DeepSeek 4.1 Flash는 왜 시장을 흔들지 못했나 — 토큰 단가와 구독 보조금 사이
DeepSeek 4.1 Flash는 왜 시장을 흔들지 못했나 — 토큰 단가와 구독 보조금 사이
값싼 오픈 웨이트 모델이 프런티어 가격을 무너뜨리지 못하는 것은 성능이 모자라서인가, 아니면 가격이 애초에 경쟁의 축이 아니어서인가?
도입
2026년 10월 7일, Jono라는 개발자가 개인 블로그에 「업계는 왜 DeepSeek 4.1 Flash에 놀라 자빠지지 않는가」라는 글을 올렸다. 이 글은 다음 날 해커뉴스에서 1137점, 989개의 댓글을 모았다. 글쓴이의 주장은 단순하다. 한 달 동안 열두 개 가까운 프로젝트에서 이 모델을 집중적으로 썼는데, 세션 도중 모델 이름을 보지 않으면 DeepSeek인지 Opus인지 구별하지 못하겠다는 것이다. 그런데도 프런티어 연구소들은 왜 당황하지 않느냐고 그는 묻는다.
질문 자체는 수사적이지만, 댓글란이 내놓은 답은 수사적이지 않았다. 「모델이 별로라서」라는 짧은 답부터, 「구독제가 보조금을 받고 있어서」, 「토큰을 열 배 더 써서」, 「우리 회사는 중국산을 어떤 값에도 사지 않는다」까지, 이유가 여러 층에 걸쳐 나왔다. 흥미로운 것은 이 이유들 대부분이 벤치마크 점수와 무관하다는 점이다.
이 글은 그 댓글들과 원문, 그리고 원문이 근거로 링크한 Artificial Analysis의 비교 페이지를 함께 읽으며, 값싼 모델이 왜 곧바로 시장을 바꾸지 못하는지, 그리고 기업이 실제로 모델을 고를 때 무엇을 보는지를 정리한다.
현상 분석 — 숫자로 본 「싸다」의 크기
먼저 원문이 말하는 「싸다」가 얼마나 싼지부터 확인하자. 원문이 링크한 Artificial Analysis의 Claude Opus 5.5 대 DeepSeek V4.1 Flash 비교 페이지에 따르면, 100만 토큰당 입력 단가는 Opus 5.5가 4달러, DeepSeek V4.1 Flash가 0.30달러다. 출력은 20달러 대 1.20달러, 캐시 적중 단가는 0.20달러 대 0.006달러다. 입력은 약 13배, 출력은 약 17배, 캐시 읽기는 약 33배 차이다.
같은 페이지의 「과제당 비용」은 이 격차를 더 실감나게 보여 준다. 최대 추론 설정 기준으로 Opus 5.5는 과제당 5.98달러, DeepSeek V4.1 Flash는 0.27달러다. 대략 22배다. 속도도 DeepSeek 쪽이 빠르다. 출력 속도는 초당 176토큰 대 97토큰이고, 과제당 소요 시간은 약 362초 대 784초다.
하지만 같은 표에는 다른 숫자도 있다. Artificial Analysis의 종합 지능 지수는 Opus 5.5(최대 설정)가 58, DeepSeek V4.1 Flash(최대 설정)가 39다. Opus 5.5를 가장 낮은 노력 수준으로 돌려도 42로, DeepSeek의 최대 설정보다 높다. Terminal-Bench 4.0에서는 59.6% 대 26.8%로 두 배 넘게 벌어진다. AA-Omniscience 항목에서는 Opus가 46, DeepSeek가 −5로 음수다. 이 지표가 오답에 감점을 주는 방식이라면 음수는 모르는 것을 아는 척하는 경향을 시사하지만, 지표의 정확한 산식은 이번에 확인하지 않았으므로 해석은 조심스럽게 둔다. 반대로 AutomationBench-AA는 68.9% 대 69.5%로 거의 같고, 장문 컨텍스트 지표 AA-LCR도 84.0% 대 84.7%로 붙어 있다.
정리하면, 이 모델은 「모든 면에서 프런티어와 동급」이 아니다. 자동화형 작업과 긴 컨텍스트에서는 근접하고, 어려운 터미널 과제와 사실성에서는 뚜렷하게 뒤진다. 원문 필자의 체감, 즉 「구별이 안 된다」는 말은 그가 맡기는 작업의 분포에 대한 진술이지 모델 전반에 대한 진술은 아니다.
원문은 저렴함의 기술적 원천으로 KV 캐시를 꼽는다. DeepSeek가 V1 대비 KV 캐시를 대략 437배 줄였고, 긴 코딩 세션에서 그 캐시를 GPU 메모리에 들고 있는 것이 가장 큰 비용 중 하나이므로, 종일 돌려도 1달러 미만으로 끝난다는 설명이다. 원문이 링크한 insufferable.dev의 9월 29일자 글은 이를 좀 더 풀어 쓴다. MLA로 캐시를 약 15배 압축했고, 이후 Compressed Sparse Attention과 Heavily Compressed Attention을 거쳐, V4.1 Flash에서는 CSA2, 층 간 캐시 재사용, 인과적 인코더-디코더 구조, FP4 캐싱으로 전역 KV 캐시를 토큰당 890바이트까지 낮췄다는 것이다. 이 글은 또 Opus 5.5가 Opus 5 대비 캐시 읽기 가격을 60%, GPT-6.1 Sol이 GPT-5.6 Sol의 7월 말 가격 대비 80% 내렸다며, 서구 연구소들이 이 최적화를 받아들인 증거라고 주장한다. 다만 이것은 필자의 추론이고, 두 회사가 실제로 어떤 기법을 채택했는지는 이 글이 인용하는 범위에서 확인되지 않는다.
심층 분석 — 가격표가 말하지 않는 네 가지
댓글란에서 반복된 이유를 묶으면 네 갈래가 나온다.
첫째, 실제로 지불하는 가격은 API 단가가 아니다. 가장 많은 답글(32개)이 달린 vishvananda의 댓글이 이 지점을 짚었다. (직접 인용은 아니고, 코멘트의 요지를 요약) 대부분의 사람은 강하게 보조된 구독제를 쓰고 있고, 자신이 OpenRouter의 가장 싼 공급자로 며칠 만에 50달러를 썼는데 그 돈이 Codex 구독료의 4분의 1이며 구독 안에서는 Astra로 그만큼 이상의 토큰을 주간 리셋 안에 쓸 수 있었다, 프런티어 연구소가 이렇게 보조하는 동안 오픈 모델은 의미가 없다는 요지다. mlinsey도 비슷하게 말한다. (직접 인용은 아니고, 코멘트의 요지를 요약) 월 100달러 Z.ai 구독으로 쓴 GLM 5.3과 월 100달러 Claude 구독의 Opus 5.5를 비교하면 큰 차이가 없었고, 이는 대형 연구소의 가격 차별과 프런티어 모델의 높은 마진을 보여 준다는 것이다. Frannky는 구독이면 API 가격의 40분의 1에서 50분의 1 수준이라고 추정했고, ApolloFortyNine은 구독이 없었다면 모두가 DeepSeek 4.1로 갔을 것이라고 했다.
즉 이 비교의 상대는 「Opus API 단가」가 아니라 「Opus가 포함된 정액 구독」이다. 개발자 개인 관점에서 후자의 한계 비용은 0에 가깝다. 13배 싼 것과 이미 낸 돈은 경쟁이 되지 않는다. 이 보조가 지속 가능한지는 별개 문제다. zug_zug는 미국 회사들이 수익을 내지 못하고 있으니 언젠가 요금을 올릴 것이라며, 우버식 전략으로 보고 갈아탈 준비를 해 둔다고 썼다. 여기서 「수익을 내지 못한다」는 것은 댓글 작성자의 이해이며, 이번에 확인한 자료로 뒷받침되지는 않는다.
둘째, 토큰 단가가 아니라 과제당 토큰 수가 비용을 정한다. xzjis는 (직접 인용은 아니고, 코멘트의 요지를 요약) 같은 과제에 DeepSeek 4.1 Flash가 GPT-6.1 Sol보다 토큰을 열 배 쓰면서 품질은 더 낮으니 토큰당 열 배 싼 것은 이점이 아니라고 주장했고, wasfgwp도 4.1이 다른 모델보다 훨씬 많은 토큰을 써서 원가 비교가 기만적이라고 했다. 「열 배」라는 수치는 댓글 작성자의 주장일 뿐 이번에 검증하지 못했다. 하지만 Artificial Analysis 표에서도 단가 차이(13~17배)에 비해 과제당 비용 차이(최대 설정 기준 약 22배, 그러나 Opus 저노력 0.55달러 대 DeepSeek 최대 0.27달러로는 약 2배)가 설정에 따라 크게 흔들린다는 점은 확인된다. 「싸다」는 노력 수준을 어떻게 맞추느냐에 따라 22배일 수도, 2배일 수도 있다.
셋째, 경쟁 상대는 Opus가 아니라 같은 가격대의 서구 모델이다. criley2, oh_no, Shekelphile, andxor, ltbarcly3 등 여러 사용자가 같은 말을 했다. (직접 인용은 아니고, 코멘트의 요지를 요약) 같은 성능을 절반 가격에 주는 Luna나 Haiku 5.5가 있고, 같은 가격이면 Sol 6.1 중간 설정이 훨씬 낫다, DeepSeek는 출시 때 파장을 일으켰지만 비용 경쟁형 미국 모델들의 연이은 출시에 곧 묻혔다는 것이다. ctolsen은 Luna의 가격 인하가 dsv4와의 경쟁에 대한 대응이었다는 것이 OpenRouter 사용량에서 분명하다며, 업계는 반응하고 있고 그것은 코딩 구독이 아니라 대량 API 사용 쪽이라고 지적했다. 업계가 놀라지 않은 것이 아니라, 소리 없이 가격으로 대응했다는 해석이다.
넷째, 조달과 신뢰. 이것이 기업 의사결정에서 가장 무거운 축일 수 있다. 827a의 댓글은 짧고 명료하다. (직접 인용은 아니고, 코멘트의 요지를 요약) 회사는 엔지니어 1인당 월 200달러, 필요하면 500달러까지 최고의 도구에 낼 의향이 있지만, 거의 비슷한 더 싼 도구에 50달러를 낼 의향은 없고, 중국산이라면 미국에서 호스팅되더라도 어떤 금액도 내지 않는다는 것이다. cbeach는 중국 국가정보법을 들어 에이전트형 접근 권한을 넘기는 위험을 길게 설명했다. damowangcy는 OpenAI와 Anthropic의 공격적인 기업 영업, 그리고 DeepSeek와 Z.ai의 중국 밖 마케팅 부재와 불분명한 ZDR(데이터 무보존) 정책을 이유로 들었다. peteforde는 Cursor가 지원하는 목록에 없으면 사실상 존재하지 않는 것이라고 했고, pianopatrick도 Cursor에서 DeepSeek를 찾을 수 없었다고 썼다.
이 네 갈래를 겹치면 하나의 그림이 된다. 기업의 모델 선택은 「점수 대 단가」의 2차원 평면에서 이뤄지지 않는다. 실제로는 이미 계약된 정액 요금, 과제당 총 토큰, 같은 가격대의 대체재, 조달 규정, 데이터 처리에 대한 신뢰, 그리고 사내 도구에 기본 탑재되어 있느냐는 유통의 문제가 차례로 걸러낸다. 단가 우위는 이 필터들을 모두 통과한 뒤에야 의미를 갖는다.
전망과 시사점 — 「놀라지 않는다」의 다른 독법
그렇다면 업계는 정말 놀라지 않았는가. 댓글란에는 반대 해석도 적지 않았다. anon373839(답글 26개)는 (직접 인용은 아니고, 코멘트의 요지를 요약) 업계가 DeepSeek 개별 모델이 아니라 오픈 웨이트 모델 전반에 대해 겁먹고 있으며, 그래서 프런티어 속도 조절을 워싱턴에 요청하는 움직임이 반복되는 것이라고 주장했다. minton, PunchyHamster, Kuyawa도 규제 추진 자체가 당황의 표현이라고 봤고, habosa는 API 가격 인하와 구독 보조 지속이 곧 겁먹었다는 증거라고 했다. smallmancontrov는 공개적으로 인정하면 주가가 떨어지니 최대한 늦출 것이라고 했다. 이 주장들은 동기에 대한 추정이며, 이번에 확인한 자료로 입증되지는 않는다.
2025년 1월 DeepSeek R1 공개 직후에는 미국 AI 관련 주식이 크게 흔들린 바 있다. 이번에 그런 반응이 보이지 않는 이유에 대해 원문과 댓글은 직접적인 시장 분석을 내놓지 않는다. 다만 이번 토론에서 읽히는 차이는 있다. 그때의 충격은 「이 정도 성능을 이렇게 싸게 만들 수 있다」는 학습 비용에 대한 놀라움이었다. 이번 논쟁의 축은 추론 비용과 유통이다. 그리고 추론 비용 측면에서는 insufferable.dev 필자의 주장대로라면 서구 연구소들이 이미 캐시 가격을 내리며 흡수하고 있다. 놀라움이 가격표 안으로 녹아든 셈이다.
원문 필자도 해커뉴스 반응 이후 추기에서 입장을 다듬었다. 중국 회사들은 다른 규칙으로 경기하고 있으며, 프런티어 연구소는 신모델 학습 비용을 회수해야 하는 전혀 다른 비즈니스 모델을 가졌다고 썼다. 그는 이를 신약 개발사와 제네릭 제조사의 관계에 비유한다. 이 비유는 시사적이다. 제네릭은 시장을 없애지 않는다. 특허가 끝난 영역을 가져갈 뿐이고, 신약 회사는 다음 특허로 이동한다. 같은 구도라면 오픈 웨이트 모델은 「이미 충분히 풀린 작업」, 즉 구현, 탐색, 테스트, 서브에이전트를 가져가고, 프런티어는 계획, 리뷰, 어려운 추론으로 물러난다.
댓글의 사용 사례가 실제로 이 분업을 보여 준다. gregwebs는 DeepSeek를 오케스트레이터, 테스터, 코드 탐색 서브에이전트로 쓰고 계획과 리뷰는 Opus/Sol/Astra로 했다고 썼다. jbellis는 Opus가 DeepSeek Flash 서브에이전트를 관리하게 하는 도구를 만들었다고 했고, p1necone은 DeepSeek를 오케스트레이터로 썼다가 맥락 누락과 근거 없는 설계 때문에 GLM으로 돌아갔지만 잘 명세된 구현 과제에는 충분하다고 했다. try-working은 30일간 400억 토큰 이상, 800달러 이상을 썼다며 단계를 나누고 검증을 넣으면 대부분 가능하지만 프런티어 모델은 그런 복잡한 워크플로 없이도 해낸다고 정리했다.
이 마지막 문장이 핵심이다. 값싼 모델의 비용은 토큰 단가가 아니라 그것을 감싸는 하네스, 즉 단계 분할, 검증, 재감사에 들어가는 사람의 설계 시간에 있다. 그 비용은 어떤 가격표에도 찍히지 않는다.
결론
DeepSeek 4.1 Flash가 업계를 흔들지 못한 이유를 「성능이 모자라서」로만 설명하면 절반만 맞다. Artificial Analysis 기준 지능 지수는 58 대 39로 분명히 격차가 있지만, 같은 표에서 자동화 과제와 긴 컨텍스트는 거의 대등하다. 더 큰 이유는 가격이 기업의 의사결정 축 위에 놓여 있지 않다는 데 있다. 개인 개발자는 정액 구독의 보조를 받고, 기업은 조달 규정과 신뢰와 기존 도구의 기본값으로 고른다. 그리고 같은 가격대에는 이미 Luna와 Haiku 5.5 같은 서구 모델이 들어와 있다.
그래서 「놀라지 않는다」는 「영향이 없다」와 같은 말이 아니다. 영향은 캐시 가격 인하와 저가 모델 라인업이라는 형태로 이미 가격표 안에 흡수되었고, 일부는 규제 논쟁의 형태로 표면에 올라와 있다.
여러분의 팀이 모델을 비교할 때 쓰는 표에는 몇 개의 열이 있는가. 토큰 단가와 벤치마크 점수 옆에, 과제당 총 토큰, 정액 계약의 한계 비용, 데이터 처리 정책, 그리고 값싼 모델을 감싸기 위해 사람이 들이는 설계 시간이 함께 들어 있는가. 그 열들이 비어 있다면, 아직 비교는 시작되지 않은 것이다.
출처: