DeepSeek V4 Pro는 이제 양산 모델로 출시되었지만, 2026년 8월 업데이트 이후 Pro, Flash, Vision-Exp 모델 중 어떤 것을 선택해야 할지 판단하기가 더 어려워졌습니다. 이 세 모델은 같은 제품군 이름을 공유하지만, 복잡한 제약 조건 하에서의 신뢰성, 비용 및 생산량, 또는 이미지 입력 등 각기 다른 우선순위를 지향합니다.
실질적인 결정은 작업량에서 시작됩니다. 대량의 텍스트를 처리하거나 예산이 중요한 자동화 작업의 경우, Flash가 합리적인 출발점입니다. 일관성 없는 결과로 인해 비용이 많이 드는 재작업이 발생할 때는 Pro가 더 적합합니다. 입력 자료에 이미지가 포함된 경우에는 deepseek-v4-flash-vision-exp 단순 텍스트 전용 모델들보다는.
연구, 글쓰기, 추론 및 코딩 지원을 하나의 워크플로우로 통합하고 싶다면, 다음을 이용할 수 있습니다. GlobalGPT. 또한 다음을 위한 전용 노선이 마련되어 있습니다. DeepSeek V4 Pro. 이는 대체 인터페이스일 뿐이며, 공식 API의 과금, 사용 한도 및 연동 기능은 여전히 DeepSeek의 자체 환경에서 제공됩니다.
DeepSeek V4가 공식 출시되었나요?
네. DeepSeek는 2026년 8월 13일에 V4 Pro의 정식 출시를 발표했습니다. 공식 문서에 따르면 이 양산 모델은 다음과 같이 명시되어 있습니다. DeepSeek-V4-Pro-0813. V4 Flash는 다음과 같이 표시됩니다. DeepSeek-V4-Flash-0731, 한편 8월 21일에 출시된 실험용 비전 모델은 deepseek-v4-flash-vision-exp.
- V4 Pro: 더 까다로운 작업을 목표로 하는 텍스트 모델.
- V4 플래시: 비용과 처리량에 최적화된 텍스트 모델.
- V4 플래시 비전-익스팬드: 이미지를 입력으로 받는 실험용 변형입니다.
일반 제공(GA)이라고 해서 모든 제품이나 제공업체가 동일한 인터페이스, 할당량 또는 통합 기능을 제공하는 것은 아닙니다. API 관련 결정은 공식 문서를 참조하십시오. 모델 및 가격 페이지와 GA 릴리스 노트.
DeepSeek V4 Pro
버전: Pro-0813
가장 적합한 대상: 더 까다로운 코딩, 에이전트, 추론, 그리고 제약 조건이 많은 산출물.
DeepSeek V4 플래시
버전: Flash-0731
가장 적합한 대상: 대량 처리, 일상적인 코딩, 데이터 검색 및 비용 효율성이 중요한 업무.
V4 기술 보고서에서는 프리뷰 변형을 설명하는 반면, 실제 API에서는 구버전의 프로덕션 버전을 사용하기 때문에 명칭이 헷갈릴 수 있습니다. 본 리뷰 전반에 걸쳐, 문장에 “V4 프리뷰”라고 명시적으로 언급되지 않는 한 “Pro”는 Pro-0813을, “Flash”는 Flash-0731을 의미합니다.”
DeepSeek V4 Pro에서는 무엇이 달라졌나요?
가장 뚜렷한 변화는 규모, 컨텍스트 수용 능력, 에이전트 중심 인터페이스, 그리고 2단계 제품 전략입니다. DeepSeek의 공식 프로 모델 카드 총 1.6조 개의 매개변수와 490억 개의 활성 매개변수를 가진 전문가 혼합(MiXM) 모델을 소개하며, 이 모델은 MIT 라이선스 하에 공개되었습니다. 함께 제공되는 V4 자료에는 백만 토큰 규모의 처리를 실용화하는 것을 목표로 한 새로운 어텐션 및 라우팅 연구가 설명되어 있습니다.
- 현재 두 가지 등급: 품질에 민감한 작업에는 Pro를, 처리량과 비용 효율성을 중시할 때는 Flash를 선택하세요.
- 훨씬 더 긴 작업 기억: 두 모델 모두에 대해 지정된 1M 토큰 컨텍스트 윈도우.
- 대규모 발전 상한선: 공식 사양에 따르면 최대 384K개의 출력 토큰이 가능합니다.
- 에이전트 인터페이스: 도구 호출, JSON 출력, 응답 API 및 Anthropic 호환 액세스.
- 오픈급 체중: 공식 V4 모델 카드와 파일은 제공되고 있지만, 본격적인 현지 배포는 여전히 대규모 인프라 프로젝트로 남아 있습니다.
이러한 조합 덕분에 V4는 리포지토리 규모의 코딩, 방대한 연구 자료, 다단계 에이전트 추적 분석에 유용하게 활용될 수 있습니다. 또한 이는 경쟁의 틀을 바꾸어 놓았습니다. 이제 유용한 평가 기준은 단순히 대화의 질을 넘어, 도구나 엄격한 형식, 긴 입력 데이터 상황에서 모델이 어떻게 작동하는지를 살펴봐야 합니다. 우리의 DeepSeek 대 ChatGPT 비교 해당 생태계들이 어떤 점에서 다른지에 대한 더 자세한 배경을 제공합니다.
DeepSeek V4 Pro 대 Flash: 실제 사용상의 차이점
두 버전 모두 동일한 헤드라인 컨텍스트와 출력 제한을 제공하므로, 이는 “전체 모델 대 짧은 컨텍스트 모델” 간의 선택 문제가 아닙니다. 주로 품질, 가격, 용량 계획에 따른 결정 사항입니다. Flash의 공식 동시 실행 상한은 Pro의 5배인 반면, Pro의 캐시 미스 입력 및 출력 토큰 비용은 Flash보다 3배 조금 넘는 수준입니다.
Pro와 Flash의 비교 요약
공식 사양 및 가격은 2026년 8월 13일 기준으로 확인되었으며, 실사용 테스트 결과는 각 작업당 한 번의 실행 결과를 바탕으로 한 것으로, 공식 벤치마크 결과는 아닙니다.
다음과 같은 경우에는 ‘플래시’를 선택하세요…
저비용의 확장성, 일상적인 코드 수정, 데이터 추출, 분류 또는 대량의 병렬 요청이 필요한 경우, 중요한 산술 연산 및 형식 제약 조건을 검증할 수 있습니다.
다음과 같은 경우에는 ‘Pro’를 선택하세요…
이 결과물은 코드, 정책, 재무 또는 수많은 정확한 제약 조건을 종합한 것이며, 이에 따른 추가 비용은 미묘한 실패로 인해 발생하는 비용보다 적습니다.
실습 테스트: 코딩, 검색, 제약 조건 준수
2026년 8월 13일, 동일한 Broly Anywhere OpenAI 호환 엔드포인트를 통해 두 API 모델 ID를 모두 테스트했습니다. 온도는 0이었습니다. 각 점수 결과는 모델 및 작업당 한 번의 실행 결과입니다. 실제 소요 시간에는 게이트웨이 및 업스트림 지연 시간이 포함되어 있으므로, 이는 안정적인 지연 시간 순위가 아닌 참고용으로 유용합니다.
실습용 평가표
Pro와 Flash 모두 지정된 모든 테스트를 통과했습니다.
정답과 필요한 모든 기록 인용이 모두 정확했습니다.
Pro는 모든 규칙을 충족했지만, Flash는 산술 및 길이 제한을 충족하지 못했습니다.
테스트 1: 에이전트 기반 파이썬 디버깅
이 허브는 각 모델에 세 개의 파일로 구성된 소규모 파이썬 가격 책정 프로젝트 내에서 ‘리스트 파일’, ‘파일 읽기’, ‘파일 쓰기’, ‘테스트 실행’이라는 네 가지 도구를 제공했습니다. 이는 채팅에서 코드 스니펫을 요청하는 것보다 에이전트 워크플로우에 더 가깝습니다.
파이썬 가격 책정 프로젝트의 디버깅, 패치 및 검증
두 모델 모두 동일한 6단계 호출 경로를 따랐으며, 구현 부분만 수정했고, 그 결과 8명 합격. Flash는 이 실행을 47.378초 만에 완료한 반면, Pro는 95.228초가 걸렸으며, 반환된 토큰의 수도 더 적게 사용했습니다. 이 부분에서는 품질 면에서 우위를 점한 쪽이 없었습니다. 코드에 초점을 맞춘 또 다른 관점을 보려면 당사의 DeepSeek 대 ChatGPT 파이썬 코딩 테스트.
테스트 2: 약 20.7K 토큰 규모의 문서 검색
우리는 180개 이상의 기록, 반복되는 오답지, 오래된 초안, 그리고 흩어져 있는 10가지 사실로 구성된 자료집을 첨부했습니다. 모델은 정확히 10줄 형식으로 답변해야 했으며, 모든 답변에 대해 해당 기록을 인용해야 했습니다.
정확한 인용 정보를 바탕으로 논란의 여지가 있는 자료에 답변하십시오
두 모델 모두 22점 만점에 22점을 기록했습니다: 정답 10개, 정확한 인용 10개, 형식 점수 2점입니다. Pro는 이 테스트를 10.396초 만에 완료했고, Flash는 21.737초 만에 완료했습니다. 실제 프롬프트 사용량은 약 20.7K 토큰이었습니다. 이는 유용한 중간 길이의 검색 테스트라고 할 수 있지만, not 1M 토큰 전체 창을 검증합니다.
테스트 3: 엄격한 발사 결정 메모
이 과제는 120~180단어 분량의 요약문, 정확히 4행으로 구성된 표, 고정된 위험 요소와 알 수 없는 개수, 간단한 결정 사항, 유효한 JSON, 그리고 재무, 법무, 엔지니어링, 영업, 지원, 보안 관련 메모를 바탕으로 한 첫해 비용 산출을 종합한 것이었습니다.
산술 연산과 엄격한 출력 규칙을 적용한 출시 메모 작성하기
2,048 토큰의 완성 한도에서 두 모델 모두 반환된 추론에 사용 가능한 완성 예산을 모두 소진했으나, 눈에 띄는 답변을 내놓지 못했습니다. 우리는 해당 기록을 보존한 뒤, 변경 사항 없이 동일한 프롬프트를 8,192 토큰 한도로 다시 실행했습니다. Pro는 12/12를 기록했습니다. Flash는 $216,900 대신 $217,100을 보고했고, $200 오류를 분산에 반영했으며, 요구된 120~180단어 대신 94단어의 요약을 작성했기 때문입니다.
이 교훈은 보편적인 것이 아니라 특정 상황에 국한된 것입니다. Flash는 이미 코딩 및 검색 작업에서 뛰어난 성능을 보였으며, Pro는 산술, 구조, 정책 제약 조건이 가장 밀집된 조합에서 더 안정적인 모습을 보였습니다. 작업 흐름이 에이전트 셸에 의존하는 경우, 당사의 OpenClaw 대 Claude, Code 대 OpenCode 비교 모델을 주변 공구에 맞추는 데 도움이 됩니다.
DeepSeek V4 벤치마크: 공식 데이터가 입증하는 사실
가장 신뢰할 수 있는 벤치마크 출처는 DeepSeek V4 기술 보고서, 하지만 이 문서의 표와 차트는 V4 프리뷰 모델을 설명하고 있습니다. 이 자료들은 해당 아키텍처의 의도된 기능과 테스트 구성을 이해하는 데 유용하지만, 과거에 출시된 Pro-0813 API 릴리스에 대한 독립적인 점수 결과는 아닙니다.
미리보기 점수는 Pro-0813 점수가 아닙니다.
DeepSeek의 아키텍처 및 벤치마크 결과.
API 문서에 나열된 구버전 프로덕션 버전.
미리보기 점수는 Pro-0813 점수로 다시 지정할 수 없습니다.
7월 31일 플래시 업데이트에서는 에이전트 결과도 공개하며, 해리스, 설정 및 코덱스 지원 여부를 명시합니다. 이러한 세부 사항은 스캐폴딩, 추론 예산, 도구 정의 및 재시도 규칙에 따라 벤더 간 순위표가 달라질 수 있기 때문에 중요합니다. 해리스 정보가 없는 결과만으로는 무조건적인 승자를 가릴 수 없습니다.
같은 이유로, 당사의 세 가지 과제는 공식 증거를 대체하는 것이 아니라 이를 보완하는 역할을 합니다. 이 과제들은 공개된 하나의 설정 하에서 어떤 일이 일어났는지를 보여줍니다. 단순히 모델 API가 아닌 에이전트 제품들을 비교하고 계신다면, 당사의 Codex 대 Claude 코드 가이드 주변 워크플로가 사용자 경험을 변화시킬 수 있는 이유를 설명합니다.
DeepSeek V4 API 요금
DeepSeek의 API 요금은 출시 당시 이례적으로 공격적인 수준입니다. 아래 표는 2026년 8월 13일에 확인한 토큰 100만 개당 공식 요금을 정리한 것입니다. 공식 페이지에는 향후 요금이 크게 인상될 것이라는 경고가 있으니, 이 수치는 출시 당시의 일시적인 수치로 간주하시기 바랍니다.
1M 토큰당 가격
입력 토큰 1,000만 개와 출력 토큰 200만 개로 구성된 간단한 비캐시 워크로드의 경우, 이 요율 기준으로 Flash에서는 $1.96, Pro에서는 $6.09가 됩니다. 이 예시에는 캐시 적중, 공급업체 마진, 재시도 및 이후의 가격 변동은 반영되지 않았습니다. 벤더를 비교하는 팀은 하나의 토큰 구성과 청구 기준을 사용해야 합니다. 당사의 Claude Opus 4.6 API 가격 안내서 입력, 출력, 캐싱을 각각 별도의 행으로 처리해야 하는 이유를 보여줍니다.
1M 컨텍스트 윈도우의 의미와 그 한계는 무엇인가
1M 토큰 규모의 컨텍스트 윈도우는 단순한 용량일 뿐, 모든 위치에서 완벽한 리콜을 보장하는 것은 아닙니다. 이는 API가 매우 방대한 저장소, 문서 모음, 연구 자료, 또는 에이전트 이력을 처리할 수 있는 여지를 제공합니다. 품질의 핵심은 관련 증거가 수십만 개의 주의를 분산시키는 토큰들 사이에 묻혀 있을 때, 모델이 올바른 세부 정보를 찾아낼 수 있는지 여부입니다.
DeepSeek의 프리뷰 보고서에는 8K에서 1M까지의 입력 토큰을 대상으로 한 다중 라운드 공참조 해결(MRCR) 차트가 포함되어 있습니다. 곡선은 짧은 길이에서는 강한 성능을 유지하지만, 128K 이후부터는 하락합니다. 이는 긴 컨텍스트 처리의 난제를 보여주는 전형적인 증거이며, 바로 이 때문에 “1M 지원”이라는 표현을 결코 “1M에서 손실 없음”으로 해석해서는 안 됩니다.”
API 인터페이스에는 별도의 제한 사항이 있습니다. DeepSeek의 응답 API 가이드 상태 비존재 구현을 설명합니다: 다음과 같은 기능들, 예를 들어 이전 응답 ID, 대화, 스토어 및 백그라운드는 지원되지 않습니다. 이미지 및 파일 입력도 지원되지 않으므로, 텍스트를 추출하거나 모델 외부에서 상태 레이어를 구축해야 합니다.
그리고 Anthropic 호환 API 표 마찬가지로 이미지 및 문서 메시지 변형도 지원되지 않는 것으로 표시합니다. 따라서 호환성이란 익숙한 요청 형식과 도구를 의미하며, 모든 Anthropic 모델이나 클라이언트와 기능별로 완전히 일치하는 것을 의미하지는 않습니다.
DeepSeek V4 Pro 체험 및 플래시 방법
세 가지 실용적인 방법이 있습니다. 간단한 대화, 프로덕션 API 제어, 또는 다중 모델 작업 공간 중 원하는 것에 따라 선택하세요.
접근 경로를 선택하세요
DeepSeek 웹/앱
DeepSeek의 자체 소비자용 인터페이스를 통해 해당 모델을 체험해 보기에 가장 적합합니다.
공식 API
토큰 기반 과금, 도구, JSON, 에이전트 프레임워크 및 생산 관리에 가장 적합합니다.
GlobalGPT
클라이언트를 먼저 구축하지 않고도 더 광범위한 다중 모델 작업 공간에서 Pro 또는 Flash를 여는 데 가장 적합합니다.
경로 1: 공식 DeepSeek 채팅방
시작하기 DeepSeek 공식 사이트 단순히 현재 소비자 이용 경험을 확인하고 싶다면 참고하시기 바랍니다. 소비자 이용과 API 요금 청구는 별개이며, 채팅 인터페이스가 제공된다고 해서 API가 무료인 것은 아닙니다.
경로 2: 공식 API 및 코딩 에이전트
사용 deepseek-v4-pro 또는 deepseek-v4-flash 문서화된 OpenAI 호환 인터페이스를 통해 가능합니다. 두 인터페이스 모두 사고 모드 및 비사고 모드, JSON 출력, 도구 호출, 응답 API, Anthropic 호환 액세스를 지원합니다. FIM은 비사고 모드에서만 적용됩니다.
DeepSeek는 또한 공식 코덱스 통합 가이드. 에이전트 셸을 먼저 선택하려고 한다면, 다음을 비교해 보세요. Claude 코드 가격 및 사용 제한 모델 토큰 비용이 청구서 전체 금액이라고 가정하기 전에.
Claude 코드 사용자는 당사의 가이드에 설명된 것과 동일한 엔드포인트 및 모델 논리를 따라 Claude 코드에서 모델 구성하기, DeepSeek의 실시간 호환성 표를 확인하여 지원되지 않는 필드가 있는지 확인하는 동안.
3번 노선: GlobalGPT
GlobalGPT에는 두 모델 모두에 대한 전용 항목이 있습니다. 검증된 변환 경로는 다음과 같습니다. GlobalGPT에 탑재된 DeepSeek V4 Pro. Flash 제품 페이지도 존재하지만, Flash 전용 캠페인 매개변수로 확인된 항목을 찾지 못했기 때문에, 이를 임의로 만들지는 않겠습니다.
터미널 워크플로우의 경우, GlobalGPT CLI를 Claude 코드 구성에 적용 이 글은 멀티 모델 플랫폼이 기존의 코딩 작업 흐름에 어떻게 통합될 수 있는지 설명합니다. 이 플랫폼은 기존 저장소 도구를 대체하는 것이 아니라, 모델에 접근하고 비교하는 방식을 변화시킵니다.
어떤 DeepSeek V4 모델을 선택해야 할까요?
모델을 실패 비용에 맞춰 조정하십시오
플래시
대량 채팅, 데이터 추출, 일상적인 코드 처리, 정보 검색, 그리고 철저한 검증 과정을 거친 에이전트에 적합합니다. 이 제품은 공식 최저가로 제공되는 제품 중 세 가지 과제 중 두 가지를 완벽하게 수행했습니다.
Pro
엄격한 산술 연산, 서식 지정, 정책 준수 및 다중 도메인 추론이 하나의 결과물에 모두 결합되어야 할 때 이 모델을 선택하십시오. 이 모델은 저희 평가에서 12점 만점에 12점을 받은 유일한 모델이었습니다.
GlobalGPT
API 클라이언트를 먼저 작성하지 않고 모델을 사용해 보거나 대안을 비교해 보고 싶을 때는 플랫폼 경로를 선택하세요.
많은 팀에게 Flash는 가장 현명한 초기 배포 선택지입니다. 비용이 훨씬 저렴할 뿐만 아니라, 명시된 컨텍스트 및 출력 제한을 모두 지원하며, 코딩 테스트와 20.7K 건의 검색 테스트를 품질 저하 없이 무사히 처리했습니다. 여기에 숫자, 스키마, 필수 항목에 대한 결정론적 검사를 추가하십시오.
검토 시간이나 실패로 인한 비용이 토큰 절감 효과를 상회할 때는 Pro 버전으로 전환하세요. 가격 차이는 분명하지만, 첫 번째 검토 단계에서 정교한 규정 준수 또는 출시 메모를 완벽하게 작성하는 것의 가치 또한 분명합니다. 후보 목록에 다른 어시스턴트가 포함되어 있다면, 더 광범위한 DeepSeek 대 ChatGPT 선택 가이드 모델의 품질과 제품 생태계를 구분하는 데 도움이 될 수 있습니다.
결론: DeepSeek V4 Pro는 구매할 가치가 있을까?
작업에서 처리량보다 정밀도가 더 중요할 때는 DeepSeek V4 Pro를 고려해 볼 만합니다. 이것이 경제적인 기본 선택지는 아닙니다. API 테스트 결과, 피크 시간대와 비피크 시간대 모두에서 메인 캐시 미스 입출력 행에 대해 Pro의 비용이 Flash보다 3배 더 비쌌습니다. 그러나 잘못된 결과가 재작업, 검토에 드는 오버헤드, 또는 운영상의 위험을 초래할 수 있는 상황에서는 이러한 추가 비용이 타당합니다.
일상적인 작업의 경우, Flash가 비용과 규모 면에서 더 적절한 균형을 제공합니다. 이미지의 경우 Vision-Exp를 사용하세요. API 관리가 목적이 아니라 연구, 집필, 기술 지원 사이를 오가는 것이라면, 각 서비스를 개별적으로 구성하는 것보다 다중 모델 작업 공간을 활용하는 것이 더 실용적일 수 있습니다.
다음 단계
연구, 글쓰기, 코딩 지원을 위한 다른 모델들도 함께 모아둔 작업 공간에서 DeepSeek V4 Pro를 실행하세요.
DeepSeek V4 Pro를 사용해 보세요DeepSeek V4에 대한 자주 묻는 질문
DeepSeek V4 Pro가 출시되었나요?
네. DeepSeek V4 Pro는 2026년 8월 13일에 생산 식별자 DeepSeek-V4-Pro-0813과 함께 정식 출시되었습니다.
DeepSeek V4 Pro와 Flash의 차이점은 무엇인가요?
Flash는 비용과 동시 처리를 우선시하는 반면, Pro는 제약 조건이 더 많고 실패 시 비용이 더 큰 텍스트 작업을 위해 설계되었습니다. 두 버전 모두 100만 토큰의 컨텍스트 윈도우와 최대 384K 토큰의 출력 용량을 지원합니다.
DeepSeek V4 Pro의 가격은 얼마인가요?
토큰 100만 개당, 비피크 시간대 Pro 요금제는 캐시 히트 입력의 경우 $0.022, 캐시 미스 입력의 경우 $0.66, 출력의 경우 $1.98입니다. 피크 시간대 요금은 각각 $0.044, $1.32, $3.96입니다.
API의 이용 피크 시간대는 언제인가요?
피크 시간대는 월요일부터 금요일까지 UTC 기준 01:00~04:00 및 06:00~10:00입니다. 그 외 시간대에는 비피크 요금이 적용됩니다.
DeepSeek V4는 이미지를 지원하나요?
deepseek-v4-flash-vision-exp 이미지 파일을 지원합니다. 공식 가이드에는 JPEG, PNG, GIF, WebP가 나열되어 있습니다. Pro 및 Flash 텍스트 모델은 별도로 취급해야 합니다.
100만 토큰 규모의 컨텍스트 윈도우가 완벽한 검색 결과를 보장합니까?
아닙니다. 100만 토큰이라는 기준은 처리 용량을 나타내는 것입니다. 검색 결과는 여전히 문서 구조, 사실의 배치, 프롬프트, 그리고 검증 방법에 따라 달라집니다.
DeepSeek V4를 Codex와 함께 사용할 수 있나요?
네. 공식 문서에는 Responses API를 통한 연동 방법이 설명되어 있으며, 모델 옵션으로 Flash, Pro, Vision-Exp가 나열되어 있습니다.
API를 설정하지 않고 DeepSeek V4 Pro를 어떻게 사용해 볼 수 있나요?
GlobalGPT와 같이 해당 모델을 제공하는 인터페이스를 사용할 수 있습니다. 이 방법은 채팅, 조사, 글쓰기, 기술 지원 등에 적합하며, 요금 및 기능은 공식 API 콘솔과 동일하지 않습니다.
