소식 · · 읽는 시간 12분

DeepSeek V4.1-Flash-1017 공개: 모델 이름은 그대로 두고 가중치만 바꾼 업데이트

이 글의 차례
  1. 같은 이름 아래 바뀐 가중치
  2. 직전 판과 같은 축에 놓은 점수
  3. 제3자가 잰 출력 길이
  4. 함께 열린 검색·가져오기 API
  5. 한국 근무 시간과 겹치는 피크 요금
  6. Hacker News의 찬반
  7. deepseek-flash를 쓰는 팀이 할 일
  8. 한계
  9. 출처

DeepSeek가 2026년 10월 17일 V4.1-Flash-1017을 공개했습니다. 9월 10일에 나온 V4.1-Flash의 가중치만 바꾼 판이고, API에서 부르는 이름 deepseek-flash는 그대로입니다. 그래서 이 모델을 쓰던 서비스는 코드 한 줄 바꾸지 않았는데 10월 17일부터 다른 모델의 답을 받고 있습니다. DeepSeek가 공개한 11개 벤치마크는 모두 올랐고, 가장 크게 오른 Terminal-Bench 4.0은 31.2에서 42.3이 됐습니다. 다만 이 점수는 전부 DeepSeek가 직접 잰 값입니다. DeepSeek 밖에서 나온 측정으로 찾은 것은 추론 서비스 업체 한 곳의 출력 길이 비교 하나이고, 그 측정에서는 같은 수학 문제를 풀 때 쓰는 토큰이 21~27% 줄었습니다.

이 글에서는 이름이 같은 채 무엇이 바뀌었는지, 직전 판과 같은 축에 놓은 점수, 제3자가 잰 출력 길이, 함께 열린 검색 API, 한국 시간으로 본 요금 시간대, Hacker News에서 갈린 평가를 다룹니다.

같은 이름 아래 바뀐 가중치

DeepSeek 변경 기록은 이번 판을 "API 호출 방법과 가격은 바뀌지 않았다"고 설명합니다. 웹과 앱의 모델도 같은 날 새 판으로 바뀌었습니다. 모델 카드는 1017을 V4.1-Flash의 "minor update"로 부릅니다. 외부 측정 업체 sference는 구조·토크나이저·프롬프트 형식이 그대로인 가중치 교체라고 설명합니다. 9월 발표 기준으로 5,520억 매개변수 전문가 혼합(MoE) 모델이고, 입력을 읽을 때는 80억 개, 답을 쓸 때는 160억 개의 매개변수를 씁니다. 문맥 창은 100만 토큰, 최대 출력은 38만 4천 토큰입니다.

이름이 그대로라는 점이 이번 업데이트에서 가장 실무적인 변화입니다. 요금 문서에 따르면 deepseek-flash의 모델 버전은 이제 DeepSeek-V4.1-Flash-1017입니다. 예전 이름인 deepseek-v4-flash와 deepseek-v4-flash-vision-exp로 보내는 요청도 1017이 받습니다. 공식 API 요금 문서에는 9월 판 V4.1-Flash를 따로 고르는 이름이 없습니다. 9월 판으로 답을 고정하고 싶으면 Hugging Face의 9월 판 가중치를 직접 올리는 수밖에 없는 것으로 보입니다.

가중치는 MIT 라이선스로 Hugging Face와 ModelScope에 올라와 있습니다. 모델 카드는 Jinja 대화 템플릿을 넣지 않았고, 대신 프롬프트 형식을 담은 Python 참조 구현과 Rust 라이브러리 deepseek-recipe를 함께 냈습니다. 권장 샘플링 값은 temperature 1.0, top_p 1.0입니다.

직전 판과 같은 축에 놓은 점수

모델 카드 표에는 1017과 9월 판 V4.1-Flash가 같은 11개 항목으로 나란히 있습니다. 두 판의 값만 골라 그림 1로 직접 정리했습니다. 위 막대가 9월 판, 아래 막대가 1017이고 괄호 안은 차이입니다.

그림 1. V4.1-Flash와 V4.1-Flash-1017의 벤치마크 점수. DeepSeek 모델 카드 값으로 직접 정리

오른 폭은 터미널 작업과 처음부터 프로그램을 만드는 과제에 몰려 있습니다. Terminal-Bench 4.0이 11.1점, ProgramBench가 8.8점 올랐습니다. 시각 과제는 BabyVision 2.9점, ZeroBench-main 2.0점 오르는 데 그쳤습니다. 저장소 단위 코딩인 DeepSWE v1.1과 NL2Repo-Bench도 각각 2.8점 올랐습니다. 측정 조건은 항목마다 다릅니다. 모델 카드 주석에 따르면 Terminal-Bench 4.0은 Claude Code 하네스로, DeepSWE v1.1은 Mini-SWE-V2 하네스로 쟀습니다. 변경 기록은 ZeroBench-main을 Pass@5로 쟀다고 적었습니다.

같은 표에는 다른 회사 모델도 있습니다. 그중 두 모델만 골라 직접 정리하면 다음과 같습니다.

벤치마크V4.1-Flash-1017GPT-5.6 SolClaude Opus 5
Terminal-Bench 4.042.339.951.8
DeepSWE v1.177.073.074.0
ProgramBench29.123.037.0
Automation-Bench v1.0.660.545.850.3

비교 대상이 한 세대 전 모델이라는 점은 따로 짚어야 합니다. Anthropic은 9월 22일 Claude Opus 5.5를 냈는데(Opus 5.5 정리 글), DeepSeek 표에는 Opus 5까지만 있습니다. 모델 카드의 11개 항목 전체로 보면 1017이 Opus 5를 앞선 것은 DeepSWE, Automation-Bench, Apex Bench, Agents' Last Exam 네 항목입니다. Terminal-Bench 4.0, ProgramBench, HLE(도구 없음), NL2Repo-Bench와 시각 과제 세 항목, 모두 일곱 항목은 여전히 Opus 5가 높습니다. 지금 쓰고 있는 최신 모델과의 거리는 이 표로 판단할 수 없습니다.

제3자가 잰 출력 길이

10월 18일 기준으로 1017의 점수를 제3자가 재현한 결과는 찾지 못했습니다. AI 매체 The Decoder도 "독립 벤치마크는 아직 나오지 않았다"고 적었습니다. Artificial Analysis는 9월 판 V4.1-Flash 페이지만 있고 1017 페이지는 없습니다.

출력 길이는 제3자 측정이 하나 있습니다. 오픈 모델 추론 서비스 업체 sference가 10월 17일, 교체 직전의 옛 가중치와 교체 뒤의 새 가중치를 같은 문제·같은 시드·같은 하드웨어로 비교했습니다. 결과는 세 가지입니다.

  • AIME 2024 문제의 응답 토큰 중앙값이 1,681에서 1,124로 줄었습니다(21%). 정답 수는 120건 중 101건에서 100건으로, 업체가 잰 잡음 범위 안이었습니다. 쉬운 수학 과제(MATH-500)에서는 약 27% 줄었습니다
  • 추론 강도를 가장 낮게(reasoning_effort 1) 줬을 때 어려운 문제의 응답 토큰 중앙값이 1,974에서 790으로 줄었습니다. 옛 가중치에서는 이 설정이 거의 듣지 않았다는 것이 업체의 설명입니다
  • 도구 호출 과제(BFCL)는 전후 모두 66건 중 41건을 맞혀 같았습니다

표본이 작다는 점은 업체도 밝혔습니다. 수학 과제는 각각 10문제라 점수는 ±1로 읽으라고 했고, AIME와 MATH-500은 학습 데이터에 들어 있을 가능성이 높다고 적었습니다. sference는 이 모델을 서비스하는 업체라 이해관계가 있다는 점도 함께 봐야 합니다. 그래도 "출력이 짧아졌다"는 DeepSeek 주장에 대해서는 같은 방향의 외부 측정이 나온 셈입니다.

함께 열린 검색·가져오기 API

같은 날 DeepSeek는 자체 검색 엔진을 쓰는 Search API와 Fetch API를 모든 API 사용자에게 열었습니다. 요금은 엔드포인트마다 성공한 요청 1,000건에 $0.75이고, 실패한 요청·빈 검색 결과·시간 초과는 과금하지 않습니다. DeepSeek Harness, Claude Code, Codex에서 서버 쪽 도구로 부르는 검색·가져오기는 당분간 무료이고, 과금은 2026년 10월 31일 16:00 UTC(한국 시간 11월 1일 오전 1시)부터 시작합니다.

이 API는 에이전트가 웹 검색을 할 때 따로 검색 업체 계약을 붙이지 않아도 된다는 뜻입니다. 다만 DeepSeek 변경 기록은 검색 엔진이 다국어를 지원한다고만 적었고, 한국어 검색 품질에 대한 자료는 없습니다.

한국 근무 시간과 겹치는 피크 요금

요금은 9월과 같지만, 한국 팀이 놓치기 쉬운 조건이 하나 있습니다. DeepSeek는 시간대별로 요금이 다르고, 피크 시간이 한국 근무 시간과 대부분 겹칩니다. 요금 문서의 UTC 시간을 한국 시간으로 직접 바꿔 정리하면 다음과 같습니다.

한국 시간(월~금)구분입력(캐시 미스) / 출력, 100만 토큰당
10:00~13:00피크$0.30 / $1.20
15:00~19:00피크$0.30 / $1.20
그 밖의 시간, 주말, 중국 공휴일오프피크$0.15 / $0.60

피크는 UTC 01:0004:00과 06:0010:00, 월~금이고 오프피크 요금은 피크의 절반입니다. 한국 사무실에서 낮에 돌리는 에이전트 작업은 대부분 두 배 요금을 냅니다. 밤사이 돌려도 되는 일괄 평가나 문서 처리는 19시 이후로 미루는 것만으로 비용이 반으로 줄어듭니다.

Hacker News의 찬반

Hugging Face 저장소를 올린 Hacker News 글은 10월 18일 확인 시점에 800점을 넘고 댓글이 600개를 넘었습니다. 반응은 속도와 가격을 높게 치는 쪽과, 점수 자체를 의심하는 쪽으로 갈렸습니다.

속도와 가격을 높게 치는 쪽의 대표는 사용자 ilitirit입니다. "Opus 5.5가 여전히 가장 똑똑하지만, DS 4.1의 속도와 가격이 그 지능 격차를 메우고도 남는다"("Opus 5.5 is still the smartest, but DS 4.1's speed and price more than make up for the 'intelligence' gap", 원문)고 적었습니다. 사용자 OsrsNeedsf2P는 점수로는 Sol·Gemini보다 낫지 않다고 인정하면서도, 응답 속도와 추론 과정을 볼 수 있다는 점 때문에 "체감이 훨씬 좋다"고 했습니다(원문).

의심하는 쪽은 발표 문구와 비교 방식을 짚었습니다. 사용자 pmxi는 모델 카드의 "minor update"와 "substantial improvements"가 한 문장에 함께 있는 점을 꼬집었습니다(원문). 사용자 sourcecodeplz는 "벤치마크가 수백 개라 연구소가 보여 줄 것만 고를 수 있다"("there are 100s of benchmarks. so AI labs can just pick which to show", 원문)고 적었습니다. 사용자 AmazingTurtle은 C++ 게임 엔진 코드 리뷰를 네 에이전트에 맡긴 비교를 올렸습니다. DeepSeek V4.1 Flash는 20분 걸려 의미 있는 P1 문제 1개와 관련 없는 P2 1개를 찾았고, GPT 6.1 Sol은 4분 30초에 P1 2개와 P2 1개를 찾았다고 했습니다(원문). 다른 사용자가 어느 판이었는지 묻자 본인이 "1017이었다"고 답했습니다(원문). 이 비교는 한 사람의 1회 시도이고, 본인도 "사과와 바나나 비교"라고 불렀습니다.

이 반응들이 모두 1017에 대한 것은 아닙니다. ilitirit은 V4.1 Flash를 "거의 한 달" 매일 썼다고 적어 9월 판 경험이 대부분으로 보입니다. 1017로 돌렸다고 밝힌 것은 인용한 사례 중 AmazingTurtle의 비교뿐입니다.

deepseek-flash를 쓰는 팀이 할 일

가장 먼저 할 일은 deepseek-flash로 돌던 기능의 출력 확인입니다. 이름이 같아서 배포 기록에는 아무것도 남지 않지만, 10월 17일을 기점으로 응답 길이와 추론 패턴이 바뀌었습니다. 응답 길이에 기대는 후처리, 토큰 예산을 빠듯하게 잡은 기능, 평가 기준선을 9월 판으로 잡아 둔 팀은 다시 재 봐야 합니다. 공식 API에는 9월 판을 고정할 이름이 없으므로, 판 고정이 필요한 서비스라면 가중치를 직접 올리거나 판 이름을 고정해 주는 호스팅 업체를 쓰는 쪽이 맞는 것으로 보입니다.

비용 쪽에서는 두 가지가 겹칩니다. 출력이 짧아진 만큼 같은 작업의 청구액은 줄어들 가능성이 높습니다. 반면 한국 낮 시간 대부분이 피크 요금이라, 시간대 조정이 출력 길이 감소보다 더 큰 절감이 될 수 있습니다. 에이전트 코딩용으로는 Hacker News 사용자들처럼 1017에 구현을 맡기고 더 비싼 모델로 검토하는 분업이 현실적인 선택으로 보입니다. 점수표만으로 최신 상위 모델을 대체한다고 판단하기에는 비교 대상이 한 세대 전이고 제3자 재현이 없습니다.

한계

항목내용
점수 출처그림 1과 비교표의 모든 점수는 DeepSeek 자체 측정. 10월 18일 기준 제3자 재현 없음
외부 측정sference 측정 하나뿐. 수학 과제 각 10문제, 업체가 이 모델을 서비스함
비용1017 출시 뒤 실제 청구액 변화는 재지 않았음. 작업당 비용 그림은 공식 발표에 이미지로만 있어 수치를 옮기지 않음
한국어한국어 과제 점수와 검색 API의 한국어 품질 자료 없음
직접 측정이 글은 공개 자료를 정리한 조사이고, 모델을 직접 호출해 잰 결과는 없음
커뮤니티Hacker News 점수·댓글 수는 확인 시점 기준이며 계속 바뀜. 인용한 사용 경험은 개인 관측이고, 1017과 9월 판 중 어느 판 경험인지 불분명한 것이 섞여 있음

출처

1 / 1