딥시크 V4, 왜 지금 주목해야 하는가

2025년 1월, 딥시크 R1이 오픈소스 AI 시장에 ‘스푸트니크 쇼크’를 일으켰을 때 많은 사람들은 단순한 해프닝으로 치부했습니다. 그러나 1년이 지난 지금 딥시크는 V3.1, V3.2, R1-0528, Prover-V2까지 끊임없이 업그레이드를 쏟아내며 오픈소스 AI의 기준 자체를 바꿔버렸습니다.

딥시크 V4는 이 흐름의 정점입니다. 단순한 버전 업그레이드가 아니라 아키텍처·메모리·멀티모달·라이선스 네 가지 차원에서 동시에 도약하는 모델입니다. 특히 Apache 2.0 오픈소스로 무료 공개될 예정이라는 점에서, ChatGPT·Gemini·Claude 중심의 유료 API 생태계를 근본적으로 흔들 가능성이 있습니다.

2026년 3월 9일, 딥시크 공식 사이트에서 ‘V4 Lite’ 라벨이 포착되었습니다. 이는 완전 버전인 V4의 소형 버전이 최종 단계에 진입했다는 신호입니다. 출시가 임박한 지금이 딥시크 V4를 미리 이해하고 준비할 마지막 골든타임입니다.

▲ 목차로 돌아가기

1조 파라미터 MoE 아키텍처 완전 해부

Mixture-of-Experts: 크기는 키우고 비용은 유지한다

딥시크 V4는 MoE(Mixture-of-Experts) 아키텍처를 채택하여 총 1조(1T) 파라미터 규모를 갖추면서도 실제 추론 시에는 약 370억 파라미터만 활성화합니다. 쉽게 말하면 1조 명의 전문가 집단 중 매번 370억 명에게만 질문을 던지는 방식입니다. 전체 규모는 V3(671B) 대비 50% 가까이 커졌지만, 추론 비용은 거의 동일한 수준을 유지할 수 있습니다.

이 방식은 코드·수학·창작·다국어 등 서로 다른 영역에서 각각 특화된 ‘전문가 서브네트워크’가 활성화되어 더 깊은 전문화가 가능해집니다. 단순히 파라미터를 늘리는 ‘밀집 모델’과는 근본적으로 다른 접근입니다.

화웨이 칩으로 학습한 첫 번째 최강 AI

V4의 또 다른 충격 포인트는 Nvidia 없이 학습했다는 점입니다. 미국의 반도체 수출 제재로 Nvidia H100/H800 접근이 막힌 상황에서, 딥시크는 화웨이 Ascend 910B와 Cambricon MLU 칩으로 V4 학습을 진행했습니다. 중국 정부의 국산 칩 사용 권고를 따른 결과이기도 합니다. 나무위키에 따르면 R2 단계에서 화웨이 칩의 기술적 문제로 엔지니어 파견까지 했던 전례가 있어 실제 성능에 의구심이 남지만, 만약 V4 벤치마크가 검증된다면 Nvidia의 하드웨어 독점 구조 자체가 흔들립니다.

▲ 목차로 돌아가기

Engram 메모리: 100만 토큰을 97% 정확도로 처리

긴 문서를 정말 ‘읽는’ AI가 나온다

딥시크 V4에서 기술적으로 가장 주목받는 혁신은 Engram 조건부 메모리 아키텍처입니다. 기존 트랜스포머 어텐션은 컨텍스트가 길어질수록 성능이 급격히 저하됩니다. 이른바 ‘건초더미 속 바늘 찾기(Needle-in-a-Haystack)’ 문제로, 100만 토큰 중간에 박힌 특정 정보를 모델이 제대로 찾지 못하는 현상입니다. Engram은 전체 시퀀스 어텐션 대신 관련성 신호 기반 선택적 저장·검색으로 이 문제를 해결합니다.

유출된 내부 벤치마크에 따르면, 표준 어텐션이 100만 토큰 Needle-in-a-Haystack에서 84.2% 정확도를 기록한 반면 Engram은 97%를 달성했습니다. 13%p 차이가 사소하게 보일 수 있지만, 실제 개발 환경에서는 “대부분 작동”과 “항상 작동”의 차이입니다. 전체 코드베이스를 한 번에 분석하거나, 수백 페이지 계약서를 통째로 읽히거나, 장기 에이전트 세션에서 과거 대화를 정확히 참조할 때 결정적 차이를 만듭니다.

그러나 100만 토큰 컨텍스트 자체의 실용적 의미는 분명합니다. 장편 소설 15~20권, 코드 파일 500개 이상의 저장소, 수년치 채팅 기록을 단일 컨텍스트로 처리할 수 있습니다. Engram이 주장대로 작동한다면, 현재 많은 AI 서비스에서 필수로 사용하는 RAG(검색증강생성) 파이프라인을 대폭 단순화하거나 생략할 수 있습니다.

▲ 목차로 돌아가기

벤치마크 유출: HumanEval 90%, SWE-bench 80%+

코딩 AI 왕좌를 넘보는 수치들

딥시크 V4의 유출 벤치마크 중 가장 주목받는 두 수치는 HumanEval 90%와 SWE-bench Verified 80% 이상입니다. HumanEval은 코드 생성 능력을 측정하는 표준 벤치마크로, 90%는 현재 기록 중 최고 수준입니다. SWE-bench는 실제 오픈소스 프로젝트의 GitHub 이슈를 해결하는 능력을 테스트하는, 훨씬 어렵고 현실적인 척도입니다.

현재 SWE-bench Verified 기록 보유자는 Claude Opus 4.5(80.9%)입니다. 딥시크 V4가 이 수치에 필적하거나 초과한다면, 오픈소스 모델이 최고 유료 독점 모델과 동등한 코딩 능력을 갖추게 됩니다. 개발자 커뮤니티에서 이 가능성에 주목하는 이유입니다.

V3 대비 SWE-bench 49%→80% 도약, 신뢰할 수 있을까?

단일 세대 만에 SWE-bench 점수가 49%에서 80%로 30%p 이상 오르는 것은 매우 이례적입니다. 솔직히 말하면 회의적인 시각이 필요합니다. 가능한 해석은 세 가지입니다. 첫째로 Engram 메모리와 100만 토큰 컨텍스트가 전체 코드베이스 추론을 실제로 가능하게 만들었을 수 있고, 둘째로 코드 특화 학습 데이터가 대폭 개선되었을 수 있으며, 셋째로 내부 평가 환경에서 최적화된 수치가 일반 사용 상황을 과대 반영했을 가능성도 있습니다. 출시 이후 LMSYS나 학술 연구소의 독립 검증이 이루어지기 전까지, 이 수치를 그대로 믿기보다 ‘가능성’으로 받아들이는 것이 현명합니다.

▲ 목차로 돌아가기

Apache 2.0 무료 공개의 진짜 의미

상업적 사용, 수정, 재배포 모두 무료

딥시크가 V4에 적용할 예정인 Apache 2.0 라이선스는 AI 모델 라이선스 중 가장 개방적인 형태입니다. 상업적 사용이 가능하고, 소스 공개 의무(copyleft)가 없으며, 명시적 특허 라이선스까지 포함됩니다. 즉, 한국의 스타트업이나 개인 개발자도 딥시크 V4를 자사 서비스에 무료로 내장할 수 있고, 자체 데이터로 파인튜닝하더라도 그 결과물을 공개할 의무가 없습니다.

이것이 월 수십~수백만 원의 API 비용을 지불하는 기업에게 의미하는 바는 명확합니다. 셀프 호스팅으로 전환하면 추론 비용 = 서버 하드웨어 비용으로 고정되고, 토큰당 과금에서 해방됩니다. 특히 코딩 자동화·고객 서비스 자동화·문서 처리 등 토큰 소비가 많은 서비스에서 비용 절감 효과가 극적으로 나타날 수 있습니다.

내 PC에서 V4를 돌릴 수 있을까?

1조 파라미터라는 숫자에 겁먹을 필요는 없습니다. MoE 아키텍처는 양자화에 유리하며, 보고된 목표 하드웨어 요구사항은 다음과 같습니다. INT8 양자화 기준으로 RTX 4090 2장(VRAM 총 48GB), INT4 양자화 기준으로는 RTX 5090 1장(VRAM 32GB)으로 구동이 가능하다고 알려져 있습니다. 물론 양자화를 거치면 정밀도 손실이 발생하고 일부 작업에서 성능 저하가 있을 수 있지만, ‘전자상가에서 구입 가능한 GPU로 1조 파라미터 모델을 로컬에서 돌린다’는 것 자체가 오픈소스 AI 역사에서 전례 없는 일입니다.

▲ 목차로 돌아가기

한국 사용자를 위한 지금 당장 준비 전략

출시 전 지금 해야 할 4가지

딥시크 V4의 정확한 출시일은 아직 미정이지만, 준비는 지금 당장 시작해야 합니다. 출시 직후 가중치가 공개되면 전 세계 개발자들이 동시에 다운로드 경쟁에 돌입하고, 서버 부하로 초기 며칠간 API 접근이 불안정해질 가능성이 높습니다. 2025년 R1 출시 당시의 경험을 떠올리면 이해가 쉽습니다.

딥시크 V4와 한국어 성능은?

딥시크 V3·R1의 한국어 성능은 “최고 수준 프론티어 모델에는 미치지 못하지만 GPT-4o 구형 모델과 비슷하거나 그 이상”으로 평가받고 있습니다. V4는 학습 데이터 규모와 품질이 대폭 향상되었다고 알려져 있어 한국어 처리 능력도 개선될 가능성이 높습니다. 다만 중국어 중심의 학습 편향이 완전히 해소되었는지는 출시 후 직접 테스트가 필요합니다. 특히 한국 사회·문화·법률 맥락에 특화된 판단이 필요한 업무는 여전히 Claude·GPT와 병행 사용이 현명합니다.

▲ 목차로 돌아가기

V4 Lite 포착: 출시 타임라인 총정리

2월 출시 → 3월 재지연 → V4 Lite 등장의 의미

딥시크 V4의 출시 과정은 순탄하지 않았습니다. 2026년 2월 중순 첫 번째 출시 예상일이 조용히 지나갔고, 설날(춘절) 직전 공개 전략도 무산되었습니다. 3월 초에는 정월 대보름(3월 3일)에 출시될 것이라는 루머가 Reddit을 달궜지만 역시 발표 없이 지나갔습니다. 연이은 지연의 원인으로는 화웨이 칩 기반 학습의 기술적 문제, 중국 AI 규제 검토, 벤치마크 목표 미달성 등이 거론됩니다.

그러나 3월 9일 딥시크 공식 사이트에서 ‘V4 Lite’ 라벨이 포착되면서 상황이 바뀌었습니다. 이는 완전한 1조 파라미터 V4 이전에 약 2,000억 파라미터 규모의 소형 버전이 먼저 출시될 가능성을 시사합니다. V4 Lite는 Engram 메모리·Apache 2.0·멀티모달 등 V4의 핵심 혁신을 미리 경험할 수 있는 ‘사전 진입권’ 역할을 할 것입니다.

양회(전국인민대표대회)가 3월 11일 폐막한 이후 정치적 행사 부담이 줄었고, V4 Lite 라벨 포착은 최소한 소형 버전의 출시가 초읽기임을 강하게 암시합니다. 개인적인 판단으로는 3월 말~4월 초 사이에 V4 Lite가 먼저 공개되고, 이후 수주 내로 풀 V4가 뒤따를 가능성이 높다고 봅니다. 딥시크가 R1 출시 때처럼 조용한 새벽 공개 전략을 반복할 수 있으므로, 공식 채널을 수시로 체크하는 것이 필수입니다.

▲ 목차로 돌아가기

Q&A — 자주 묻는 질문 5가지

▲ 목차로 돌아가기

마치며 — 총평

딥시크 V4는 ‘출시되면 어마어마하다’는 기대와 ‘벤치마크가 과장됐을 수 있다’는 회의감이 공존하는 모델입니다. 개인적으로는 1조 파라미터 MoE + Engram + 100만 토큰 + Apache 2.0이라는 조합 자체가 이미 오픈소스 AI의 새로운 기준점을 만들고 있다고 봅니다. 설령 코딩 벤치마크 수치가 유출값보다 낮게 나오더라도, 이 정도 규모의 모델을 무료로 쓸 수 있다는 사실 자체가 AI 산업 지형을 바꿉니다.

한국 사용자 입장에서 가장 중요한 것은 지금 당장 준비하는 것입니다. 출시 이후 첫 2~4주가 골든타임입니다. 빠르게 테스트하고, 자신의 업무에 맞는 활용법을 찾은 사람이 경쟁 우위를 가져갑니다. 딥시크 공식 API 문서와 GitHub은 지금 바로 북마크해두세요.

▲ 목차로 돌아가기