다. 이걸 학계에서는 ‘Needle-in-a-Haystack(건초더미 속 바늘 찾기)’ 테스트로 측정합니다.

딥시크는 2026년 1월 공개한 Engram 메모리 아키텍처로 이 문제에 정면으로 맞섰습니다. Engram은 입력 전체를 어텐션으로 처리하는 대신, 관련성 신호에 따라 정보를 선택적으로 저장·검색하는 조건부 메모리(Conditional Memory) 메커니즘을 사용합니다. 내부 테스트 기준으로 100만 토큰 컨텍스트에서 바늘 찾기 정확도 97%를 달성했다고 합니다 — 기존 표준 어텐션의 84.2%와 비교하면 질적으로 다른 수준입니다.

개인적으로 이 부분이 딥시크 V4에서 가장 중요한 혁신이라고 봅니다. 단순히 “더 긴 입력을 받는 모델”이 아니라, “긴 입력을 실제로 이해하는 모델”의 등장이기 때문입니다. 개발자들이 지금까지 RAG에 쏟아부었던 엔지니어링 비용의 상당 부분이 필요 없어질 수도 있습니다.

▲ 목차로 돌아가기

④ 코딩 벤치마크 — GPT·클로드를 진짜 넘을 수 있을까?

유출된 수치와 냉정한 현실 사이

딥시크 V4의 내부 벤치마크 유출 수치는 HumanEval 90%, SWE-bench Verified 80% 이상입니다. HumanEval은 코딩 문제 풀기 테스트로, 90%면 현재 최고 수준인 클로드 오퍼스 4.5의 약 88%를 넘는 수치입니다. 더 중요한 건 SWE-bench입니다 — 이 테스트는 실제 깃허브 오픈소스 프로젝트의 이슈를 모델이 자율적으로 해결할 수 있는지를 측정합니다. 현재 클로드 오퍼스 4.5가 80.9%로 1위인데, V4가 이를 넘거나 동급이라면 실질적인 코딩 에이전트 분야 판도가 바뀝니다.

그런데 여기서 냉정하게 봐야 할 점이 있습니다. V3의 SWE-bench 점수가 ~49%였는데, V4가 한 세대 만에 80%를 넘는다는 건 전례 없는 도약입니다. 이런 수직 상승은 두 가지 가능성 중 하나입니다 — 진짜 혁신이거나, 최적화된 평가 환경의 산물이거나. Engram 메모리가 실제로 전체 레포지토리를 이해하게 해준다면 전자일 수 있습니다. SWE-bench는 멀티파일 코드 이해를 요구하니까요. 독립 검증이 완료되기 전까지는 기대와 회의 사이의 균형을 유지하는 것이 현명합니다.

▲ 목차로 돌아가기

⑤ 엔비디아 없이 훈련된 최초의 프론티어 모델

화웨이 Ascend·캄브리콘 칩이 증명한 것

딥시크 V4의 훈련에는 엔비디아 GPU가 한 대도 쓰이지 않았습니다. V3이 미국 수출 규제 대상인 엔비디아 H800으로 훈련된 것과 달리, V4는 화웨이 Ascend 910B와 캄브리콘 MLU 칩만으로 구성된 인프라에서 탄생했습니다. 이는 지정학적 의미를 넘어 기술적으로도 매우 중요한 증명입니다 — 미국의 AI 칩 수출 규제가 중국의 프론티어 AI 개발을 완전히 막지 못한다는 것을 현실로 보여주기 때문입니다.

더 주목할 점은 딥시크가 엔비디아·AMD에 V4 사전 접근 권한을 주지 않고, 화웨이를 포함한 중국 반도체 업체들에게 먼저 ‘선행 시간(lead time)’을 제공해 자사 칩에 최적화할 수 있도록 했다는 사실입니다. 이는 단순한 AI 모델 경쟁을 넘어 중국 AI 반도체 생태계 전체를 키우려는 전략적 의도로 읽힙니다.

MoE 아키텍처는 양자화에도 유리합니다. 추론 시 전체 가중치가 아닌 활성화된 전문가 서브넷만 메모리에 올리면 되기 때문에, 1조 파라미터 모델치고는 상대적으로 낮은 사양에서도 실행 가능한 것입니다. 소비자 등급 GPU로 프론티어급 AI를 로컬에서 돌릴 수 있다는 가능성이 열리는 순간입니다.

▲ 목차로 돌아가기

⑥ Apache 2.0 라이선스 — 개인·기업이 무료로 쓸 수 있는 진짜 의미

그리고 한국 사용자가 알아야 할 규제 이야기

딥시크 V4가 Apache 2.0 라이선스로 출시될 예정이라는 건 오픈소스 커뮤니티에는 역사적 사건입니다. Apache 2.0은 상업적 사용, 수정, 배포가 모두 허용되며 파생 저작물을 오픈소스로 공개할 의무도 없습니다. 심지어 특허 라이선스까지 포함됩니다. 프론티어급 성능의 AI 모델이 이 조건으로 풀리면, 클로드나 GPT API에 월 수십만 원을 지불하던 개인 개발자와 스타트업에게는 완전히 다른 선택지가 생깁니다.

단, 한국 사용자라면 한 가지 중요한 맥락을 알아야 합니다. 현재 한국 정부 부처와 네이버·카카오·KB국민은행 등 주요 기업들은 딥시크 공식 웹서비스 접속을 차단하고 있습니다. 중국 서버에 데이터가 저장되고 중국 정부가 요청 시 제공될 수 있다는 보안 우려 때문입니다. 그러나 이 규제는 딥시크 ‘웹서비스’와 ‘API’에 적용되는 것이고, Apache 2.0으로 공개된 모델 가중치를 로컬 또는 국내 서버에 직접 배포하는 것은 현재 별도 규제 대상이 아닙니다.

전 세계 AI API 가격은 오픈소스 경쟁 모델이 나올 때마다 하락해 왔습니다. V4가 클로드·GPT 수준의 코딩 성능을 Apache 2.0으로 제공하면, OpenAI·Anthropic 모두 가격 전략 재검토가 불가피합니다. 결과적으로 오픈소스를 쓰지 않는 개발자도 간접적인 혜택을 받게 됩니다.

▲ 목차로 돌아가기

⑦ 딥시크 V4 출시 전 지금 당장 준비해야 할 것들

출시 당일 바로 쓸 수 있는 개발자·일반 사용자 체크리스트

딥시크 V4가 언제 나올지 정확히는 모르지만, 출시 이후 바로 활용하려면 지금 준비해두는 게 현명합니다. 특히 개발자라면 모델이 나온 뒤 “환경 세팅”에 시간을 낭비하지 않도록 미리 인프라를 갖춰두는 것이 경쟁력입니다.

가장 중요한 건 “벤치마크를 믿지 말고 내 업무로 직접 테스트하라”는 것입니다. SWE-bench 80%가 내 코드베이스에서 그대로 나온다는 보장은 없습니다. 출시 초기 1~2주간 직접 실험해보고 채택 여부를 결정하는 것이 가장 합리적인 접근입니다.

▲ 목차로 돌아가기

❓ 자주 묻는 질문 Q&A 5선

▲ 목차로 돌아가기

📝 마치며 — 총평: 딥시크 V4가 정말 중요한 이유

딥시크 V4는 단순한 모델 업데이트가 아닙니다. 이것은 오픈소스 AI가 유료 프론티어 모델과 동등한 수준에 도달할 수 있다는 증명 시도이며, 동시에 엔비디아 칩 없이도 최고 수준의 AI를 만들 수 있다는 지정학적 선언이기도 합니다.

2026년 3월 13일 현재, V4는 아직 정식 출시되지 않았습니다. 하지만 V4 Lite가 이미 웹에서 목격됐고, 공식 출시는 사실상 임박한 상황입니다. 지금 이 글을 읽는 독자라면 최소한 deepseek.com 북마크와 GitHub 알림 설정은 해두시길 강력히 권합니다.

개인적으로 가장 기대되는 건 Engram 메모리의 실사용 검증입니다. 이 기능이 실제로 작동한다면, 지금까지 RAG에 쏟아부었던 엔지니어링 복잡도가 크게 줄어들 것입니다. 반면 가장 회의적인 부분은 SWE-bench의 한 세대 30%p 도약 — 이건 독립 검증이 나오기 전까지 ‘주장’으로 봐야 합니다. 어떤 결과가 나오든, 딥시크 V4의 등장 자체가 2026년 AI 개발 비용과 오픈소스 생태계의 지형을 영구히 바꿀 것이라는 점은 분명합니다.

▲ 목차로 돌아가기