DeepSeek이 자사 검색 엔진을 가격표에 올렸다. 모델 업데이트는 그중 작은 쪽이었다

DeepSeek은 10월 17일 두 가지를 내놓았다. 하나는 DeepSeek-V4.1-Flash-1017, 9월에 공개한 Flash 모델의 포스트트레이닝 체크포인트다. 회사의 Hugging Face 모델 카드는 이를 "소규모 업데이트"라고 적었다. 다른 하나는 DeepSeek의 자체 웹 검색 인덱스 접근권을 1,000회당 0.75달러에 파는 두 개의 API 엔드포인트다. 헤드라인은 체크포인트가 가져갔다. 더 큰 이야기는 엔드포인트 쪽이다.

체크포인트가 바꾼 것

모델은 deepseek-flash로 제공되고, 가중치는 Hugging Face에 MIT 라이선스로 올라와 있으며 공개된 safetensors 기준 763B 파라미터다. 아키텍처는 9월판을 그대로 이어받았다. 멀티모달 전문가 혼합(MoE) 구조로 컨텍스트는 1M 토큰, 출력은 최대 384K 토큰, 토큰당 활성 파라미터는 프리필에서 8B, 디코드에서 16B다. 달라진 것은 포스트트레이닝이다. DeepSeek은 이 체크포인트를 자기 피드백 기반 강화학습으로 훈련했다고 밝혔다. 사람 평가자나 별도의 보상 모델 대신 모델 자신의 확신도 점수와 스스로 생성한 비평을 보상 신호로 쓰는 방식이며, 그 결과를 자사 에이전트 하네스 안에서의 프로젝트 전 과정 작업에 맞춰 조정했다는 설명이다.

아래 수치는 모두 DeepSeek이 직접 발표한 것이다. 독립적인 평가는 아직 없다.

패턴은 일관된다. 자사 전 버전 대비로는 전 항목에서 큰 폭으로 올랐고, 에이전트·자동화 계열에서는 Claude Opus 5를 앞서며, 순수 추론과 긴 호흡의 소프트웨어 엔지니어링 벤치마크에서는 분명히 뒤진다. 다른 오픈웨이트 경쟁자와 비교하면 DeepSWE에서 DeepSeek은 77.0, Kimi K3는 67.5, GLM-5.3은 66.9이며, 셋 중 총 파라미터 수는 DeepSeek이 가장 적다.

이 발표가 실제로 주장하는 바는 비용 수치다. DeepSeek은 77.0을 기록한 실행의 비용을 과제당 0.20달러 미만, 추론 강도를 낮춘 설정에서 72% 이상을 약 0.10달러로 제시한다. 9월 체크포인트는 74.2를 회당 약 0.50달러에 받았다. DeepSeek이 제시한 비교 그래프에서 같은 정확도 구간의 모델들은 과제당 약 2달러에서 10달러 이상까지 분포한다. 토큰 단가는 피크 시간대에 캐시 미스 입력 100만 토큰당 0.30달러, 출력 100만 토큰당 1.20달러이고, 비피크 시간대에는 그 절반이다.

인덱스를 판다

모델과 함께 DeepSeek은 POST /v1/tools/search와 POST /v1/tools/fetch를 열었다. Search는 회사가 자체 검색 엔진이라고 설명하는 것에서 순위가 매겨진 결과를 돌려준다. 관련성·권위·신선도를 합성한 0~3의 리랭크 점수, 출처의 권위 등급을 나타내는 0~4 구간, 사용자 화면용 짧은 스니펫과 모델용 긴 요약, 그리고 개발자가 기대할 연산자 — site:, lang:, after:, before: — 가 포함된다. Fetch는 URL 하나를 받아 해당 페이지를 마크다운으로 돌려준다.

연구소들이 챗 제품에 웹 검색을 끼워 넣기 시작한 지 2년이 됐다. 크롤 자체를 호출 단위로, 모델을 한 번도 쓰지 않는 개발자에게까지 파는 것은 전혀 다른 종류의 상품이다. 이는 체크포인트로는 알 수 없는 사실을 DeepSeek에 대해 드러내기도 한다. 이 회사는 공개된 요청 제한을 붙여 유료 엔드포인트로 내놓을 만한 규모의 범용 웹 인덱스를 직접 운영하고 있다는 것이다. 출시 후 첫 2주간은 Claude Code의 내장 웹 검색 도구나 Codex의 web_search를 거친 검색에는 이 요금이 붙지 않는다. 판촉보다는 시연에 가깝다. 서구 코딩 에이전트의 검색 계층을 중국산 인덱스 위에서 돌리게 만드는 가장 싼 방법은, 2주 동안 공짜로 주는 것이다.

모델이 아니라 스택

두 발표를 함께 읽으면, 한 회사가 에이전트 스택 전체를 조립하면서 모델 아래의 모든 계층을 0에 가깝게 값 매기는 그림이 나온다. 하네스가 있다 — DeepSeek Harness는 현재 개발자 프리뷰이고, 이번 체크포인트는 이것과 Tencent의 CodeBuddy에 맞춰 명시적으로 조정됐다. 모델이 있다 — 에이전트 작업에서 맞먹는다고 주장하는 프런티어의 과제당 비용의 10분의 1에서 50분의 1로. 그리고 이제 호출 단위로 팔리는 검색이 있다.

이는 능력 우위가 아니라 단위 경제성 위에 세운 경쟁 포지션이고, 위의 표는 능력 격차를 솔직하게 인정한다. 도구 없는 추론에서는 14점 뒤진다. 이 회사가 거는 쪽은, 긴 과제에서 수천 번의 도구 호출을 돌리는 에이전트라면 채택을 결정하는 것은 과제당 비용이고 추론의 마지막 몇 점이 아니라는 것이다.

수치에는 두 가지 유보가 따른다. 전부 자체 보고이며, 대상은 DeepSeek 스스로 "소규모"라고 부르는 체크포인트이고, 모델을 자사 하네스에 맞춰 조정한 연구소가 낸 숫자다. 게다가 Opus 5에 가장 크게 뒤진 에이전트 벤치마크인 Terminal-Bench 4.0은 DeepSeek이 자사 하네스가 아니라 Claude Code 안에서 돌린 항목이다. 이 상승분이 남의 하네스로 옮겨가도 살아남는지가 독립 평가가 가장 먼저 검증해야 할 지점이다. 두 번째 유보는 정치적이다. 이번 주 보도에 따르면 베이징은 오픈웨이트 모델 공개에 대한 규제를 강화할 준비를 하고 있으며, 심사 기준에 모델의 역량 순위가 포함된다고 한다. 이 가중치에 붙은 MIT 라이선스는 현재의 사실이지, 보장된 사실은 아니다.

Sources: DeepSeek-V4.1-Flash-1017 announcement and API docs — DeepSeek · Search and Fetch API guide — DeepSeek · Models and pricing — DeepSeek · DeepSeek-V4.1-Flash-1017 model card — Hugging Face · Deepseek V4.1 Flash 1017 beats larger rivals in agentic tasks while once again massively cutting per-task costs — The Decoder · DeepSeek Just Released V4.1-Flash-1017, Scores 77.0 on DeepSWE, Opens Search API — MarkTechPost