2번 빗나간 출시설 — 지금 무슨 일이 벌어지고 있나?

2026년 1월, 디 인포메이션(The Information)을 필두로 한 미국 IT 매체들이 일제히 보도했습니다. “딥시크가 춘절(음력 설, 2026년 2월 17일) 연휴에 차세대 플래그십 모델 V4를 출시할 것”이라고요. 중국 매체들도 가세해 기정사실처럼 퍼뜨렸습니다. 그러나 2월이 지나도 딥시크 V4는 나타나지 않았습니다.

그러자 이번엔 파이낸셜타임스(FT) 등이 “3월 양회(兩會, 중국 전국인민대표대회 및 인민정치협상회의) 출시설”을 띄웠습니다. 중국 정부 최대 행사인 양회는 3월 11일 폐막했지만, 이 역시 공식 발표는 없었습니다. 2026년 3월 16일 현재, 딥시크 V4는 여전히 미출시 상태입니다.

사실 이게 처음이 아닙니다. 2025년 4월부터 “R2 모델이 나온다”는 중국 매체 보도가 이어졌지만, R2 역시 끝내 공개되지 않았습니다. 대신 딥시크는 V3.1, V3.2라는 이름으로 우회 업데이트를 내놓으며 시장을 달랬습니다. 이번에는 차이가 있습니다. V4에 대한 기술 논문과 깃허브 코드 흔적이 실제로 발견되었기 때문입니다. 나오는 건 확실하지만, 언제가 문제입니다.

▲ 목차로 돌아가기

진짜 이유 ① — 화웨이 어센드 칩의 치명적 한계

딥시크 V4 출시 지연의 가장 직접적인 원인은 화웨이 어센드(Ascend) AI 칩에 있습니다. 미국의 대중국 반도체 수출 규제로 인해 엔비디아의 최신 GPU 공급이 막힌 중국 정부는 딥시크에 화웨이 칩 도입을 권고했습니다. 딥시크는 이를 따랐으나 결과는 처참했습니다.

내부 소식통에 따르면 어센드 칩으로 V4(혹은 R2) 모델을 훈련시키는 과정에서 지속적인 기술적 문제가 발생했습니다. 화웨이가 직접 엔지니어 팀을 파견해 문제 해결을 시도했으나 결국 실패했고, 딥시크는 훈련은 엔비디아 칩, 추론(Inference)은 화웨이·캠브리콘 등 자국산 칩으로 역할을 나누는 ‘분업 전략’으로 방향을 틀었습니다. 이 조정 작업이 길어지면서 출시가 계속 미뤄지고 있다는 분석이 지배적입니다.

▲ 목차로 돌아가기

진짜 이유 ② — CEO가 직접 “만족 못 했다”고 말한 이유

2025년 6월, 복수의 내부 소식통이 블룸버그와 여러 매체에 충격적인 사실을 전했습니다. 딥시크의 창업자이자 CEO인 량원펑(梁文锋)이 R2(현재의 V4 전신) 모델의 성능에 만족하지 못해 출시 시기를 결정하지 못하고 있다는 것입니다. 저비용·고효율이라는 딥시크의 정체성을 유지하면서도 GPT-5.2, Claude 4.5 Opus와 맞붙을 수 있는 성능을 동시에 달성하는 것이 생각보다 어렵다는 현실을 반영합니다.

여기에 더해 2026년 2월 로이터 통신의 단독 보도에 따르면, 딥시크는 V4의 최적화를 위해 미국 칩 제조사인 엔비디아에 사전 접근 권한을 주지 않는 이례적인 전략을 택했습니다. 일반적으로 AI 기업들은 신모델 출시 전 엔비디아와 협력해 성능을 최적화하는 것이 관행인데, 딥시크는 화웨이에만 조기 접근을 허용하고 엔비디아는 배제한 것입니다. 이는 “출시 첫날 화웨이 칩 성능이 엔비디아보다 인상적으로 보이게 만들려는” 전략적 판단으로 해석됩니다.

필자의 판단으로는, 이것이 오히려 더 긴 지연을 만들고 있습니다. 엔비디아와의 협력 없이 모델을 최적화하는 것은 기술적으로 훨씬 어렵기 때문입니다. 딥시크가 ‘정치적 메시지’와 ‘기술적 완성도’ 사이에서 줄타기를 하고 있는 셈입니다.

▲ 목차로 돌아가기

딥시크 V4의 핵심 기술: 엔그램과 mHC란 무엇인가?

딥시크 V4가 왜 그토록 기대를 받는지 이해하려면 두 가지 핵심 기술을 알아야 합니다. 복잡한 내용을 최대한 쉽게 설명하겠습니다.

① 엔그램(Engram) 아키텍처 — “기억과 생각을 분리하다”

기존 AI 모델은 모든 지식을 신경망 가중치 안에 욱여넣고, 질문할 때마다 그 거대한 신경망 전체를 돌렸습니다. 마치 백과사전 전체를 외운 사람이 답변마다 전 내용을 머릿속으로 훑는 것과 같은 구조입니다. 엔그램은 이를 바꿉니다. 변하지 않는 사실 지식은 값싼 시스템 메모리(DRAM)에 저장하고, 모델은 추론할 때만 필요한 부분만 즉시 호출합니다. 딥시크 내부 실험에서 ‘Needle-in-a-Haystack’ 테스트 다중 쿼리 성능이 기존 84.2%에서 97.0%로 향상되었습니다. 수십만 줄짜리 코드베이스 전체를 기억하며 코딩하는 것이 가능해진다는 뜻입니다.

② mHC(다양체 제약 초연결) — “깊을수록 무너지는 문제를 수학으로 해결”

AI 모델은 성능을 높이려면 레이어를 깊게 쌓아야 합니다. 그런데 기존 방식은 레이어가 깊어질수록 신호가 폭발적으로 증폭되어 학습이 불안정해지는 고질적 문제가 있었습니다. mHC는 연결 행렬을 수학적 다양체(Manifold) 위로 투영해 신호 크기를 강제로 제어합니다. 1조 개 파라미터를 가진 초대형 모델을 안정적으로 학습시키면서도 훈련 비용을 획기적으로 낮출 수 있는 이론적 기반입니다.

▲ 목차로 돌아가기

가짜 벤치마크에 속으면 안 되는 이유

V4 출시 기대감이 최고조에 달했을 때, 인터넷에는 충격적인 벤치마크 수치가 유포됐습니다. “SWE-bench에서 83.7% 달성”, “GPT-5.2 대비 11배 수학 성능 향상” 같은 내용이었습니다. 그러나 이 데이터는 조작된 가짜일 가능성이 매우 높습니다.

결정적인 증거는 타 모델 점수의 불일치에서 나왔습니다. 해당 차트에서는 중국의 Kimi K2.5 모델이 구글 Gemini 3 Pro보다 HLE(Humanity’s Last Exam) 점수가 높은 것으로 나왔는데, 실제 공식 기록은 정반대입니다. Gemini 3 Pro는 HLE에서 37.52점을 기록한 반면, Kimi K2.5는 24.37점에 불과합니다. 이미 알려진 사실조차 틀리게 나와 있다는 것은 전체 데이터가 날조되었음을 강력하게 시사합니다. 더구나 해당 게시물을 처음 올린 레딧 사용자는 논란이 커지자 게시물을 자진 삭제했고, 프론티어매스(FrontierMath)를 주관하는 Epoch AI 이사가 직접 “해당 유출은 거짓”이라고 확인했습니다.

▲ 목차로 돌아가기

출시되면 진짜로 달라지는 것들 — 현실적 전망

가짜 벤치마크가 허구라도, 딥시크 V4의 기술적 실체는 무시할 수 없습니다. 공개된 논문과 코드 흔적을 바탕으로 출시 시 실제로 일어날 변화를 냉정하게 짚어봅니다.

AI 코딩 도구 시장의 판도 재편

엔그램 아키텍처의 특성상 딥시크 V4는 수십만 줄에 달하는 전체 코드베이스를 기억한 채로 코딩이 가능합니다. GitHub Copilot, Cursor, Windsurf 같은 코딩 도구들이 현재 겪는 “긴 코드베이스에서 맥락을 잃어버리는” 문제를 원천 해결할 잠재력이 있습니다. 백엔드 모델로 V4가 채택된다면 해당 서비스들의 품질이 즉각적으로 달라질 수 있습니다.

기업 AI 도입 비용의 대폭 절감

예상 가격인 100만 토큰당 $0.25는 경쟁사 대비 50~60배 저렴합니다. 그동안 비용 부담으로 AI 도입을 주저했던 중소 기업과 개인 개발자들에게 진입 장벽이 사실상 사라지는 수준입니다. 법률 문서 분석, 의료 기록 검토, 대규모 레거시 코드 마이그레이션 등 고비용 덕분에 AI 적용이 어려웠던 분야에 새로운 문이 열릴 수 있습니다.

오픈소스 생태계의 폭발적 확장

딥시크는 V3까지 모든 모델 가중치를 오픈소스로 공개했고, V4도 같은 방식을 택할 가능성이 높습니다. 1조 파라미터급 모델이 오픈소스로 풀린다면, 전 세계 개발자들이 자신의 서비스에 직접 통합하거나 파생 모델을 만들 수 있게 됩니다. OpenAI, Anthropic의 폐쇄형 API 정책에 의존하지 않아도 되는 생태계가 열립니다.

▲ 목차로 돌아가기

지금 당장 준비해야 할 것들 — 실전 대응 가이드

“나오면 그때 생각하면 되지”라는 자세가 위험한 이유가 있습니다. 딥시크 V4가 출시되면 AI 코딩 도구, API 비용, 오픈소스 생태계에 즉각적인 변화가 생깁니다. 미리 준비한 사람과 그렇지 않은 사람의 격차는 출시 첫 주부터 벌어지기 시작합니다.

딥시크의 출시 공식 채널은 공식 GitHub(deepseek-ai)와 DeepSeek API 공식 문서입니다. 출처 불분명한 루머 대신 이 두 채널만 구독해도 충분합니다.

▲ 목차로 돌아가기

Q&A — 딥시크 V4에 대해 자주 묻는 5가지 질문

▲ 목차로 돌아가기

마치며 — 총평

딥시크 V4는 분명 실재합니다. 2026년 1월 공개된 엔그램 논문, mHC 논문, 깃허브에서 발견된 MODEL1 코드, 출시를 기다리는 엔비디아 최적화 팀의 동향 — 모든 정황이 V4의 존재를 가리킵니다. 그러나 “곧 나온다”는 루머에 일희일비하는 것은 소모적입니다. 춘절 출시설과 양회 출시설이 연달아 빗나갔다는 사실은, 딥시크 스스로도 ‘완성도’를 위해 일정을 타협하지 않겠다는 의지를 보여줍니다.

개인적으로 주목하는 부분은 ‘가격 파괴’입니다. 100만 토큰 $0.25라는 예상 가격이 현실화된다면, AI를 쓰는 방식 자체가 달라집니다. 지금은 비용 때문에 꼭 필요한 작업에만 AI를 씁니다만, 그 비용이 50분의 1로 줄어들면 쓰는 방식, 쓰는 이유, 쓰는 범위가 근본적으로 바뀝니다. 이것이 딥시크 V4가 단순한 ‘중국산 AI 모델 신작’이 아닌, AI 경제학의 패러다임 전환점이 될 수 있는 이유입니다.

기다리는 동안 해야 할 일은 하나입니다. 지금 딥시크 V3.2를 사용해 보면서, V4가 출시되었을 때 가장 빠르게 실익을 챙길 준비를 해두는 것. 그것이 손해를 피하는 유일한 방법입니다.

▲ 목차로 돌아가기