DeepSeek-V4-Flash-Vision-Exp, 오픈 웨이트로 전환: V4-Flash와 동일한 가격, 이제 자체 호스팅 가능

8월 21일 DeepSeek API에서 출시된 실험적 멀티모달 모델 DeepSeek-V4-Flash-Vision-Exp가 8월 31일 MIT 라이선스로 Hugging Face에 가중치를 공개했다. API 출시 10일 만에, DeepSeek-V4-Flash와 정확히 동일한 토큰 요율로 청구되는 바로 그 모델을 모델 파일, 토크나이저, 프롬프트 인코딩 레퍼런스, 최소한의 PyTorch 추론 경로, 그리고 vLLM 프로젝트가 같은 날 발표한 day-0 vLLM 서빙까지 전부 내려받을 수 있게 된 것이다. 이로써 시각 기능을 갖춘 가장 저렴한 1M 컨텍스트 에이전트가 자체 호스팅 비용도 가장 저렴한 선택지가 되었으며, 참조 구현이 더 이상 유일한 실행 수단이 아니게 되었다는 의미다. 앞서 짚고 넘어갈 새로운 주장 하나: 애널리스트 Teortaxes는 X에서 릴리스를 읽고 오픈 가중치 배포가 Moonshot과 GLM의 비전 모델과 기능 동등성(feature parity)을 제공한다고 말했다. 오픈 가중치는 검증된 사실이지만, 그 동등성 주장은 아직 아무도 재현하지 못한 제3자의 해석일 뿐이다.

실제로 출시된 것

DeepSeek-V4-Flash-Vision-Exp는 실험적인 멀티모달 모델로, 모델 ID deepseek-v4-flash-vision-exp로 액세스됩니다. 구조적으로는 V4-Flash MoE 백본에 비전 인코더와 얼라이너를 결합한 것으로, 대략 2840억 개의 파라미터와 130억 개의 활성 파라미터를 가진 동일한 텍스트 모델에 시각 모듈이 추가된 형태입니다. 텍스트와 이미지를 입력받아 텍스트를 출력하며, 1M-토큰 컨텍스트 창과 최대 384K 출력을 지원하고, 사고(thinking) 및 비사고(non-thinking) 모드 모두에서 작동합니다. Chat Completions 형식, Anthropic 스타일 Messages, Responses 형식을 지원하며, 이 세 가지는 에이전트 프레임워크가 사용자 정의 어댑터 없이 통합하는 데 필요한 조합입니다.

이미지 입력의 경우 DeepSeek는 JPEG, PNG, GIF, WebP를 지원하며, base64 인라인, 외부 URL, 또는 Files API를 통한 파일 업로드의 세 가지 방식으로 전달할 수 있습니다. 아직 비디오나 오디오 입력은 지원되지 않으며, 여기서의 "비전"은 정지 이미지에만 해당합니다.

DeepSeek 자체의 포지셔닝은 릴리스 노트에 따르면 이렇다. 즉, 순수 텍스트 역량(에이전트, 추론, 세계 지식)은 공식 DeepSeek-V4-Flash 릴리스와 동급인 반면, 멀티모달 에이전트 역량은 큰 도약을 이루며 Opus-4.8에 근접했다는 것이다. 이는 재현되지 않은 벤더의 주장이며, 주의 깊게 읽을 가치가 있다. 그 배후의 벤치마크 디테일이 헤드라인보다 더 흥미롭기 때문이다.

오픈 가중치 릴리스가 실제로 포함하는 것

오늘의 릴리스는 출시 게시물이 남겨둔 질문에 대한 답을 제시합니다. Hugging Face 저장소(deepseek-ai/DeepSeek-V4-Flash-Vision-Exp)는 MIT 라이선스를 따르며 전체 가중치(약 2,850억 개의 파라미터 — V4-Flash MoE 백본과 비전 인코더, 정렬기로 구성되며 토큰당 약 130억 개가 활성화되고 48개의 샤드로 분할됨), 토크나이저, OpenAI 스타일의 프롬프트 인코딩 참조 구현, 그리고 비전 인코더, 정렬기, DFlash 어텐션, MoE, Hyper-Connections 및 DSpark 순전파를 포함하는 최소한의 PyTorch 추론 경로를 제공합니다. DeepSeek는 여전히 PyTorch 코드를 프로덕션 서빙 엔진이 아니라 참조 구현이라고 부릅니다. 그러나 vLLM이 같은 날 day-0 지원을 발표했기 때문에 더 이상 서빙 경로일 필요는 없습니다.

vLLM 프로젝트는 자체적으로 현재 이 모델을 서빙한다고 밝히고 있다. vLLM 저장소와 모델 카드를 대조해 확인해 보면, 실제로는 day-0 도커 이미지(vllm/vllm-openai:deepseekv4-flash-vision)를 고정하고, 아직 열려 있는 업스트림 풀 리퀘스트(#54566)에 연결된 공식 레시피를 사용한다는 뜻이다. 비전 지원은 릴리스된 vLLM 휠에 포함되어 있지 않다. 일반 휠은 체크포인트를 텍스트 전용 경로로 라우팅하여 비전 텐서에서 실패한다. 따라서 여기서 day-0은 기존 vLLM 설치를 업그레이드하는 것이 아니라, 사용자가 직접 고정하는 이미지를 의미한다. 해당 이미지에서 vLLM은 NVIDIA GB200에서 작동하는 비전 경로와 참조 구성에서의 OCRBench 점수 835(83.5%)를 보고한다. 실질적 한계선은 '안정적인 릴리스 기다리기'에서 '직접 다운로드해 서빙하고 측정하기'로 옮겨졌다.

X에서 분석가 Teortaxes는 이번 출시를 경쟁 구도로 설명했습니다. 오픈 가중치 덕분에 이제 DeepSeek는 Moonshot과 GLM의 비전 모델들과 일부 기능적 동등성을 갖추게 되었다는 것입니다. 이는 제3자의 해석일 뿐이며, DeepSeek의 공식 입장도 측정된 결과도 아니지만, 이번 출시 이전에는 불가능했던 방식으로 검증이 가능합니다. 동일한 출시가 누구에게나 비교를 실행할 파일을 제공하기 때문입니다.

벤치마크 점프가 보기보다 더 큰 이유

다음 모든 수치는 DeepSeek 자체 자료로, 출시 노트에 게시된 것이며 독립적으로 검증되지 않았습니다. 스크린샷과 이미지가 포함된 에이전트 벤치마크에서 텍스트 전용 DeepSeek-V4-Flash는 이를 읽지 않으며, 단순히 작업의 멀티모달 부분을 무시합니다. DeepSeek-V4-Flash-Vision-Exp는 실제로 이미지를 보기 때문에 차이가 이렇게 큰 것입니다:

• ApexBench Pass@1 — Vision-Exp 36.5 vs V4-Flash 26.2 (Opus-4.8 39.4)

• 에이전트 최종 시험 — Vision-Exp 27.3 대 V4-Flash 25.2 (Opus-4.8 25.7)

• Terminal-Bench 2.1 — Vision-Exp 83.9 vs V4-Flash 82.7 (Opus-4.8 85.0)

• NL2Repo — Vision-Exp 57.7 vs V4-Flash 54.2 (Opus-4.8 69.7)

• DeepSWE — Vision-Exp 59.3 대 V4-Flash 54.4 (Opus-4.8 58.0)

• Chartography — Vision-Exp 64.3 (텍스트 전용 V4-Flash는 시도할 수 없음)

• ZeroBench Pass@5 — Vision-Exp 35.0 (텍스트 전용 V4-Flash는 시도할 수 없음)

그 숫자들 중 두 개는 다시 살펴볼 가치가 있습니다. Agents' Last Exam에서 Vision-Exp(27.3)는 Opus-4.8(25.7)을 근소하게 앞섰고, DeepSWE에서도 Opus-4.8(59.3 대 58.0)을 이겼습니다. 바로 이것이 'Opus-4.8에 가깝다'는 말이 실제로 근거하는 바입니다. 하나의 대표적인 결과가 아니라, 화면을 보는 것이 최첨단 멀티모달 모델과의 격차를 대부분 좁히면서 가격은 약 한 자릿수 정도 더 저렴한 일련의 에이전트 벤치마크들 말입니다.

이미지의 가격, 소수점까지

이미지는 과금을 위해 토큰화되며 — 각각 최대 384개의 토큰 — 그 후 DeepSeek-V4-Flash와 동일한 토큰당 요율로 청구됩니다. DeepSeek가 2026년 8월 16일에 모든 모델을 피크/오프피크 요금제로 전환했기 때문에 정확한 금액은 호출 시점에 따라 달라집니다:

• 입력, 캐시 미스 — $0.22 / 1M 토큰 (오프피크), $0.44 (피크)

입력, 캐시 적중 — 오프피크 $0.007/1M 토큰, 피크 $0.014/1M 토큰

• 출력 — 1M 토큰당 $0.66 (비수기), $1.32 (피크)

• 피크 시간대 — 01:00–04:00 및 06:00–10:00 UTC (그 외 모든 시간은 비피크)

계산을 해보면 비전의 비용은 거의 사라진다. 입력 기준으로 384토큰 상한의 이미지 하나는 오프피크에 약 0.0085센트, 피크에 0.017센트이다. 한 번의 실행에서 스크린샷 50장을 읽는 에이전트는 모델이 첫 출력 토큰을 생성하기도 전에 입력 토큰 약 0.5센트를 추가하는 셈이다. DeepSeek은 또한 추론 전에 해상도를 제한한다: 낮은 디테일 수준은 512×512로 리사이즈되고, 높음/원본은 이미지를 사전 스케일링한다(작은 이미지는 약 384×384까지, 큰 이미지는 약 800×800까지). 따라서 고해상도 원본이 네이티브 픽셀 수 그대로 모델에 입력되는 일은 없다.

그 요금들은 이제 유일한 선택지가 아니라 상한선에 불과하다. 가중치가 공개되어 있으므로 셀프 호스팅은 토큰당 정가 대신 GPU 비용만큼만 든다 — 이미 추론 하드웨어를 운영 중이라면 수치를 계산해 볼 가치가 있고, 그렇지 않다면 무관하다.

조연: 무료 Files API 및 Harness 0.1.1

API 출시와 함께 두 가지 인프라 구성 요소가 제공되었습니다. Files API는 현재 무료로 사용할 수 있습니다. 이미지를 한 번 업로드하고 file_id로 참조한 다음, 바이트를 다시 전송하지 않고 여러 요청에 걸쳐 재사용할 수 있습니다. 이는 여러 턴에 걸쳐 페이지를 컨텍스트에 유지하는 브라우징 에이전트에게 의미가 있습니다. 또한 같은 날 출시된 DeepSeek Harness 0.1.1은 새 모델을 즉시 지원하므로, DeepSeek 에이전트 워크로드를 벤치마킹하고 구동하는 하네스를 바로 대상 모델에 적용할 수 있습니다. 가중치가 MIT 라이선스로 배포되어, 모델과 툴체인 스택 전체가 종단 간 오픈되었습니다.

프로덕션 주의사항, 쉽게 풀어 말하면

이것은 실험적 모델입니다. DeepSeek은 이를 명시적으로 실험적 모델로 표시하고, GA 날짜를 발표하지 않았으며, 프로덕션에서 직접 실행하는 것을 권장하지 않습니다. 명시된 계획은 피드백을 바탕으로 반복 개선한 후 나중에 안정적인 버전을 출시하는 것입니다. 실질적인 결과는 텍스트 브레인이 검증되었다는 것입니다. 즉, V4-Flash를 구동하는 것과 동일한 가중치 계열이지만, 비전 경로는 새로운 코드입니다. vLLM의 day-0 이미지 덕분에 오늘 바로 실행할 수 있지만, 그 이미지는 명시적으로 사전 릴리스입니다. 비전 구현은 안정적인 릴리스가 아닌 오픈 풀 리퀘스트에 있으며, 현재까지 공개된 비전 실행이 확인된 유일한 하드웨어는 NVIDIA GB200입니다. 따라서 독립적인 스트레스 테스트의 첫 물결은 이번 주에 막 시작되었지만, DeepSeek의 참조 코드만이 아닌 실제 서빙 엔진으로 시작되고 있습니다.

바로 그런 상황에서 라우팅 계층이 제 역할을 합니다. OrcaRouter에서는 deepseek/deepseek-v4-flash-vision-exp와 deepseek/deepseek-v4-flash가 모두 하나의 API 뒤에서 운영되며, DeepSeek의 공시 가격 그대로 마크업 없이 전달됩니다. 이미지가 포함된 트래픽은 실험 모델로 보내고, 동일한 구성에서 오류가 발생하거나 시간이 초과되는 즉시 대체 모델로 자동 장애 조치(failover)되도록 설정할 수 있습니다. 이는 '새 코드' 문제 전반의 위험을 낮춰 줍니다. 라우팅 DSL을 사용하면 실제로 이미지가 포함된 호출만 비전 모델로 보내고 순수 텍스트 트래픽은 DeepSeek-V4-Flash에 유지할 수 있어, 벤치마크 효과가 있는 경우에만 그 이점을 얻고 그렇지 않은 경우에는 추가 비용을 지불하지 않습니다.

MIT 라이선스 덕분에 이를 원하는 팀을 위한 자체 호스팅 경로도 이제 마련되었습니다. 릴리스에는 참조 추론 코드가 포함되어 있고, vLLM의 day-0 이미지가 프로덕션급 서빙 옵션을 추가하므로 API에 얽매이지 않아도 됩니다. 단지 모델을 평가하기 위해 약 2,850억 파라미터 규모의 MoE를 운영하고 싶지 않은 모든 사람에게 라우팅 API는 진입 장벽이 더 낮은 온-램프입니다.

다음에 볼 콘텐츠

API 출시 이후 미해결 질문들은 좁혀졌다. DeepSeek-V4-Flash-Vision-Exp가 GA에 도달할까, 그리고 가격은 유지될까? 비디오나 오디오 입력이 뒤따를까? 현재 모델은 정지 이미지만 지원하므로, 대형 멀티모달 프론티어 모델들은 움직이는 미디어에서 맞서지 못한 채 남아 있다. vLLM의 비전 경로는 고정된 day-0 이미지에서 안정적인 릴리스로, 그리고 GB200 너머의 하드웨어로 언제 졸업할까? 그리고 독립 평가들 — GPU를 가진 누구나 이제 실행할 수 있는 ApexBench나 Terminal-Bench의 첫 서드파티 실행 — 은 공개된 수치를 재현할까?

릴리스 노트가 배포된 이후 한 가지가 바뀌었다. 9월 8일, 위에서 패리티(parity) 프레임을 제시한 분석가 Teortaxes는 실사용 테스트를 통해 DeepSeek가 현재 최소 두 개의 최신 V4-Flash-Vision 모델을 실행하는 것으로 보인다고 보고했다. 그가 그레이 테스트로 접근한 모델은 자신의 테스트에서 둘 중 더 강력했으며, DeepSeek-V4-Flash-Vision-Exp와 같은 속도로 실행되었다. 그는 이를 공통 베이스로 해석했다. 더 새로운 빌드는 더 빠르지만 더 약하다. 이는 단일 연구자의 그레이 테스트 관찰일 뿐, DeepSeek의 공식 입장도 아니고 독립적인 벤치마크도 아니다. 이 소식은 DeepSeek가 '중간 버전'의 2일짜리 API 베타를 연 것과 같은 날 나왔다. DeepSeek는 그 버전을 네이티브 멀티모달이면서 더 빠르다고 소개한다 — 모델 ID deepseek-v4.1-flash-expires-on-0910은 9월 8일부터 서비스되기 시작했다 — 따라서 구매자에게 실질적인 질문은 출시 빌드가 속도와 강점 사이의 트레이드오프에서 어디에 위치하느냐이다: 더 빠른 티어가 오픈 웨이트 출시를 흥미롭게 만든 에이전틱 벤치마크 프로필을 유지하는지, 아니면 처리량과 맞바꾸는지가 핵심이다.

Moonshot/GLM 패리티 문제는 주목할 또 다른 사항입니다. Teortaxes의 프레이밍은 공급업체의 "Opus-4.8에 근접"이라는 발언을 테스트할 수 있는 버전입니다. 가중치가 공개되어 있으므로 이제 누구나 자신의 벤치마크에서 Moonshot 및 GLM의 비전 모델과 직접 비교할 수 있습니다. 누군가 그렇게 하기 전까지는 주장에 불과합니다. 재현할 필요가 없는 것은 이번 릴리스 전체의 기반이 되는 가격 책정 사실입니다. 텍스트 가격으로 제공되는 비전은 벤치마크가 아니라 청구 번호이며, 가중치가 공개됨에 따라 이제 무료 대안도 함께 제공됩니다.