딥시크 V4 프로 0813 공개: 오픈웨이트와 인상적인 성능, 하지만 낮은 환각 방지율은 숙제
딥시크 V4 프로 0813 공개: 오픈웨이트와 인상적인 성능, 하지만 낮은 환각 방지율은 숙제
Simon Willison (llms) 외 2곳 · 2026-08-12 14:59
DeepSeek V4 Pro 0813 (on OpenRouter)
https://simonwillison.net/2026/Aug/12/deepseek-v4-pro-0813/
DeepSeek V4 Pro 0813
https://news.hada.io/topic?id=32444
DeepSeek V4 Pro 0813
https://openrouter.ai/deepseek/deepseek-v4-pro-0813
① 딥시크(DeepSeek)의 최신 모델 V4 프로 0813이 API 전용으로 오픈라우터(OpenRouter)를 통해 공개되었습니다.
② 모델의 가중치(weights)는 허깅페이스(Hugging Face)에 공개되었으며, 1.7조 개의 매개변수와 893GB의 크기입니다.
③ 주요 벤치마크에서 뛰어난 추론 및 코딩 능력을 보였으나, 정답이 아닌 응답 중 환각(hallucination)을 피한 비율은 5.9%로 낮게 나타났습니다.
④ 오픈AI(OpenAI) 호환 API를 지원하며, 추론 과정을 자세히 볼 수 있는 'reasoning' 기능이 포함되어 있습니다.
⑤ 주요 사용자로는 에이전트형 AI(Hermes Agent, Claude Code)와 개인 코딩 에이전트(pi) 등이 있습니다.
딥시크 V4 프로 0813, API로 먼저 공개되다
딥시크(DeepSeek)의 최신 대규모 언어 모델(LLM)인 '딥시크 V4 프로 0813'이 최근 API(Application Programming Interface, 응용 프로그래밍 인터페이스) 전용으로 출시되었습니다. 일반적으로 새 모델이 공개되면 개발사 공식 발표 페이지를 통해 상세 정보를 확인하는 경우가 많지만, 이번에는 딥시크 측의 명확한 발표 페이지가 없어 오픈라우터(OpenRouter)와 같은 API 플랫폼을 통해 처음 알려졌습니다. 사이먼 윌리슨(Simon Willison)과 같은 관찰자들은 이전 모델들의 공개 가중치(open weights) 배포 사례를 들어 이번에도 가중치 공개 가능성을 예상했습니다. 실제로, 모델 출시 이후 딥시크 V4 프로 0813의 가중치는 허깅페이스(Hugging Face)에 공식적으로 공개되었습니다. 이 모델은 1.7조 개의 매개변수(parameters)와 약 893GB에 달하는 규모를 자랑합니다. 이처럼 가중치가 공개된 모델은 연구자나 개발자들이 로컬 환경에서 직접 모델을 구동하고 수정하며 특정 용도에 맞게 파인튜닝(fine-tuning, 이미 학습된 모델을 특정 용도에 맞게 추가로 학습시키는 작업)할 수 있다는 점에서 큰 의미가 있습니다.
새 모델은 오픈라우터에서 'deepseek/deepseek-v4-pro-0813' 슬러그(slug, 고유 식별자)를 통해 사용할 수 있습니다. 오픈라우터는 다양한 모델 공급자들을 연결해주는 플랫폼으로, 사용자가 선택한 라우팅 모드(균형, 속도 우선, 정확도 우선)에 따라 최적의 공급자에게 요청을 전달합니다. 이번 모델은 단일 공급자가 호스팅하며 모든 요청이 해당 공급자에게 직접 전달되는 방식입니다. 이는 공급자의 안정적인 성능이 중요함을 시사합니다. 오픈라우터에 따르면 최근 3일간 이 모델의 공급자 평균 가동률은 100%로 매우 높은 안정성을 보였습니다.
가격과 성능: 실제 사용자가 지불하는 비용은?
딥시크 V4 프로 0813의 API 이용 가격은 오픈라우터에서 제공하는 공급자 게시 가격과 실제 고객이 지불하는 가중 평균 가격에 차이가 있습니다. 공급자 게시 가격은 100만 입력 토큰(tokens, AI 모델이 처리하는 텍스트의 최소 단위)당 0.435달러, 100만 출력 토큰당 0.87달러로 책정되었습니다. 하지만 오픈라우터는 캐싱(caching, 자주 사용하는 데이터를 임시 저장하여 빠르게 접근하도록 돕는 기술) 및 할인 정책을 적용하여 실제 고객의 가중 평균 지불 가격은 이보다 훨씬 낮다고 밝힙니다. 실제 지불 가격은 100만 입력 토큰당 0.03508달러, 100만 출력 토큰당 0.8697달러입니다. 이는 게시 가격 대비 입력 토큰 비용이 10분의 1 수준으로 크게 낮아진 것입니다. 모델을 실제 서비스에 적용하려는 기업이나 개발자 입장에서는 실제 지불 가격이 모델 선택의 중요한 기준이 될 것입니다.
성능 면에서는 토큰 생성 처리량(throughput)이 중앙값 기준 초당 59토큰, 왕복 지연시간(latency, 요청을 보내고 응답을 받는 데 걸리는 총 시간)은 1.30초로 나타났습니다. 여기서 처리량은 모델이 얼마나 빠르게 텍스트를 생성하는지를, 지연시간은 모델이 얼마나 신속하게 요청에 응답하는지를 나타내는 지표입니다. 이 수치들은 모델이 실시간 상호작용이 필요한 애플리케이션에 적합한지 판단하는 데 도움을 줍니다. 또한, TTFT(Time-To-First-Token, 응답의 첫 번째 토큰이 나타나기까지 걸리는 시간)도 중요한 지표로, 낮을수록 사용자 경험이 좋습니다. 오픈라우터는 이러한 성능 지표들을 지속적으로 감시하며, 만약 상위 공급자에서 오류가 발생할 경우 자동으로 다음으로 정상인 공급자에게 요청을 재시도하는 기능을 제공하여 서비스 안정성을 확보합니다.
다양한 벤치마크 평가와 환각 문제
딥시크 V4 프로 0813은 여러 표준 벤치마크(benchmark, 모델의 성능을 측정하는 기준이 되는 평가 지표)에서 인상적인 결과를 보였습니다. 인공지능 분석 기업 '아티피셜 애널리시스(Artificial Analysis)'의 자료에 따르면, 대학원 수준 과학 추론 능력인 GPQA 다이아몬드(GPQA Diamond)에서 88.8%, 이중 통제 상황의 대화형 AI 에이전트를 평가하는 τ²-벤치 텔레콤(τ²-Bench Telecom)에서 96.2%를 기록했습니다. 코딩 평가인 사이코드(SciCode, 과학 컴퓨팅용 파이썬 프로그래밍)에서는 50.0%의 점수를 받았습니다. 이는 딥시크 V4 프로 0813이 복잡한 추론과 코딩 작업에서 뛰어난 역량을 가지고 있음을 보여줍니다. 이러한 높은 점수들은 모델이 특정 분야의 전문적인 작업에 활용될 가능성을 시사합니다.
하지만 지식 평가에서는 흥미로운 결과가 나왔습니다. 정확히 답한 질문 비율인 AA-옴니사이언스 정확도(AA-Omniscience Accuracy)는 42.9%를 기록했습니다. 특히 눈에 띄는 점은 'AA-옴니사이언스 비환각률(AA-Omniscience Non-Hallucination Rate)'입니다. 이는 정답이 아닌 응답 중 환각(hallucination, AI가 사실과 다른 정보를 진짜처럼 생성하는 현상)을 피한 비율을 나타내는데, 딥시크 V4 프로 0813은 단 5.9%에 그쳤습니다. 다시 말해, 모델이 오답을 생성했을 때 그 중 대다수가 환각을 포함하고 있다는 의미입니다. 이 수치는 모델의 신뢰성에 대한 중요한 질문을 제기합니다. 아무리 높은 추론 능력을 가진 모델이라도 환각 문제를 해결하지 못하면 중요한 의사결정이나 사실 확인이 필요한 업무에는 제한적으로만 활용될 수밖에 없습니다.
API 활용과 주요 사용 사례
딥시크 V4 프로 0813은 오픈AI(OpenAI) 호환 API를 지원합니다. 이는 기존에 오픈AI 모델을 사용하던 개발자들이 대부분의 SDK(Software Development Kit, 소프트웨어 개발 키트)에서 기본 URL만 변경하여 쉽게 이 모델로 전환할 수 있음을 의미합니다. 모델은 'deepseek/deepseek-v4-pro-0813' 슬러그를 사용하며, 오픈라우터 대시보드에서 API 키를 생성한 후 환경 변수로 설정하여 요청할 수 있습니다. 특히, 이 모델은 'reasoning' 매개변수(parameter)를 통해 추론 활성화 여부와 강도를 제어할 수 있습니다. 응답의 'reasoning_details' 배열에서는 최종 답변이 나오기 전까지 모델의 내부 추론 과정을 확인할 수 있어, AI의 사고 과정을 분석하고 디버깅(debugging, 오류 수정)하는 데 유용합니다. 대화를 이어갈 때는 이전 시점부터 추론할 수 있도록 이 'reasoning_details' 전체를 메시지와 함께 다시 전달해야 합니다.
오픈라우터에 따르면 딥시크 V4 프로 0813을 가장 많이 활용하는 앱들도 공개되었습니다. 누스 리서치(Nous Research)의 오픈소스 자기 개선 AI 에이전트인 '헤르메스 에이전트(Hermes Agent)'가 5억 1,000만 토큰으로 가장 많은 트래픽을 보냈습니다. 이 에이전트는 웹 검색, 브라우저 자동화, 비전(vision)을 포함한 40개 이상의 내장 도구와 예약 자동화, 하위 에이전트를 제공합니다. 개인 코딩 에이전트인 '파이(pi)'가 1억 7,500만 토큰, 그리고 앤스로픽(Anthropic)의 에이전트형 코딩 도구인 '클로드 코드(Claude Code)'가 1억 7,000만 토큰을 사용했습니다. 클로드 코드는 전체 코드베이스를 읽고 자연어 프롬프트에 따라 여러 파일의 변경을 계획하고 실행하며, 테스트 실행 후 실패를 반복 수정하는 기능을 가졌습니다. 이러한 사용 사례들은 딥시크 V4 프로 0813이 주로 코딩, 에이전트형 자동화, 그리고 전문적인 추론 작업에 강점을 가질 수 있음을 시사합니다.
그래서 우리에게 무슨 의미인가?
딥시크 V4 프로 0813의 출시는 대규모 언어 모델 시장에 또 하나의 강력한 경쟁자가 등장했음을 알립니다. 특히, 가중치 공개는 오픈소스 AI 생태계에 큰 활력을 불어넣을 것으로 보입니다. 연구자와 개발자들은 이 모델을 기반으로 더욱 혁신적인 애플리케이션과 서비스를 개발할 수 있게 될 것입니다. 또한, 오픈AI 호환 API와 추론 과정 확인 기능은 모델의 접근성과 활용성을 높이는 긍정적인 요소입니다. 이는 다양한 실무 환경에서 AI 모델을 통합하고 커스터마이징(customizing, 사용자 맞춤형 제작)하려는 시도를 더욱 가속화할 수 있습니다.
하지만 모델의 낮은 비환각률은 여전히 중요한 해결 과제입니다. 아무리 뛰어난 추론 능력을 가졌더라도, 생성된 정보의 신뢰도가 낮다면 금융, 법률, 의료 등 정밀함과 정확성이 필수적인 분야에서는 활용이 제한될 수 있습니다. 사용자들은 딥시크 V4 프로 0813을 사용할 때 모델이 생성한 정보에 대한 철저한 검증 과정을 거쳐야 할 것입니다. 개발자들은 이 모델을 활용하여 다양한 실험과 개선을 시도하며, 환각 문제를 줄이기 위한 추가적인 파인튜닝이나 보완책을 마련하는 데 집중할 필요가 있습니다. 궁극적으로는 이 모델이 가진 잠재력을 최대한 발휘하면서도, 신뢰성 있는 AI를 구축하는 방향으로 발전해 나가야 할 것입니다. 이번 모델 출시는 AI 기술의 발전과 함께 여전히 남아있는 난제들을 다시 한번 상기시키는 계기가 됩니다.
댓글
댓글 쓰기