SWE-2 Flash vs DeepSeek V4 Flash: 한쪽은 요금표를, 다른 쪽은 비율을 가지고 있다

두 모델을 나란히 놓을 때 가장 먼저 깨지는 것은 단위다.SWE-2 Flash와 DeepSeek V4 Flash가 좋은 예다. DeepSeek은 백만 토큰당 달러와 다운로드할 수 있는 체크포인트를 공개한다. Cognition은 비율 — SWE-2의 5분의 1 — 과 Devin 안의 한 자리를 공개한다. 이 중 하나는 그 위에 무언가를 만들 수 있는 모델이고, 다른 하나는 가져다 쓸 수 있는 모델이다. 이어지는 모든 비교는 이 비대칭을 견뎌야 하며, 출시 당일 떠돌던 대부분의 비교는 그러지 못했다.

그것은 비교를 건너뛸 이유가 아니다. 오히려 그 비교를 신중하게 할 가치가 있는 이유다. 두 모델은 같은 구매자를 겨냥한다. 즉, 프런티어에 가까운 코딩 동작을 프런티어 수준의 가격 없이 원하는 팀이다. 그리고 그 구매자가 그것을 어떻게 받기를 원하는지에 대해 두 모델은 정반대의 베팅을 한다. 한쪽 베팅은 분해형이다. 가중치, API, 공개된 컨텍스트 윈도, 그리고 예측 가능한 청구서다. 다른 쪽은 통합형이다. 하나의 하네스에 맞춰 조정된 모델을 다른 모델 비용의 일부로 판매하며, 서빙 스택이 그 숫자에 포함된다.

각각이 실제로 무엇인지, 그리고 체크포인트 함정

SWE-2 Flash는 2026년 11월 4일에 발표되었다. Thinking Machines의 총 276B, 활성 12B mixture인 Inkling-Small에서 포스트 트레이닝되었으며, Devin Desktop과 Devin CLI에서 제공된다. 11월 30일까지 그곳에서 무료다. API도, 공개 가중치도, 공개된 컨텍스트 윈도도 없다.

DeepSeek V4 Flash는 총 284B, 활성 약 13B 규모의 MIT 라이선스 믹스처로, 1M 토큰 컨텍스트 창과 최대 384,000개의 출력 토큰을 지원합니다. 텍스트만 처리하며, 비전 변형은 별도의 실험적 ID입니다. OpenAI 호환 API로 제공되며 봄부터 호출할 수 있었고, 에이전트형 코딩 작업의 대부분을 담당한 재사후학습된 0731 체크포인트가 있습니다.

그다음이 함정이다. 2026년 11월 5일에 확인한 DeepSeek 자체의 모델 및 가격 페이지에는 API가 여전히 허용하는 레거시 이름 중 하나로 deepseek-v4-flash가 나열되어 있고, 이제 DeepSeek-V4.1-Flash-1017이 이를 제공한다고 밝히고 있다. 그것은 다른, 더 큰 모델이다. Cognition의 비교표는 V4.1 Flash 1017을 총 763B, 활성 16B로 표기한다. 따라서 "DeepSeek V4 Flash"는 말하는 사람에 따라 최소 세 가지를 가리킨다. 4월 빌드, 0731 체크포인트, 또는 이제 해당 ID가 가리키는 10월 V4.1 체크포인트다. OrcaRouter에서는 고정된 ID들이 별도 라우트이며, 이것이 비교가 애초에 재현 가능할 수 있는 유일한 이유다.

이것은 단순한 꼬투리 잡기가 아닙니다. 이는 여러분이 인용할 자격이 있는 벤치마크 행이 무엇인지를 바꿉니다. "DeepSeek V4 Flash"의 공개 리더보드 수치는 0731 빌드에서 측정되었습니다. Cognition의 표는 V4.1 Flash 1017을 측정했습니다. 이 둘은 같은 모델이 아니며, 수치도 그에 따라 다릅니다.

가격 — 각 공급업체가 실제로 게시하는 두 단위 기준으로

DeepSeek의 요금표는 산수다. 현재 deepseek-flash ID가 제공하는 모델, 즉 페이지에 명시된 DeepSeek-V4.1-Flash-1017의 백만 토큰당 요금은 2026년 11월 5일 기준으로 다음과 같다. 입력은 오프피크 $0.15, 피크 시간대 $0.30이고, 출력은 오프피크 $0.60, 피크 $1.20이며, 캐시된 입력은 $0.003 및 $0.006이다. 피크는 월요일부터 금요일까지 01:00~04:00 및 06:00~10:00 UTC이며, 중국 공휴일은 제외한다. 해당 시간대 외에는 더 저렴한 요율이 적용된다.

고정된 이전 체크포인트는 가격이 다릅니다. OrcaRouter의 카탈로그에는 deepseek/deepseek-v4-flash가 백만 입력 토큰당 $0.22, 백만 출력 토큰당 $0.66에 실려 있으며, 피크 요금제가 없는 단일 요금입니다. 그것이 재현성의 가격입니다. 현재 모델을 호출하는 대신 4월 계보 모델을 고정하면 더 많은 비용을 지불하는 대신, 공개된 벤치마크 행 대부분이 실제로 측정된 모델을 사용할 수 있습니다. 어느 선택도 틀리지 않습니다. 둘은 서로 다른 질문에 답합니다.

Cognition의 카드는 비교입니다. "훨씬 더 큰 형제 모델의 5분의 1 가격에 3배 속도"가 공개된 전체 설명이며, 여기에는 절대적인 수치가 붙어 있지 않고, 게다가 11월 30일까지 무료입니다. 공개된 정보만으로 SWE-2 Flash에서 한 작업의 비용이 얼마인지 계산할 방법은 없습니다. 분모에 해당하는 모델 자체의 토큰 가격도 공개된 적이 없기 때문입니다.

두 가지 결과가 뒤따르는데, 둘 다 현학적이라기보다 실용적이다.

• 예측 가능성 — DeepSeek의 백만 토큰당 비용은 피크 배수까지 포함해 센트 단위로 알 수 있습니다. SWE-2 Flash의 비용은 이미 지불하고 있는 구독 안에서, 공개되지 않은 숫자의 일부로만 알 수 있습니다.

• 플랫 견적은 오해를 부릅니다 — 핀 고정된 V4 Flash 경로는 단일 정액 요율인 반면, 공급업체의 현재 가격표는 2단계 구조입니다. 따라서 고정 숫자는 주중 일부 기간에는 틀리며, 대부분의 벤치마크 행이 명시하는 체크포인트와 다른 체크포인트를 가리킵니다. 계획은 공급업체 가격표를 기준으로 세우고, 재현은 핀 고정된 경로를 기준으로 하십시오.

둘 다 겉보기보다 중요하다. 수천 건의 짧은 호출을 실행하는 에이전트에게 피크 배수는 엔지니어링으로 우회할 수 있는 스케줄링 문제이고, 소수의 긴 세션만 실행하는 코딩 에이전트에게는 반올림 오차에 불과하다. 당신이 어느 쪽인지에 따라 DeepSeek의 카드가 두 개의 가격인지 하나의 가격인지가 결정된다.

속도: 측정값과 대조한 재현

Cognition의 초당 200토큰은 실제 측정 타이밍이 아닙니다. 게시글에서 설명합니다: Terminal-Bench 4.0의 gsea-proteomics 작업에서 각 모델 자체 실행을 "초당 200토큰 대 60토큰으로 시뮬레이션하여 재생"했고, 트랜스크립트는 동일한 길이로 줄였습니다. SWE-2의 60 tok/s도 동일한 재생에서 나온 값입니다. 이는 Cognition이 목표로 하는 서빙 프로필을 설명하는 것으로, 공개하는 것 자체는 타당하지만 두 엔드포인트에 스톱워치를 대고 잰 값은 아닙니다.

Artificial Analysis는 현재 모델 페이지에서 DeepSeek V4 Flash를 초당 출력 토큰 112개, 첫 답변 토큰까지 32.41초로 측정합니다. 이는 공급자가 수행하는 대기열 처리까지 포함한 라이브 API 측정입니다. 두 수치는 비교할 수 없으며, 이를 서로 빼는 것은 의미가 없습니다. 하나는 제품 내부의 시뮬레이션된 재생이고, 다른 하나는 공개 엔드포인트 전반에서 관찰된 서빙 속도입니다.

유의점에도 불구하고 남는 것은 방향성이다. 12B 활성 모델이 실제로 Devin 내부에서 대략 200 tok/s로 서빙되는 반면 13B 활성 모델이 공개 API에서 112 tok/s로 측정된다면, 활성 파라미터가 더 적은 모델이 분명히 더 빠른 모델인 것은 아니다 — 서빙 스택이 아키텍처만큼이나 많은 일을 하고 있는 것이다. 이는 통합 제품에 유리한 점이며, 파라미터 수만으로 속도를 판단하는 것에 반대되는 점이다.

단 한 번의 같은 테이블 실행, 그리고 그것을 실행한 사람

Cognition의 출시 표에는 DeepSeek의 모델이 직접 포함되어 있습니다. 해당 열은 DeepSeek V4.1 Flash 1017로, 이제 deepseek-v4-flash ID가 해석되는 체크포인트이며, 이로써 이 비교는 두 모델을 한 지붕 아래에서 수행한 유일한 비교가 됩니다. 아래의 모든 수치는 Cognition의 벤치마크에 기반한 Cognition의 것이며, 공개된 하네스는 없습니다.

• FrontierCode 2.0 — SWE-2 Flash 24.0 대 DeepSeek V4.1 Flash 1017 19.3

• FrontierCode 1.1 메인 — 45.5 vs 43.9

• DeepSWE 1.1 — 60.1 vs 77.0

Terminal-Bench 4.0 — 20.0 vs 42.3

• Terminal-Bench 2.1 — 89.2 대 91.0

• SWE-Atlas QA — 50.0 대 71.0

• SWE-Bench Pro v2 Hard — 89.9 대 86.3

• ExploitBench — 34.8 vs 31.1

각각 네 행씩 나뉘고, 격차는 전혀 대칭적이지 않다. SWE-2 Flash는 FrontierCode 2.0에서 4.7점, FrontierCode 1.1 Main에서 1.6점, SWE-Bench Pro v2 Hard에서 3.6점, ExploitBench에서 3.7점 차로 이긴다. DeepSeek는 DeepSWE 1.1에서 16.9점, Terminal-Bench 4.0에서 22.3점, SWE-Atlas QA에서 21.0점, Terminal-Bench 2.1에서 1.8점 차로 이긴다. Flash의 모든 승리는 몇 점 차에 불과하다. DeepSeek의 승리 중 두 개는 20점을 넘는다.

비교를 승수 대신 격차를 기준으로 가중하면 더 이상 근접한 싸움이 아니다. Flash는 작성된 사양에 대한 범위가 제한된 패치를 보상하는 FrontierCode에서는 정말 경쟁력이 있지만, 터미널 에이전트가 작업을 완료까지 수행하는 능력을 측정하는 Terminal-Bench 4.0에서는 크게 뒤처진다. 그 항목은 나머지 경쟁자들이 갈리는 지점이기도 하다. 같은 벤치마크에서 GLM 5.3 Flash는 41.8점, Claude Haiku 5.5는 39.2점을 기록한 반면, Flash는 20.0점이다.

이제 같은 맥락에서 짚어야 할 유의점들입니다. 이것은 경쟁사의 표입니다. FrontierCode는 Cognition 자체의 도구이며, Cognition이 이를 채점합니다. 게시물은 하네스도, effort 설정도, 실행 횟수도 공개하지 않으므로 '같은 표'가 '같은 조건'과 같은 것은 아닙니다. 이는 한 공급업체의 방법론을 일률적으로 적용한 것으로, 아무것도 없는 것보다는 낫고 독립적인 것보다는 못합니다. 그리고 DeepSeek 열은 V4.1 Flash 1017이며, 대부분의 공개 수치가 설명하는 0731 빌드가 아닙니다.

측정 도구가 얼마나 중요한지 확인할 수 있는 유용한 온전성 점검이 있다. Artificial Analysis가 2026년 7월 31일에 마지막으로 실행한 DeepSeek V4 Flash 0731 빌드 평가에서는 Terminal-Bench 4.0에서 12.1%를 기록한다. Cognition의 표에는 V4.1 Flash 1017 체크포인트에 대해 42.3%가 기록되어 있다. 같은 이름의 벤치마크에서 30포인트 차이다. 그 차이의 일부는 체크포인트 때문이고 — V4.1은 다르고 더 큰 모델이다 — 일부는 하네스 때문이다. 하나는 표준화된 제3자 실행이고 다른 하나는 벤더 자체 실행이기 때문이다. 어느 쪽이든, 이 비교의 어떤 단일 행도 모델만의 속성은 아니며, 두 벤더가 가장 크게 엇갈리는 행들이야말로 가장 느슨하게 받아들여야 할 행이다.

컨텍스트, 가중치, 그리고 무엇을 만들 수 있는지

• 컨텍스트 윈도우 — DeepSeek 1,048,576 토큰 공개 vs SWE-2 Flash 미공개

• 최대 출력 — DeepSeek 384,000 토큰 vs SWE-2 Flash는 미공개

• 가중치 — DeepSeek MIT는 다운로드 가능, SWE-2 Flash는 게이트 적용, 파트너 프로그램은 "몇 주 안에" 약속

• 모달리티 — DeepSeek V4 Flash는 텍스트 전용이며, 비전은 V4.1 체크포인트와 별도의 실험적 ID에서 제공될 예정이고, SWE-2 Flash의 경우는 언급되지 않음

• 배포 — DeepSeek API 및 서드파티 플랫폼 vs Devin Desktop 및 Devin CLI 전용

• Effort 제어 — DeepSeek 사고/비사고 모드 vs SWE-2 Flash는 문서화되지 않음

• 파인튜닝 허가 — DeepSeek는 가능 vs SWE-2 Flash는 불가, 아직은

제품을 만드는 팀에게는 그 일곱 행 중 다섯 행만으로도 탈락 사유다. 공개되지 않은 컨텍스트 윈도우를 기준으로 검색 파이프라인을 계획할 수 없고, 가지고 있지 않은 가중치를 파인튜닝할 수도 없으며, 다른 사람의 IDE 안에만 존재하는 의존성을 아키텍처에 넣을 수도 없다. SWE-2 Flash는 그 자리를 두고 경쟁하는 것이 아니다. 개발자가 이미 차지하고 있는 자리를 두고 경쟁하는 것이다.

Flash가 우위를 갖는 유일한 행은 Cognition이 가장 명확하게 밝히지 않는 행이기도 하다: 작업당 비용이다. SWE-2 가격의 5분의 1이 작업 하나를 완수하는 비용의 5분의 1이라면, 구독료는 이미 지불되었기 때문에 Devin 내부의 대화형 작업에서 DeepSeek의 토큰당 요금표를 앞선다. 작업당 더 많은 토큰을 생성하는 모델에서 토큰 가격의 5분의 1이라면, 그 우위는 줄어든다. Cognition은 어느 쪽인지 판별할 만큼 충분히 공개하지 않는다.

라우터가 계산을 바꾸는 곳

DeepSeek V4 Flash는 OrcaRouter에서 라우팅됩니다 deepseek/deepseek-v4-flash로, 제공업체의 정가에 마크업 없이 제공되며, 이는 하루에 두 번 가격이 바뀌는 모델에 중요합니다: 벤더의 인하나 피크 윈도 변경이 플랫폼이 가격을 다시 책정하기를 기다리지 않고 해당 라우트에 반영되기 때문입니다. 동일한 키로 200개 이상의 모델에 접근할 수 있으므로, 이 비교의 합리적인 버전 — DeepSeek V4 Flash, GLM 5.3 Flash, Kimi K3에 대해 큐를 실행하고 작업이 실제로 어떤 모델을 선호하는지 확인하는 것 — 은 세 개의 계약 대신 모델 ID 변경만으로 가능합니다. 제공업체 간 자동 장애 조치가 나머지 절반입니다: DeepSeek의 피크 윈도는 바로 두 번째 라우트가 제 역할을 하는 때이며, 폴백 체인은 페이저 알림보다 비용이 저렴합니다.

SWE-2 Flash는 OrcaRouter에 없으며, 있을 수도 없습니다. 라우팅할 엔드포인트가 존재하지 않는다는 것이 이 전체 비교에 대한 솔직한 요약입니다. 원한다면 Devin을 사야 합니다. 자체 소프트웨어에서 코딩 모델을 호출하고 싶다면, 벤치마크가 공개되기 전에 이미 선택은 끝나 있었습니다.

어느 걸 고를까?

프로덕션에서 쓸 코딩 모델이 필요하다면 — API, 용량을 가늠해 볼 수 있는 컨텍스트 윈도우, 고정해 둘 수 있는 가중치, 예측 가능한 청구서 — 두 모델 중 조건을 갖춘 것은 DeepSeek V4 Flash 하나뿐이며, 고정할 체크포인트는 10월 버전입니다. 피크 시간대 할인은 그에 맞춰 엔지니어링할 가치가 있고, 1M 컨텍스트는 거의 다 채우지 않더라도 갖춰 둘 가치가 있습니다.

Devin에 이미 비용을 지불하고 있다면, SWE-2 Flash는 11월 30일까지 사실상 무료에 가까운 선택지입니다. 대기열에서 범위가 명확한 작업에 이것을 투입하고, DeepSWE 격차가 말해주는 다단계 작업에는 SWE-2를 유지하세요. 그리고 이 무료 기간을 그 본연의 평가 기간으로 취급하십시오. 위험은 이것이 나쁘다는 데 있지 않습니다. 위험은 측정이 이루어져야 할 자리에 비율이 사용되고 있다는 점입니다.

팀 전체를 하나의 코딩 모델로 표준화하려는 상황이라면, 이 비교는 그것을 결정할 맞대결이 아니다. 한 후보는 테스트할 수 있고 다른 후보는 테스트할 수 없으며, 한쪽만 관찰 가능한 비교는 벤치마크 옷을 입은 배포 결정일 뿐이다. 측정할 수 있는 쪽을 선택하고, Cognition이 엔드포인트나 파트너 프로그램을 출시해 가중치를 접근 가능한 곳에 두면 그때 다시 검토하라.