딥시크(DeepSeek) 4.1 플래시(Flash)를 한 달가량 집중적으로 쓴 개발자가 이 모델이 최고급 모델과 구별하기 어려울 만큼 유능하면서도 훨씬 저렴하다고 주장했다. 여러 프로젝트에서 코딩과 조사에 활용한 경험을 바탕으로, 비싼 모델을 기본으로 쓰는 관행에 의문을 제기한 것이다. 다만 해커뉴스(Hacker News) 토론에서는 구독 요금의 보조 효과, 복잡한 설계 작업의 품질, 자체 운영에 필요한 메모리까지 거론됐다. 쟁점은 어느 모델이 무조건 더 뛰어난지가 아니라, 실제 작업에서 어느 수준의 성능을 얼마에 확보할 수 있느냐다.
핵심요약
- 필자는 딥시크 4.1 플래시를 약 한 달간 12개 안팎의 프로젝트에 써 본 뒤, 자신의 작업에서는 오퍼스(Opus)와 체감 차이가 작았다고 평가했다.
- 월 10달러짜리 오픈코드 고(OpenCode Go) 구독과 낮은 사용 비용 덕분에, 필자는 작은 실험이나 장시간 코딩 작업을 부담 없이 맡기게 됐다고 말했다.
- 복잡한 계획과 조사에도 딥시크를 쓰지만, 중요한 코드의 최종 검토에는 오퍼스 5.5를 불러 문제를 다시 살피는 식으로 모델을 나눠 쓴다.
- 필자는 딥시크의 KV 캐시 규모가 초기 모델보다 약 437배 줄었다는 점을 긴 작업의 비용을 낮춘 요인으로 꼽았지만, 환경 부담 감소는 자신의 추정으로 제시했다.
- 토론에서는 저렴한 API 요금의 매력을 인정하면서도, 할인된 최고급 모델 구독과 비교하면 가격 차이가 작고 복잡한 설계에는 성능 차이가 남는다는 반론이 나왔다.
한 달 써 보니 오퍼스와 구별하기 어려웠다
필자는 딥시크 4.1 플래시를 한 달 정도 12개 안팎의 프로젝트에서 집중적으로 사용했다고 밝혔다. 대화 도중 모델 이름을 확인하지 않으면 자신이 딥시크를 쓰는지 오퍼스를 쓰는지 구별하기 어렵다는 것이 그의 평가다. 결과물뿐 아니라 대화 흐름과 속도에서도 뚜렷한 차이를 느끼지 못했다고 했다. 별도의 ‘4.1 프로(Pro)’ 모델이 없어도, 자신의 작업에서는 플래시를 최고급 모델처럼 취급할 만하다는 주장이다.
이 평가는 필자의 사용 경험에서 출발한다. 그는 더 폭넓은 비교를 원하는 독자는 벤치마크를 볼 수 있다고 덧붙였지만, 글의 중심에는 자신이 매일 맡기는 작업이 놓여 있다. 그 경험을 근거로 앤트로픽(Anthropic)과 오픈AI(OpenAI)의 최신 모델을 만드는 연구소들이 왜 더 큰 위기감을 느끼지 않는지 묻는다. 중국 모델이 한두 달 정도 뒤처져 있더라도 같은 종류의 일을 처리한다면, 개발자의 선택을 가르는 것은 최고 성능만이 아니라 사용 비용이라는 논리다.
필자는 중국 모델의 학습 데이터와 권리를 둘러싼 논쟁도 짧게 언급한다. 다만 누가 누구의 데이터를 썼는지를 따지는 대신, 개발자가 지출에 비해 얼마나 많은 일을 처리할 수 있는지에 초점을 맞춘다. 이는 윤리 문제에 대한 결론이라기보다 글의 질문을 좁히는 선택이다. 그의 관심사는 딥시크가 모든 평가에서 앞서는지가 아니라, 이미 충분히 잘하는 작업에 더 비싼 모델을 계속 투입할 이유가 있는지다.
‘충분히 좋은 모델’이 작업량을 바꾼다
필자가 꼽은 변화는 최고 성능을 좇는 태도보다 작업을 맡기는 방식에 있다. 그는 현재 모델들이 사람이 계속 지켜보지 않아도 되는 고품질 작업을 처리할 만큼 좋아졌다고 본다. 그 수준에 도달하면 최신 최고급 모델의 작은 성능 향상보다, 가벼운 일을 마음껏 시도할 수 있는 비용 구조가 더 중요해진다. 새 모델의 능력을 시험하는 재미와 실제 개발 현장에서 반복해 맡기는 일은 다르다는 지적이다.
그는 월 10달러인 오픈코드 고 구독을 통해 딥시크를 사실상 사용량 걱정 없이 쓴다고 설명한다. 사소한 작업을 별도 세션으로 돌리거나, 사용자 인터페이스를 시험 삼아 탐색하는 일에도 예전만큼 비용을 따지지 않게 됐다. 파일 정리처럼 단순한 일을 맡길 때의 비용을 1달러와 0.003달러로 대비한 것도 같은 맥락이다. 값이 낮아지면 이전에는 요청하지 않았을 일까지 작업 목록에 들어온다는 뜻이다.
필자는 예상 비용이 1달러를 넘는 세션이 드물었다고 했다. 작업 범위를 짧게 유지하려고 하지만, 때로는 세션이 하루 대부분 이어지기도 한다. 그는 딥시크를 단순 반복 작업에만 묶어 두지 않고 복잡한 계획과 조사에도 사용한다. 따라서 ‘충분히 좋다’는 평가는 가벼운 작업만을 가리키는 말이 아니라, 자신이 일상적으로 진행하는 개발 과정 전반에 대한 판단이다.
최종 검토에는 다른 모델의 눈을 빌린다
그렇다고 필자가 모든 단계를 딥시크 하나에 맡기는 것은 아니다. 중요한 작업에서는 클로드(Claude)의 오퍼스 5.5로 최종 코드 검토를 진행하고, 그 과정에서 발견된 일부 예외 상황을 딥시크로 수정한다고 했다. 작성과 검토에 서로 다른 모델을 배치하는 셈이다. 비용을 줄이면서도 실수를 살필 기회를 남겨 두는 작업 흐름이다.
필자는 오퍼스나 GLM을 다시 부르는 이유가 언제나 딥시크의 능력 부족 때문은 아니라고 설명한다. 같은 문제를 다른 관점에서 살펴볼 필요가 있을 때도 모델을 바꾼다는 것이다. 이 대목은 그의 주장을 ‘싼 모델 하나면 모든 일이 끝난다’는 말과 구분한다. 기본 작업은 저렴한 모델에 맡기되, 결과를 다시 확인할 가치가 있는 순간에는 다른 모델을 쓰는 방식에 가깝다.
이런 배치는 모델 사이의 격차를 보는 기준도 바꾼다. 코드를 빠르게 고치는 능력과 놓친 조건을 찾아내는 능력은 같은 과제 안에서도 쓰이는 순간이 다르다. 필자의 경험에서는 대부분의 진행을 딥시크가 담당하고, 오퍼스의 역할은 드물지만 중요한 검토에 집중된다. 최고급 모델의 필요성이 사라졌다기보다, 매 단계에서 최고급 모델을 써야 할 필요가 줄었다는 주장이다.
긴 코딩 세션의 비용을 낮춘 캐시
필자는 낮은 비용의 기술적 이유로 딥시크의 KV 캐시(이전 대화의 계산 결과를 재사용하기 위해 보관하는 데이터)를 꼽는다. 그에 따르면 딥시크는 초기 V1 모델과 비교해 이 캐시의 크기를 약 437배 줄였다. 긴 코딩 세션에서는 캐시를 GPU 메모리에 유지하는 일이 운영 비용의 큰 부분을 차지한다고 그는 설명한다. 하루 가까이 이어지는 작업도 예상 비용이 1달러 아래에 머무는 이유를 이 변화에서 찾는다.
이 설명에서 중요한 것은 한 번의 답변 가격보다 긴 문맥을 계속 이어 갈 때의 비용이다. 개발 세션이 길어지면 앞서 나눈 대화와 코드의 맥락을 활용해야 하므로, 캐시를 얼마나 효율적으로 다루는지가 체감 요금에 영향을 준다. 필자는 딥시크의 효율 향상이 물과 전기 사용도 줄일 것이라고 추정한다. 다만 글에서 직접 제시한 수치는 캐시 크기와 자신의 사용 비용이며, 자원 소비량을 따로 측정한 결과는 아니다.
그는 오퍼스 5.5도 캐시와 관련한 효율 개선을 얻었다고 언급한다. 따라서 효율화 자체를 딥시크만의 전유물로 그리지는 않는다. 다만 자신의 사용 조건에서는 딥시크의 비용이 충분히 낮아져, 장시간 작업을 계속할지 말지를 결정하는 기준이 달라졌다고 본다. 모델의 성능 경쟁과 별개로 운영 효율이 개발자의 행동을 바꿀 수 있다는 이야기다.
최고급 구독이 있어도 값싼 모델을 쓰는 이유
필자는 회사에서 클로드와 커서(Cursor) 등 최고급 서비스의 사용 권한을 제공받는다고 밝혔다. 그런데도 딥시크를 쓰는 이유는 당장의 몇 센트를 아끼기 위해서가 아니라고 강조한다. 장기적인 비용, 지속 가능성, 높은 수준의 AI를 더 폭넓게 이용할 가능성을 함께 생각한다는 것이다. 자신의 사용 습관 변화를 개인적인 절약담보다 큰 변화로 해석하는 이유다.
그는 업계가 비싼 모델에 돈을 많이 쓰는 일을 지나치게 당연시한다고 비판한다. 최고 수준의 능력을 얻기 위해 최고 가격을 지불하는 선택이 윤리, 환경, 경제에 끼치는 영향은 뒷전으로 밀릴 수 있다는 문제 제기다. 여러 클로드 맥스(Max) 구독을 묶어 사용량을 확보하려는 사례도 그가 지적한 풍경 중 하나다. 더 많은 최고급 모델 사용량을 확보하는 데 몰두하기보다, 이미 필요한 일을 처리할 수 있는 저렴한 선택지를 살펴보자는 주장이다.
다만 이 비판의 출발점 역시 필자의 작업이다. 그가 큰 차이를 느끼지 못한 대화와 개발 업무가 다른 사람의 모든 과제와 같지는 않다. 그래서 글에서 가장 구체적인 근거는 산업 전체의 반응에 대한 판단보다, 어떤 일을 딥시크에 맡기고 언제 오퍼스로 다시 검토하는지에 있다. 가격 경쟁의 충격도 결국 각자가 맡기는 작업에서 그 구분이 얼마나 통하는지에 달려 있다.
자체 운영은 가능해도 경제성은 별개다
글의 마지막에서 필자는 모델을 직접 서버에서 운영하려는 사람들에게도 선을 긋는다. 지금 4.1 플래시를 자체 운영하는 일은 기술적으로 가능하지만, 비용을 아끼려는 목적이라면 투자금을 회수하기 어렵다고 본다. 저렴한 서비스 이용료와 직접 마련해야 하는 컴퓨팅 자원을 비교한 판단이다. 공개적으로 쓸 수 있는 모델이라는 사실과 누구나 싸게 운영할 수 있다는 사실은 다르다.
다만 개인정보 보호가 우선이라면 기다려 볼 만하다고 말한다. 그는 캐시 최적화가 앞으로 로컬 환경에도 적용돼, 언젠가는 같은 방식의 효율을 자체 운영에서 얻을 수 있을 것으로 기대한다. 현재의 실용성과 미래의 가능성을 나눠 본 셈이다. 당장은 외부 서비스를 쓰는 편이 경제적이지만, 운영 효율이 더 개선되면 자체 운영의 계산도 달라질 수 있다는 전망으로 글을 맺는다.
커뮤니티 의견
한 사용자는 사람들이 놀라지 않는 이유로 최고급 모델의 할인된 구독 요금을 들었다. 저렴한 제공업체를 통해 개방형 모델을 쓰다 며칠 만에 50달러를 지출했는데, 자신이 이용하는 코덱스(Codex) 구독에서는 비슷하거나 더 많은 사용량을 확보할 수 있었다고 했다. 답글에서는 딥시크도 보조를 받는다는 주장과, 딥시크 자체 API의 캐시 적중률이 99.5%에 달해 매우 싸게 쓴다는 경험담이 맞섰다.
다른 사용자는 모델을 직접 돌릴 때 필요한 비디오 메모리(VRAM)를 문제 삼았다. 댓글에 제시된 추산은 정밀도 설정에 따라 약 416GB에서 1,664GB까지 벌어졌고, 이 정도 메모리를 마련해야 한다면 모델에 대한 관심이 곧 자체 운영으로 이어지기는 어렵다는 주장이다. 답글에서는 모델의 크기를 고려하면 이름만 ‘플래시’일 뿐 속도를 제외하고는 ‘프로’에 가깝다는 평가도 나왔다.
또 다른 사용자는 API 가격 대신 월 100달러 구독끼리 비교하면 GLM 5.3과 오퍼스 5.5의 비용 격차가 크지 않았다고 했다. 그는 GLM 5.3을 최고급 모델과 동급으로 보지 않았고, 높은 API 가격만으로 서구권 모델의 환경 부담이 더 크다고 판단하는 데도 동의하지 않았다. 반면 답글은 딥시크 4.1 플래시의 시장 API 가격도 이미 지불할 만한 수준이며, 월 10달러짜리 오픈코드 고에서 얻는 효용이 크다고 반박했다.
한 사용자는 딥시크를 하루 종일 돌려도 1~2달러가 들었다며 비용 절감 효과를 인정했다. 그러나 기술적 결정을 위해 질문을 이어 가는 작업에서는 설명이 좋지 않고, 오퍼스나 솔(Sol)보다 해법의 질도 떨어졌다고 평가했다. 그는 딥시크를 코딩 작업의 조정, 테스트와 검증, 코드 탐색, 자료 조사에 주로 쓰며 모델별 역할을 나누고 있다고 설명했다.
복잡한 언어와 컴파일러 프로젝트를 진행하는 사용자는 그 역할 구분이 특히 중요했다고 말했다. 비용을 줄이려고 딥시크를 전체 작업을 이끄는 모델과 구현 담당 양쪽에 써 봤지만, 관련 맥락을 빠뜨리거나 논의 없이 새 설계를 끌어오는 일이 잦았다는 것이다. 명세가 잘 정리된 구현은 맡길 수 있어도, 많은 문서와 설계 원칙을 함께 고려해야 하는 조정 역할은 다시 GLM 5.3에 맡겼다.
최고급 모델과의 거리를 놓고도 반론이 나왔다. 한 사용자는 딥시크 4.1 플래시가 글에서 말한 것처럼 한두 달 뒤처진 수준은 아니며, 더 뛰어난 모델이 계속 나온다면 ‘충분히 좋다’는 기준도 움직일 수 있다고 주장했다. 답글에서는 훨씬 강력하지만 훨씬 비싼 모델에도 시장이 있을 것이라는 의견과, 자신이 직장에서 AI에 믿고 맡길 일에는 딥시크가 이미 충분하다는 의견이 갈렸다.
실제 서비스 운영 사례에서는 딥시크를 기본 모델로 삼았다는 의견도 있었다. 한 사용자는 개인 비서 작업을 플래시에 맡기고, 더 까다로운 단계에 이르면 코딩이나 조사에 특화된 다른 모델을 호출해 비용을 크게 낮췄다고 했다. 이에 대해 다른 사용자들은 최신 최고급 모델과 직접 비교했는지, 개인 비서의 데이터를 외부 업체에 보내는 문제는 어떻게 보는지 물었다.
마지막으로 채택 속도 자체가 쟁점이라는 의견도 나왔다. 한 사용자는 소프트웨어 기업이 새 모델을 시험하는 데 시간이 걸리고, 딥시크가 중국 모델이라는 점도 도입을 주저하게 할 수 있다고 봤다. 동시에 최상위 모델 제공업체가 가격 대비 성능보다 훨씬 강력한 미래 모델에 더 무게를 둘 가능성을 제기했다. 답글에서는 비용 대비 성능의 선두가 빠르게 바뀌는 만큼, 특정 모델이 주목받을 즈음에는 다른 선택지가 앞설 수 있다는 지적이 이어졌다.
핵심통찰
딥시크 4.1 플래시가 바꾸는 것은 최고 성능 모델의 존재 이유보다 기본 모델을 고르는 순서다. 비용이 낮고 처리 속도가 충분하면 개발자는 먼저 저렴한 모델로 탐색·구현·검증을 진행하고, 설계 판단이나 최종 검토가 필요할 때 더 강한 모델을 부를 수 있다. 다만 이 방식이 이득인지는 할인 구독의 사용 한도, 긴 작업에서의 캐시 효율, 복잡한 맥락을 놓쳐 생기는 재작업 비용에 따라 달라진다. 앞으로는 모델별 최고 점수뿐 아니라 한 작업을 끝내는 전체 비용과 검토 부담을 함께 봐야 한다.
원본: Why Isn’t The Industry Freaking Out About DeepSeek 4.1 Flash?
토론: Hacker News