딥시크 V4, 왜 지금 이슈인가

딥시크 V4는 2026년 3월 11일, 오픈소스 가중치 공개와 함께 AI 업계에 또 한 번의 충격파를 던졌습니다. 작년 1월 R1 모델이 “저비용으로 OpenAI급 추론이 가능하다”는 사실을 증명했다면, V4는 차원이 다른 도전입니다. 텍스트·이미지·영상을 하나의 아키텍처에서 처리하는 네이티브 멀티모달 모델로, 파이낸셜타임스가 직접 “이미지 및 비디오 생성 기능”을 갖춘 것으로 보도한 바 있습니다.

출시 지연이 길었던 만큼 기대감도 폭발적이었습니다. 당초 2026년 2월 춘절 전후 출시가 예상됐지만, 화웨이·캠브리콘 등 중국산 AI 칩 최적화 작업이 길어지며 3월로 밀렸습니다. 오히려 이 지연이 V4를 더 완성도 높은 모델로 만든 것으로 평가받고 있습니다.

개인적으로 가장 흥미롭게 보는 지점은 가중치 공개입니다. 오픈소스로 공개된다는 사실은, 한국 이용자들이 딥시크 서버를 거치지 않고 로컬에서 직접 V4를 구동할 가능성을 열어 둔다는 의미입니다. 개인정보 우려를 회피하면서도 최첨단 AI를 쓸 수 있는 길이 생긴 셈이죠.

▲ 목차로 돌아가기

엔그램·DSA·mHC: 세 가지 핵심 기술 해부

① 엔그램(Engram) — 지식을 저장하는 외부 메모리

기존 트랜스포머 구조에서 AI 모델이 지식을 꺼내는 방식은 단순합니다. 모든 정보를 가중치에 압축하고, 질문이 들어올 때마다 매번 재계산합니다. 엔그램은 이 방식의 ‘치명적 결함’을 해결합니다. 정적인 지식(파리의 수도는? 같은 사실 정보)을 외부 메모리 뱅크에 저장해 두고, 필요할 때 O(1) 즉시 조회—재계산 없이 꺼내 씁니다.

주목할 점은 이 논문에 딥시크 창업자 량원펑(Liang Wenfeng) CEO가 직접 서명했다는 사실입니다. 회사 수준의 핵심 전략으로 엔그램을 밀고 있다는 뜻이죠. 도메인별 메모리 뱅크 교체도 가능해, 법률 전용 엔그램·의료 전용 엔그램으로 모델 재학습 없이 전문화가 가능해집니다.

② DSA(Dense Sparse Attention) — 연산비 폭등 없이 대규모 추론

기존 MoE(Mixture of Experts) 구조는 전문가 레벨에서 라우팅합니다. DSA는 어텐션 레벨에서 동적으로 선택합니다. 복잡한 수학 추론 토큰에는 비싼 Dense 어텐션을, 조사·관사 같은 평범한 토큰에는 빠른 Sparse 어텐션을 적용합니다. 논문 벤치마크 기준, 추론 속도가 크게 향상되면서 품질 저하는 거의 없었습니다.

③ mHC(Manifold-Constrained Hyper-Connections) — 훈련 안정성 혁신

대규모 모델을 훈련할 때 그래디언트 폭발과 소실은 가장 큰 골칫거리입니다. mHC는 레이어 간 정보 흐름을 학습된 다양체(Manifold) 위에 올려, 그래디언트가 안정적인 경로를 따라 전달되게 합니다. 훈련 효율이 약 6~7% 개선됐으며, 여러 독립 연구자들이 “획기적 돌파구”로 평가했습니다.

▲ 목차로 돌아가기

멀티모달 전환: 텍스트 넘어 이미지·영상까지

딥시크 V4에서 가장 파괴적인 변화는 네이티브 멀티모달 아키텍처입니다. 기존 Janus 모델처럼 언어 모델 위에 비전 어댑터를 ‘얹는’ 방식이 아니라, 텍스트·이미지·영상 토큰이 처음부터 같은 트랜스포머 백본을 공유합니다.

실제로 이 설계가 의미하는 건 단순히 “이미지도 인식한다”가 아닙니다. 예를 들어 차트 이미지를 보면서 텍스트 레이블을 읽고, 시각적 트렌드를 해석하고, 문자 분석 보고서를 생성하는 작업이 단일 포워드 패스 안에서 이루어집니다. 시스템 간 핸드오프가 없으니 일관성과 정확도가 올라갑니다.

FT 보도에 따르면 이미지 생성과 영상 생성 기능도 포함될 것으로 알려졌습니다. 다만 유출된 Reddit 정보에서는 “GPT-4o나 Qwen3 Omni처럼 완전한 옴니모달 생성보다는, 인식·이해에 더 강점을 두는 방향”이라는 분석도 있습니다. 출시 후 실제 성능 확인이 필요한 부분입니다. 여러 통로에서 신호가 겹치는 만큼, 멀티모달 기능은 사실상 기정사실로 봐도 무방합니다.

▲ 목차로 돌아가기

GPT-5·Claude Opus 4.6과 성능 비교

딥시크 V4의 내부 벤치마크에서 코드 생성 분야 성능이 GPT와 Claude 제품군을 압도하는 것으로 유출된 바 있습니다. 나무위키를 비롯한 커뮤니티 분석에서도 “Claude 4.5 Sonnet은 물론 GPT-5를 거의 모든 영역에서 격파”라는 평가가 등장했습니다. 물론 공식 벤치마크가 아직 전면 공개되지 않은 만큼, 지금 단계에서 확정 지어 말하기는 이릅니다.

그러나 딥시크의 전략은 처음부터 명확합니다. 규모(파라미터 수) 경쟁이 아니라 효율성 경쟁입니다. R1이 H100보다 훨씬 저사양 칩으로 o1 수준을 달성했듯, V4는 DSA와 엔그램으로 ‘같은 돈으로 더 많은 것을 하는’ 모델을 목표로 합니다. OpenAI나 구글이 규모를 키우는 방향으로 간다면, 딥시크는 알고리즘 효율로 맞받아칩니다.

▲ 목차로 돌아가기

한국 이용자를 위한 딥시크 V4 실전 사용법

한국에서 딥시크 V4를 사용하는 경로는 크게 세 가지입니다. 각각 특성이 다르므로 본인의 목적과 프라이버시 민감도에 따라 선택하시기 바랍니다.

방법 1: 공식 웹사이트 이용 (가장 간편)

방법 2: API 연동 (개발자·서비스 구축)

방법 3: 로컬 구동 (가장 안전한 선택)

▲ 목차로 돌아가기

개인정보·보안 우려: 지금 알아야 할 현실

2025년 초 딥시크가 국내에서 서비스를 잠정 중단하게 된 직접적인 원인은 명확합니다. 개인정보보호위원회 조사 결과, 딥시크는 이용자 동의 없이 프롬프트 정보를 중국 바이트댄스 자회사 볼케이노 등 해외 업체 4곳에 전송했습니다. 2025년 4월 서비스는 재개됐지만 국내 MAU는 120만에서 2026년 1월 약 6만 명으로 급락했습니다.

긍정적인 변화도 있습니다. 2026년 2월 10일, 딥시크는 한국 개인정보 처리방침을 전면 개정했습니다. 핵심 변화는 세 가지입니다. 첫째, AI 학습 거부권(옵트 아웃)을 설정 화면에서 직접 적용 가능하게 했습니다. 둘째, 중국 본사로 이전되는 데이터를 ‘비식별화 후 사용자 프롬프트’로 명시적으로 제한했습니다. 셋째, 데이터 내보내기 기능을 새롭게 도입해 웹 버전에서 전체 대화 기록을 직접 다운로드할 수 있게 됐습니다.

해외 정책 흐름도 주목할 만합니다. Anthropic은 2026년 2월 “중국 AI 3사가 Claude와 1,600만 건 대화를 무단 추출한 의혹”을 제기했습니다. 딥시크가 OpenAI의 GPT API를 무단 사용해 학습했다는 의혹도 하원에 근거가 제출됐습니다. V4를 사용할 때 이 배경을 알고 사용하는 것과 모르고 사용하는 것은 전혀 다른 이야기입니다.

▲ 목차로 돌아가기

Q&A 5선

▲ 목차로 돌아가기