# AI 값 또 내려갈까? 딥시크가 줄인 ‘임시 기억’

> 딥시크 V4.1-Flash는 토큰당 KV 캐시를 이전 Flash의 약 4분의 1로 줄였습니다. 출력 100만 토큰은 오프피크 0.6달러. 이런 효율화가 다른 회사의 가격까지 바꿨을까요?

- 출처 사이트: AI피셜 (https://aifficial.net/posts/deepseek-v4-1-flash-kv-cache/)
- 발행: 2026-09-10
- 카테고리: 모델 · 태그: DeepSeek, 오픈소스, 추론 비용, 에이전트, MoE

## 핵심 답변

DeepSeek 은 2026년 9월 10일 멀티모달 MoE 모델 DeepSeek-V4.1-Flash 를 MIT 라이선스로 공개했습니다. 뼈대는 552B 이지만 토큰 하나를 처리할 때 입력 단계에서 8B, 생성 단계에서 16B 만 켜고 토큰당 KV 캐시를 890바이트까지 줄여, 출력 100만 토큰 값이 오프피크 기준 0.6달러로 같은 회사의 상위 모델 V4-Pro(1.98달러)보다 낮아졌습니다.

## 한 장 요약(만화)

![DeepSeek V4.1 Flash의 KV 캐시, 활성 파라미터, 입력 길이, 자체 벤치마크와 출력 요금을 설명하는 여섯 칸 만화.](https://aifficial.net/images/posts/deepseek-v4-1-flash-kv-cache/comic_v1.0.0.webp)

## 요약

- DeepSeek 이 9월 10일 DeepSeek-V4.1-Flash 를 MIT 라이선스로 공개했습니다. 글과 이미지를 함께 받고 100만 토큰까지 읽습니다.
- 뼈대는 552B 인데 토큰 하나에 입력 8B, 출력 16B 만 켭니다. 토큰당 KV 캐시는 890바이트로 앞 세대의 약 4분의 1입니다.
- DeepSeek 이 함께 실은 비교표에서 DeepSWE v1.1 74.2점, Terminal-Bench 2.1 90.6점으로 가장 높았습니다.
- 출력 100만 토큰이 오프피크 0.6달러입니다. V4-Pro 요청은 9월 14일부터 Flash 로 넘어갑니다.

## 핵심 사실

| 항목 | 값 |
|---|---|
| 공개일 | 2026-09-10 |
| 라이선스 | MIT (가중치까지 공개) |
| 뼈대 파라미터 | 552B (토큰당 활성은 입력 8B · 출력 16B) |
| 컨텍스트 | 100만 토큰 (최대 출력 384K) |
| 토큰당 KV 캐시 | 890바이트 (V4-Flash 는 3,514바이트) |
| 출력 100만 토큰 | 0.6달러 (오프피크 기준, 피크는 1.2달러) |


## 무슨 일인가요

DeepSeek 이 2026년 9월 10일 **DeepSeek-V4.1-Flash** 를 공개했습니다. 글과 이미지를 함께 받아 글로 답하는 모델이고, 한 번에 100만 토큰까지 읽습니다. 가중치는 MIT 라이선스로 Hugging Face 에 올라가 있어 회사 제품에 그대로 넣어도 됩니다. 

눈에 띄는 것은 크기가 아니라 **켜지는 양**입니다. 뼈대 전체는 552B 인데, 토큰 하나를 처리할 때 실제로 계산에 참여하는 것은 입력을 읽는 단계에서 8B, 답을 쓰는 단계에서 16B 뿐입니다. 



## AI의 임시 기억을 작게 만들었어요

모델은 앞서 읽은 문장을 매번 다시 계산하지 않으려고 중간 결과를 쌓아 둡니다. 이 임시 기억을 <strong>키·값 캐시(key-value cache, KV cache)</strong>라고 부릅니다. 대화가 길어질수록 쌓이는 양이 늘고, 그만큼 GPU 메모리를 차지합니다. 메모리가 꽉 차면 한 대의 서버가 동시에 받을 수 있는 요청이 줄어듭니다. 이 공간을 줄이면 같은 서버로 더 많은 요청을 처리할 여지가 생깁니다. 사용료에는 이 비용 외에도 계산량과 회사의 가격 정책 등이 함께 반영됩니다.

DeepSeek 은 토큰 하나당 이 임시 기억을 **890바이트**까지 줄였습니다. 지난 4월 V4-Flash 가 3,514바이트였으니 약 4분의 1이고, 2023년 11월 V1 의 389,120바이트와 견주면 437분의 1입니다. 



줄인 방법은 구조를 바꾼 것입니다. 40층을 20층 인코더와 20층 디코더로 나눈 뒤(회사는 이 구조를 Causal Encoder-Decoder 라고 부릅니다), 디코더가 쓸 임시 기억을 층마다 따로 만들지 않고 인코더의 마지막 결과에서 한 번에 뽑아 씁니다. 여기에 임시 기억을 4비트로 눌러 담는 방식을 더했습니다. 

## 값은 3분의 1 아래로

| 모델 | 입력 100만 토큰 (캐시 미스) | 출력 100만 토큰 |
| --- | --- | --- |
| DeepSeek V4.1-Flash | 0.15달러 | 0.6달러 |
| DeepSeek V4-Pro | 0.66달러 | 1.98달러 |

오프피크 기준이고, 피크 시간(주중 UTC 01시부터 04시, 06시부터 10시)에는 두 배를 받습니다. 이미 읽은 내용을 다시 보낼 때 붙는 캐시 히트 값은 100만 토큰에 0.003달러입니다. 

DeepSeek 은 V4-Pro 를 거두는 중입니다. 2026년 9월 14일부터 V4-Pro 로 보낸 요청은 Flash 로 넘어가고 Flash 값으로 청구됩니다. 

## 이긴 곳과 뒤진 곳



코드 저장소를 고치는 DeepSWE v1.1 에서 74.2점, 터미널 작업을 시키는 Terminal-Bench 2.1 에서 90.6점을 받았습니다. 같은 표의 Opus 5 는 각각 74.0점과 89.1점입니다. 프로그래밍 경진 대회 점수인 Codeforces 레이팅은 3471 로, 앞 세대인 V4-Pro 의 3348 을 넘었습니다. 이 항목에는 다른 회사 모델의 값이 실려 있지 않습니다. 

여러 단계를 길게 이어 가는 작업에서는 격차가 반대로 벌어집니다. Terminal-Bench 3.0 은 30.0점으로 Opus 5 의 43.3점에 못 미치고, 4.0 은 31.2점 대 51.8점입니다. 전문가 시험 문제를 푸는 HLE 도 36.8점으로 Opus 5 의 56.3점과 차이가 큽니다. 

## 이 기술이 다른 회사 AI도 싸게 만들었을까요?

딥시크의 효율화 방식이 다른 공개 모델로 이어진 사례는 있습니다. Moonshot의 Kimi K2 기술 보고서는 DeepSeek V3와 비슷한 구조를 사용하며, 메모리를 압축하는 <strong>다중 헤드 잠재 어텐션(Multi-head Latent Attention, MLA)</strong>을 채택했다고 명시했습니다. 오늘 나온 V4.1의 새 방식이 아니라 앞선 세대 기술의 확산 사례입니다. 

OpenAI와 Anthropic의 가격도 실제로 내려간 적이 있습니다. OpenAI는 2025년 6월 o3 가격을 80% 내리면서 같은 모델의 추론 실행 체계를 최적화했다고 설명했습니다. Anthropic의 Opus는 4의 입력·출력 100만 토큰당 15·75달러에서, 새 모델 4.5의 5·25달러로 가격이 낮아졌습니다.  **그 가격 인하가 딥시크 기술을 가져온 결과라는 공개 근거는 확인되지 않았습니다.** 효율화의 확산과 가격 인하는 각각 확인되지만, 두 회사에서의 직접적인 인과관계까지 확인된 것은 아닙니다.

2025년 1월의 첫 딥시크 충격과 비교하면 어떨까요? 당시에는 “AI 경쟁에 꼭 막대한 비용이 필요한가”라는 질문 자체가 새로웠습니다. 이번 충격이 더 작을 것이라는 예상은 가능하지만, 이번 발표가 실제로 시장에 덜 충격을 줬다고 판단할 자료는 아직 확보하지 못했습니다. 



**AI 사용료가 내려가면 비용보다 사용 습관이 더 크게 달라질 수도 있지 않을까 싶습니다.** 한 번 답을 받아 끝내던 일을 여러 번 비교하거나, 길이가 부담스러워 미뤄 둔 자료를 매일 정리하는 식입니다. 같은 일을 싸게 하는 데서 그치지 않고, 전에는 하지 않던 일을 시작하게 될 수 있을 것 같습니다.

그래서 효율이 좋아졌다는 소식만으로 서버 수요가 줄어들 것이라고 판단하기는 어려워 보입니다. 싸진 만큼 얼마나 더 쓰게 될지도 함께 봐야 하지 않을까요. 여러분은 사용료가 더 내려가면 어떤 작업부터 늘리고 싶으신가요? 




## 자주 묻는 질문

**Q. 가중치를 받아서 직접 돌릴 수 있나요?**

MIT 라이선스로 Hugging Face 에 올라와 있어 상업적 사용까지 됩니다. 다만 뼈대가 552B 라 개인 장비에 올리기는 어렵습니다. 토큰당 켜지는 것이 8B 라는 말은 계산량이 적다는 뜻이지, 가중치를 적게 실어도 된다는 뜻이 아닙니다.

**Q. 값이 이렇게 싼데 성능은 떨어지지 않나요?**

벤치마크마다 갈립니다. 코드 수정과 터미널 작업에서는 DeepSeek 이 실은 비교표에서 가장 높았지만, 여러 단계를 오래 이어 가는 Terminal-Bench 3.0·4.0 에서는 Opus 5 에 10점 이상 뒤집니다.

**Q. 지금 쓰는 V4-Pro 는 어떻게 되나요?**

DeepSeek 은 V4-Pro 를 단계적으로 거둔다고 밝혔습니다. 2026년 9월 14일부터 V4-Pro 로 보낸 요청은 Flash 모델로 넘어가고 Flash 값으로 청구됩니다.

## 출처

1. [Kimi K2 Technical Report — Architecture](https://arxiv.org/html/2507.20534v1) (paper)
2. [o3 is 80% cheaper (OpenAI, 2025-06-10)](https://community.openai.com/t/o3-is-80-cheaper-and-introducing-o3-pro/1284925) (official)
3. [Introducing Claude 4 (Anthropic, 2025-05-22)](https://www.anthropic.com/news/claude-4) (official)
4. [Introducing Claude Opus 4.5 (Anthropic, 2025-11-24)](https://www.anthropic.com/news/claude-opus-4-5) (official)
5. [2025년 1월 딥시크 발표 뒤 미국 증시 (AP)](https://apnews.com/article/52c54e361616509280bd2775674b6b4b) (report)
6. [DeepSeek-V4.1-Flash 모델 카드 (Hugging Face)](https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash) (official)
7. [DeepSeek API 요금표](https://api-docs.deepseek.com/quick_start/pricing) (official)

_이 문서는 AI피셜 편집부가 작성했습니다. 인용 시 출처를 표기해 주세요._