DeepSeek V4.1-Flash-1017 정리: 벤치마크, API 가격, 구조

DeepSeek V4.1-Flash-1017은 딥시크가 2026년 10월 17일 내놓은 V4.1-Flash의 날짜판 업데이트입니다. 가중치는 MIT 라이선스로 공개됐습니다. 딥시크 자체 수치로는 Terminal-Bench 4.0에서 11점, ProgramBench에서 9점 가까이 올랐고 출력 길이는 오히려 짧아졌습니다. API 가격은 그대로입니다. 같은 날 딥시크는 자체 검색 엔진을 쓰는 유료 Search·Fetch API도 열었습니다.

공개 하루 만에 Hugging Face 트렌딩 1위에 올랐고 Hacker News 첫 페이지에도 걸렸습니다. 이 글에서는 무엇이 바뀌었는지, 어디서 앞서고 어디서 밀리는지, 비용은 얼마인지, 1M 토큰 컨텍스트를 어떻게 싸게 돌리는지를 차례로 봅니다.

핵심 요약

• DeepSeek V4.1-Flash-1017은 2026년 9월 10일 나온 DeepSeek-V4.1-Flash의 소규모 업데이트입니다. API 모델 이름이 deepseek-flash 그대로라서 기존 연동은 이미 새 모델을 쓰고 있습니다.
• 모델 카드 기준 가장 크게 오른 항목은 Terminal-Bench 4.0(31.2에서 42.3), ProgramBench(20.3에서 29.1), Apex Bench v1.1(64.6에서 72.1)입니다.
• 딥시크 비교표에서는 DeepSWE v1.1, Automation-Bench, Agents' Last Exam에서 Opus 5와 GPT-5.6 Sol을 앞섭니다. HLE, Terminal-Bench 4.0, ProgramBench, NL2Repo-Bench에서는 여전히 Opus 5에 뒤집니다.
• 비혼잡 시간대 API 가격은 입력(캐시 미스) 100만 토큰당 0.15달러, 출력 100만 토큰당 0.60달러입니다. 혼잡 시간대는 두 배입니다.
• 구조는 백본 파라미터 552B의 멀티모달 MoE(전문가 혼합) 모델입니다. 토큰당 활성 파라미터는 프리필(프롬프트 읽기) 단계에서 8B, 디코드(답변 생성) 단계에서 16B이고 전역 KV 캐시는 토큰당 약 890바이트입니다.
• 새 Search·Fetch API는 성공한 요청 1,000건당 0.75달러입니다. DeepSeek Harness, Claude Code, Codex를 거친 호출은 베이징 시간 2026년 11월 1일 전까지 무료입니다.

10월 17일 딥시크가 발표한 것

딥시크 API 변경 이력에는 2026년 10월 17일 항목이 두 개 있습니다. 하나는 API, 웹 채팅, 모바일 앱의 V4.1-Flash를 DeepSeek-V4.1-Flash-1017로 올린 것이고 다른 하나는 Search/Fetch API 공개입니다. 딥시크는 이 검색 엔진을 수천억 개 웹 페이지를 색인하는 AI 네이티브 검색 엔진이라고 소개합니다.

이름 끝의 '1017'은 10월 17일을 뜻하는 날짜 표기입니다. 새 세대 모델이 아니라 9월 모델을 손본 버전입니다. 변경 이력에 따르면 호출 방법과 가격은 바뀌지 않았고 모델 이름도 deepseek-flash를 그대로 씁니다. 가격 페이지를 보면 예전 이름인 deepseek-v4-flash와 deepseek-v4-flash-vision-exp도 여전히 받으며 이 요청은 지금 1017 모델이 처리합니다.

딥시크는 이번 업데이트로 작업 시간과 출력 길이가 줄었다고 밝혔습니다. 토큰 단가가 같으니 작업 하나에 드는 토큰이 줄면 작업당 비용도 내려갑니다. 변경 이력에는 딥시크의 오픈소스 코딩 에이전트인 DeepSeek Harness, 텐센트 CodeBuddy와 WorkBuddy에 맞춰 튜닝했다는 설명도 있고 Harness는 0.2.1-rc.1 이상을 쓰라고 권합니다.

가중치는 Hugging Face에 MIT 라이선스로 올라와 있어 상업적 사용과 수정이 가능합니다.

벤치마크: 업데이트 전후 비교

아래 점수는 모두 딥시크의 모델 카드와 변경 이력에서 가져왔습니다. 글을 쓰는 시점까지 외부 기관이 다시 측정한 결과는 없으니 제조사 발표치로 보는 게 맞습니다.

많이 오른 쪽은 Terminal-Bench, ProgramBench처럼 터미널이나 코드베이스 안에서 여러 단계를 이어 가는 에이전트 작업입니다. 지식 문제나 비전 테스트는 덜 올랐습니다. 같은 베이스 모델 위에 에이전트용 튜닝을 더했다는 딥시크 설명과 맞아떨어집니다.

모델 카드는 두 결과의 실행 환경도 밝혀 두었습니다. Terminal-Bench 4.0은 Claude Code 하네스에서, DeepSWE v1.1은 Mini-SWE-V2 하네스에서 돌렸고 ZeroBench는 pass@5 기준입니다. 하네스가 다르면 점수를 바로 견주기 어렵습니다.

Opus 5, GPT-5.6 Sol, K3, GLM-5.3과 비교

모델 카드에는 경쟁 모델 네 개도 함께 나옵니다. 이 역시 딥시크가 낸 수치입니다.

V4.1-Flash-1017이 앞서는 항목

DeepSWE v1.1, Automation-Bench, Agents' Last Exam, Apex Bench에서는 Opus 5를 포함해 표의 모든 모델보다 점수가 높습니다. 네 벤치마크 모두 에이전트가 계획을 세우고 도구를 부르고 실수를 고치며 여러 단계를 밟아야 하는 시험입니다.

뒤처지는 항목

HLE(56.3 대 42.6), Terminal-Bench 4.0(51.8 대 42.3), ProgramBench(37.0 대 29.1), NL2Repo-Bench(75.3 대 68.2)에서는 Opus 5가 확실히 앞섭니다. 비전 테스트 세 개에서도 Opus 5가 1~2점 높고 ZeroBench-main은 GPT-5.6 Sol이 53.0으로 1위입니다.

정리하면 에이전트 코딩은 최상위권에 가깝고 고난도 추론은 아직 한 걸음 뒤입니다. 구글 최신 모델은 강점 분포가 또 다릅니다. 자세한 내용은 Gemini 4 Argon 벤치마크 분석에서 볼 수 있습니다.

DeepSeek V4.1-Flash-1017 API 가격과 Search·Fetch API

딥시크는 deepseek-flash 요금을 100만 토큰 단위로 매기며 비혼잡 시간대 요금은 혼잡 시간대의 절반입니다. 혼잡 시간대는 월금 UTC 01:0004:00, 06:0010:00(한국 시간 10:0013:00, 15:00~19:00)이고 중국 공휴일은 빠집니다. 주말은 하루 종일 비혼잡 요금입니다.

출처: DeepSeek Models & Pricing, 2026년 10월 18일 확인.

이 요금으로 계산해 보면, 캐시되지 않은 입력 20만 토큰을 읽고 2만 토큰을 출력하는 에이전트 실행 한 번에 혼잡 시간대 약 0.084달러, 비혼잡 시간대 약 0.042달러가 듭니다. 캐시된 입력은 캐시 미스 요금의 50분의 1이라서 같은 프롬프트 앞부분을 계속 쓰는 긴 에이전트 세션일수록 훨씬 저렴해집니다.

두 모델 모두 1M 토큰 컨텍스트, 최대 384K 출력 토큰, JSON 출력, 도구 호출, Responses API를 지원하고 https://api.deepseek.com/anthropic 주소로 Anthropic 호환 엔드포인트도 제공합니다. 이미지 입력은 deepseek-flash만 받습니다.

Search·Fetch API

Search & Fetch 가이드에 나온 엔드포인트는 두 개입니다. Search(POST /v1/tools/search)는 질의 하나에 웹 결과를 1~50개 돌려줍니다. 결과마다 짧은 스니펫, 모델이 읽을 긴 요약, 재정렬 점수, 신뢰도 점수가 붙고 site:, lang:, after:, before: 같은 연산자를 쓸 수 있습니다. Fetch(POST /v1/tools/fetch)는 페이지 하나를 마크다운으로 가져옵니다.

두 API 모두 성공한 요청 1,000건당 0.75달러이고 실패한 호출이나 빈 결과, 타임아웃에는 요금을 매기지 않습니다. 계정당 초당 5건으로 제한됩니다. DeepSeek Harness, Claude Code, Codex로 딥시크 API를 쓸 때 서버 쪽에서 일어나는 검색 호출은 베이징 시간 2026년 11월 1일 0시 전까지 무료입니다.

1M 컨텍스트를 싸게 돌리는 구조

1017 업데이트는 딥시크가 2026년 9월 arXiv에 올린 기술 보고서 DeepSeek-V4.1-Flash: Pushing the Limits of KV Cache Compression의 V4.1-Flash 구조를 그대로 씁니다. 설계의 대부분은 KV 캐시를 겨냥합니다. KV 캐시는 새 토큰을 만들 때마다 앞선 토큰을 다시 계산하지 않도록 모델이 붙잡아 두는 기억입니다. 보고서는 긴 에이전트 작업에서 커다란 KV 캐시가 GPU 메모리(HBM), SSD 용량, 대역폭을 압박한다고 짚습니다. 핵심은 네 가지입니다.

첫째는 인과적 인코더-디코더(CED)입니다. 40개 층을 20층짜리 인과적 인코더와 20층짜리 디코더로 나눴습니다. 디코더의 전역 키-값(KV) 캐시를 인코더 마지막 은닉 상태에서 투영해 만들기 때문에, 프리필 단계에서는 전역 어텐션을 위해 네트워크 앞쪽 절반만 돌리면 됩니다. 딥시크는 이 방식으로 프리필 연산이 거의 절반으로 준다고 설명합니다.

둘째는 압축 희소 어텐션 2(CSA2)입니다. 여러 층이 주 KV 캐시와 인덱서 키를 함께 씁니다. 층마다 Full, Reindex, Reuse 세 모드 중 하나로 동작하고 Reuse 층은 어느 위치에 주목할지(top-k)까지 공유합니다. 여기에 FP4 KV 캐시를 더해 전역 KV 캐시를 토큰당 약 890바이트로 줄였습니다. V4-Flash의 4분의 1 수준입니다.

셋째인 SWA Bounded Replay는 슬라이딩 윈도 어텐션에 쓰입니다. 가장 최근 윈도의 토큰만 다시 돌려 이 캐시를 복원하므로, SSD나 호스트 메모리에 두는 영구 캐시가 V4-Flash의 약 8분의 1로 줄어듭니다.

넷째는 희소 전문가와 Engram 메모리입니다. MoE 층마다 공유 전문가 1개와 라우팅 전문가 384개가 있고 토큰마다 라우팅 전문가 6개가 켜집니다. 552B 백본과 별도로 Engram 모듈이 해시 기반 n-gram 메모리 196B 파라미터를 더합니다. 보고서에 따르면 컨텍스트를 4K에서 1M으로 늘려도 디코드 연산은 4분의 1 정도만 늘어납니다.

100만 토큰짜리 에이전트 세션에서는 파라미터 수보다 토큰당 메모리가 서빙 비용을 좌우합니다. V4.1-Flash는 설계 단계에서 그 메모리를 줄이는 데 공을 들였고 1017 업데이트는 학습 단계에서 에이전트가 더 적은 단계로 일을 끝내게 하는 데 집중했습니다.

DeepSeek V4.1-Flash-1017을 로컬에서 돌릴 수 있을까

가중치는 공개돼 있지만 전체 모델을 노트북에서 돌리기는 어렵습니다. Hugging Face 파일 목록을 보면 safetensors 샤드 48개, 합계 약 510GB이고 대부분 FP8과 8비트 텐서입니다. Engram과 비전 부분까지 포함하면 Hugging Face 메타데이터상 저장된 파라미터는 약 763B입니다.

모델 카드는 실행 방법을 이렇게 안내합니다.

• vLLM: vllm serve "deepseek-ai/DeepSeek-V4.1-Flash-1017"로 OpenAI 호환 서버를 띄웁니다.
• SGLang: 모델 경로를 넣어 python3 -m sglang.launch_server를 실행하거나 lmsysorg/sglang 도커 이미지를 씁니다.
• Transformers(device_map="auto")와 Docker Model Runner.
• llama.cpp, Ollama, LM Studio, Jan은 커뮤니티 양자화 버전으로 쓸 수 있습니다.

저장소에는 Jinja 채팅 템플릿이 없습니다. 대신 encoding 폴더에 파이썬 참조 인코더가 있고 실서비스용으로는 deepseek-recipe를 권합니다. Messages, Chat Completions, Responses API 요청을 딥시크 프롬프트 형식으로 바꿔 주는 러스트 라이브러리(파이썬 바인딩 포함)입니다. 권장 샘플링 값은 temperature 1.0, top_p 1.0입니다.

데스크톱 한 대에서 돌릴 대형 오픈 웨이트 모델을 찾는다면 메타의 최신 모델이 더 잘 맞습니다. Muse Spark Open을 Mac Studio에서 돌리는 방법을 참고하세요. 대부분의 팀에게는 510GB 체크포인트용 하드웨어를 사는 것보다 deepseek-flash API를 쓰는 편이 훨씬 쌉니다.

누가 바꿔 볼 만한가, 앞으로 볼 것

긴 컨텍스트로 코딩·자동화 에이전트를 돌리는 팀이라면 먼저 시험해 볼 만합니다. 캐시 히트 요금과 짧아진 출력이 긴 세션에서 쌓이기 때문입니다. API 이름이 그대로라 deepseek-flash를 호출하는 곳은 이미 1017을 쓰고 있으니, 자체 평가를 다시 돌려 동작 변화를 확인해 두는 게 좋습니다.

HLE 같은 고난도 추론이 중요한 작업이거나 Opus 5 수준의 Terminal-Bench 성능이 필요하다면 신중해야 합니다. 중국 기반 API에 운영 데이터를 보내기 전에는 데이터 보관 위치와 컴플라이언스 규정도 따져 봐야 합니다. MIT 가중치를 직접 호스팅하는 방법도 있습니다.

앞으로 지켜볼 점은 세 가지입니다. 외부 기관이 이 벤치마크를 다시 돌렸을 때의 결과, Search API의 검색 품질이 기존 검색 API와 비교해 어떤지, 그리고 11월 1일부터 하네스 검색 호출에 요금이 붙으면 에이전트 실행 비용이 얼마나 달라지는지입니다.

자주 묻는 질문

DeepSeek V4.1-Flash-1017은 무엇인가요?

DeepSeek V4.1-Flash-1017은 1M 토큰 컨텍스트를 지원하는 오픈 웨이트 멀티모달 MoE 모델 DeepSeek-V4.1-Flash의 2026년 10월 17일 업데이트입니다. 딥시크는 9월 버전보다 에이전트 코딩 점수가 높고 출력이 짧아졌으며 API 가격은 같다고 밝혔습니다.

DeepSeek V4.1-Flash-1017 API 가격은 얼마인가요?

딥시크 가격 페이지에 따르면 deepseek-flash 모델은 비혼잡 시간대 기준 입력 100만 토큰당 캐시 미스 0.15달러, 캐시 히트 0.003달러, 출력 100만 토큰당 0.60달러입니다. 평일 UTC 01:0004:00, 06:0010:00 혼잡 시간대에는 두 배입니다.

DeepSeek V4.1-Flash-1017은 오픈소스인가요?

가중치와 저장소가 Hugging Face에 MIT 라이선스로 공개돼 있어 상업적 사용, 수정, 재배포가 가능합니다. 저장소에는 가중치, 추론 코드, 프롬프트 인코더가 들어 있고 학습 데이터는 없습니다.

DeepSeek V4.1-Flash-1017이 Claude Opus 5보다 나은가요?

전반적으로는 아닙니다. 딥시크 자체 비교표에서 DeepSWE v1.1, Automation-Bench, Agents' Last Exam, Apex Bench는 Opus 5보다 높지만 HLE, Terminal-Bench 4.0, ProgramBench, NL2Repo-Bench는 Opus 5가 앞섭니다. 모든 수치는 딥시크가 직접 발표한 것입니다.

로컬에서 돌리려면 어떤 하드웨어가 필요한가요?

전체 체크포인트가 FP8·8비트 가중치로 약 510GB라서 vLLM이나 SGLang을 쓰는 멀티 GPU 서버가 필요합니다. llama.cpp, Ollama용 커뮤니티 양자화 버전은 더 작지만 일반 워크스테이션보다 훨씬 많은 메모리가 필요합니다.

출처

• DeepSeek-V4.1-Flash-1017 모델 카드, Hugging Face
• DeepSeek API 변경 이력 (2026년 10월 17일, 9월 10일 항목)
• DeepSeek API: Models & Pricing
• DeepSeek API: Search & Fetch 가이드
• DeepSeek-V4.1-Flash: Pushing the Limits of KV Cache Compression (arXiv 2609.19969)
• deepseek-recipe, GitHub
• Bloomberg: DeepSeek pushes out updated AI model it says is faster, leaner