DeepSeek V4 프리뷰와 오픈소스 경쟁

DeepSeek V4 프리뷰가 공개되면서 오픈소스 AI 경쟁의 다음 장이 열렸습니다. 2026년 4월 24일 CNBC 보도에 따르면 중국 AI 스타트업 DeepSeek는 오랫동안 기다려온 V4 대형 언어 모델의 프리뷰 버전을 내놓았고, 사용자는 새 기능을 시험할 수 있습니다. 핵심은 오픈소스 공개, pro와 flash 버전, 에이전트 작업과 추론 비용 효율성입니다. 다만 R1 때와 같은 시장 충격이 재현된다고 단정할 수는 없습니다.

Table of Contents

V4 프리뷰에서 확인된 핵심

DeepSeek는 V4를 pro와 flash 두 가지 버전으로 공개했습니다. 보도에 따르면 버전 구분은 모델 크기에 따른 것으로, DeepSeek는 V4가 특히 에이전트 기반 작업, 지식 처리, 추론에서 국내 경쟁사 대비 강한 성능을 낸다고 주장합니다. 여기서 대형 언어 모델(LLM)은 방대한 텍스트를 학습해 질문에 답하거나 문장을 생성하는 AI 모델을 뜻합니다. 에이전트 기반 작업은 AI가 도구를 호출하고 여러 단계를 거쳐 목표를 수행하는 방식을 말합니다. 다만 이는 DeepSeek의 발표 내용이므로 독립 검증 결과와 구분해 볼 필요가 있습니다.

오픈소스 공개가 중요한 이유

이번 업그레이드는 이전 모델 공개 방식과 마찬가지로 오픈소스입니다. 개발자는 코드를 내려받아 로컬에서 실행하고, 대부분의 경우 수정할 수 있습니다. 이는 모델을 직접 살펴보고 환경에 맞게 조정할 수 있다는 뜻입니다. 기업 입장에서는 외부 API에만 의존하지 않고 자체 인프라에서 실험할 여지가 생깁니다. 물론 실제 활용 가능성은 라이선스 조건과 하드웨어 요구 사항, 유지보수 역량에 따라 달라집니다. 오픈소스라는 사실만으로 모든 환경에서 바로 성능이 보장되는 것은 아닙니다.

R1 이후 달라진 시장의 시선

DeepSeek는 2023년 설립됐고, 2024년 말 무료 오픈소스 V3 모델로 주목받았습니다. 당시 회사는 더 낮은 성능의 칩을 사용하고 OpenAI, Google 등이 만든 모델보다 훨씬 적은 비용으로 학습했다고 밝혔습니다. 몇 주 뒤인 2025년 1월에는 추론 모델 R1을 공개했는데, R1은 여러 주요 LLM과 비슷하거나 앞서는 벤치마크를 기록했습니다. R1은 두 달 만에, 600만 달러도 안 되는 비용으로 만들어졌고 저성능 Nvidia 칩을 사용했다는 점이 알려지며 투자자들을 놀라게 했습니다. 그 후 DeepSeek는 여러 업그레이드를 냈지만 R1만큼의 충격은 없었습니다.

V4가 R1만큼 충격적이지 않을 수 있는 이유

CNBC는 V4의 등장이 R1과 같은 시장 충격을 주기는 어려울 수 있다고 전했습니다. Morningstar의 수석 주식 애널리스트 Ivan Su는 이미 중국 AI가 경쟁력 있고 사용 비용이 더 저렴하다는 현실이 시장에 반영됐다고 말했습니다. 대신 V4의 최신 포지셔닝은 다른 중국 오픈소스 모델들을 직접 경쟁자로 놓습니다. Su는 R1 때는 없었던 구도라는 점 자체가 변화의 크기를 보여준다고 평가했습니다. 따라서 V4는 단기 충격보다 경쟁 구도 변화의 신호로 읽을 수 있습니다.

에이전트 도구와 추론 비용의 의미

DeepSeek는 V4가 Anthropic의 Claude Code, OpenClaw 같은 인기 에이전트 도구와 함께 쓰이도록 최적화됐다고 밝혔습니다. Counterpoint Research의 부사장 Neil Shah는 V4 프리뷰가 이전 모델보다 낮은 추론 비용을 제공한다며 “진지한 과시”라고 CNBC에 말했습니다. 추론 비용은 학습된 AI 모델을 실제로 실행해 결과를 만들 때 드는 계산·금전적 비용입니다. 같은 기관의 수석 AI 애널리스트 Wei Sun은 V4의 벤치마크 프로필이 훨씬 낮은 비용으로 뛰어난 에이전트 능력을 제공할 가능성을 시사한다고 봤습니다. 이는 확정된 성과가 아니라 가능성에 대한 분석입니다.

도입 전 확인해야 할 기준

V4를 검토한다면 먼저 pro와 flash 중 어떤 버전이 작업에 맞는지 봐야 합니다. 보도에서는 모델 크기에 따라 나뉜다고만 확인되므로, 세부 요구 사양은 공식 자료로 확인하는 편이 안전합니다. 다음으로 에이전트 작업, 지식 처리, 추론 중 어떤 용도에 쓰려는지 정리해야 합니다. 로컬 실행이 필요한지, Claude Code나 OpenClaw 같은 도구와 연동할 계획인지도 점검할 항목입니다. 마지막으로 오픈소스 라이선스와 수정 가능 범위, 운영 비용을 함께 따져야 합니다. 벤치마크 수치만으로 실제 환경 성능을 단정하지 않는 태도가 필요합니다.

출처: CNBC 원문

같이 보면 좋은 글

DeepSeek R1이 시장에 준 충격
오픈소스 LLM과 에이전트 도구의 결합
중국 AI 모델의 비용 효율 경쟁

마치며

DeepSeek V4 프리뷰는 오픈소스 공개, pro와 flash 버전, 에이전트 도구 최적화, 추론 비용 효율성이라는 키워드로 요약할 수 있습니다. R1처럼 시장을 흔들 가능성은 이미 가격에 반영됐다는 분석도 있지만, 다른 중국 오픈소스 모델과의 직접 경쟁 구도는 주목할 변화입니다. 도입을 검토한다면 공식 자료와 라이선스, 실행 환경, 실제 작업 적합성을 확인한 뒤 판단하시기 바랍니다.