딥시크의 초저가 고성능 V4 모델 공개와 연산 효율화 전략

주장딥시크는 새로운 하이브리드 어텐션 아키텍처를 도입하여 인공지능 연산 비용을 획기적으로 절감했습니다. 이러한 기술적 효율성을 바탕으로 오픈에이아이와 구글 등 주요 경쟁사보다 낮은 가격에 모델을 제공합니다.

팩트딥시크가 공개한 V4-Pro는 1조6000억 개의 파라미터를 가진 오픈 웨이트 모델입니다. V4-Flash는 2840억 개의 파라미터를 보유하며 두 모델 모두 100만 토큰의 컨텍스트 윈도우를 지원합니다.

교차검증딥시크는 V4-Pro가 오픈 웨이트 모델 중 최고 수준의 성능을 보인다고 평가합니다. 다만 자체 기술 보고서를 통해 지피티-5.4나 제미나이 3.1 프로 등 최상위 모델보다는 성능이 일부 뒤처진다는 점을 인정했습니다.

팩트V4-Flash의 가격은 입력 토큰 100만 개당 0.14달러, 출력 토큰 100만 개당 0.28달러로 책정했습니다. 이는 오픈에이아이의 지피티-5.4 나노 모델보다 저렴한 수준입니다.

팩트V4-Pro는 이전 모델인 V3.2와 비교해 연산에 필요한 플롭스를 27퍼센트 수준으로 줄였습니다. 케이브이 캐시 사용량 또한 10퍼센트로 감소시켜 긴 문맥 처리에 최적화했습니다.

팩트딥시크는 모델 학습에 최대 33조 개의 토큰을 사용했습니다. 웹 데이터에서 자동 생성된 템플릿 콘텐츠를 필터링하고 과학 논문과 기술 보고서 등 고품질 데이터를 중심으로 학습을 진행했습니다.

팩트이번 모델은 강화 학습 대신 사내에서 개발한 10개 이상의 전문 모델을 활용한 온-폴리시 증류 방식을 채택했습니다. 수학과 코드, 에이전트 등 특정 분야에 특화된 모델들이 학생 모델을 가르치는 구조입니다.

주장딥시크 V4 모델은 에이전트 작업에 특화된 설계를 갖췄습니다. 클로드 코드와 오픈클로 등 다양한 도구와 통합되어 내부 코딩 에이전트 업무를 수행합니다.

팩트하드웨어 측면에서 딥시크는 엔비디아 지피유뿐만 아니라 화웨이의 어센드 칩에서도 모델 구동이 가능함을 확인했습니다. 화웨이는 자사의 어센드 950 칩이 V4 모델을 완벽하게 지원한다고 발표했습니다.

출처더 디코더(The Decoder) 보도 내용과 딥시크 기술 보고서를 교차 검증했습니다.