딥시크, DeepSeek V4.1 Flash 출시 안녕하세요 삼성증권 글로벌 AI/SW 담당 이영진입니다. 딥시크가 또 다시 진보했습니다. V4 Pro보다 성능, 비용, 속도, 작업시간에서 우위를 보인 V4.1 Flash를 발표했는데요 기술 보고서에 흥미로운 내용이 많습니다. 우선 V4.1 Flash의 핵심은 장기 컨텍스트를 사용하는 AI 에이전트의 구동 비용을 낮추기 위한 모델 구조 변화입니다. 552B 파라미터의 MoE 모델이지만, 새로운 CED(Causal-Encoder-Decoder) 비대칭 구조를 적용해 프리필 8B, 출력 16B 파라미터만 활성화합니다. CED는 입력 처리와 출력 생성을 분리한 비대칭 구조로, 프리필 연산량을 기존 대비 거의 절반 수준으로 줄였습니다. 메모리 사용량도 줄였습니다. CSA2라는 새로운 어텐션 구조를 통해 여러 레이어가 KV 캐시를 공유하고, KV 캐시 자체도 FP4로 압축했습니다. 결과적으로 HBM에 상주하는 Global KV 캐시는 V4 Flash 대비 1/4로 축소됐고, SSD와 호스트 메모리에 보관되는 Persistent KV 캐시는 1/8로 줄었습니다. 해당 구조는 컨텍스트가 길어질수록 효과가 커집니다. 컨텍스트를 4K에서 1M으로 256배 늘려도 디코드 연산량은 25% 수준 증가하는데 그쳤습니다. 에이전트 성능에서도 효율 대비 성능이 좋습니다. 일상적인 코딩 및 화이트칼라 에이전트 업무에서는 프런티어 모델 수준까지 올라왔는데요 다만 과학, 전문 지식 중심의 고난도 영역에서는 여전히 프런티어 모델과는 격차가 존재합니다. 전반적인 성능 개선이 드라마틱하지는 않지만, 낮은 비용과 멀티모달 지원은 긍정적 포인트입니다. 강화학습에서는 신규 알고리즘 개발이 아니라 기존 방식을 그대로 사용했습니다. 대신 실제 직원과 외부 파트너의 에이전트 사용 사례와 실패 데이터를 활용해 SaaS나 기업용 시스템과 유사한 환경을 자동으로 만들고 이를 대규모 RL 학습에 사용했습니다. 딥시크는 현재 단계에서 신규 RL 알고리즘보다 데이터와 환경 파이프라인 개선의 한계 수익이 더 높다고 판단하는 모습입니다. 한 차례 인상했던 API 가격도 다시 인하되었습니다. 오프피크 기준 다음과 같습니다. <기존> 캐시 인풋 $0.007 / 인풋 $0.22 / 아웃풋 $0.66 <신규> 캐시 인풋 $0.003 / 인풋 $0.15 / 아웃풋 $0.6 Astra가 보여준 것처럼 에이전트의 장기 작업 능력은 더욱 발전하고 있습니다. 딥시크도 트렌드에 맞춰 장시간 에이전트를 실제 서비스 경쟁적으로 운영하기 위한 추론 효율성 개선에 초점을 맞추고 있습니다.