DeepSeek V4 GA 정식 출시:
가격·아키텍처·GPT-5.6 대비 성능

선정 전 실제 리스크:

• 구 모델명 곧 만료: deepseek-chat과 deepseek-reasoner는 7월 24일 영구 중단됩니다. 마이그레이션하지 않은 프로덕션 코드는 즉시 중단됩니다.
• 피크·오프피크 요금 복잡도: 평일 09:00–12:00, 14:00–18:00(베이징 시간) 요금이 2배입니다. 24/7 Agent 파이프라인은 스케줄 재설계가 필요합니다.
• 프리뷰와 GA 성능 차: GA는 Agent·수학·코드에 특화 개선이 있습니다. 4월 기준으로 의사결정하면 안 됩니다.
• Pro vs Flash 라우팅 혼선: 1.6T와 284B 스펙 차이가 큽니다. 잘못된 라우팅은 예산 낭비 또는 품질 저하로 이어집니다.

한 줄 요약: V4 프리뷰만으로도 강력했으나, GA는 Agent·수학·코드에 특화 개선을 더하고 정식 상용 요금 체계를 갖추었습니다.

DeepSeek V4는 V2/V3 시대의 MLA(다중 잠재 어텐션)를 버리고 두 가지 신규 어텐션 메커니즘의 하이브리드를 채택했습니다.

• 압축 희소 어텐션(CSA): Softmax 게이트 풀링으로 KV 시퀀스를 4배 압축한 뒤 FP4 정밀도 「라이트닝 인덱서」로 top-k 희소 선택(Pro는 top-1024, Flash는 top-512)을 수행합니다. 최근 128 token 슬라이딩 윈도우를 유지합니다. 1M 컨텍스트에서 V3.2 대비 추론 FLOPs는 27%만 필요합니다.
• 고압축 어텐션(HCA): 토큰을 128배 압축한 뒤 전역 밀집 어텐션으로 장거리 의존성을 포착하며 CSA와 상호 보완합니다. V4-Flash는 초기 2층 HCA, 이후 CSA/HCA 교차 배치이며 V4-Pro도 유사합니다.
• 매니폴드 제약 초연결(mHC): 4채널 잔차 스트림과 이중 확률 행렬 제약 혼합 행렬로 61층 깊은 네트워크에서 신호 전파를 안정화합니다.
• Muon 옵티마이저: AdamW 대신 Muon을 사용하며 뉴턴-슐츠 직교화로 그래디언트를 처리해 수렴 속도와 학습 안정성을 높입니다.

종합 효과: 1M token 시나리오에서 KV Cache 메모리는 V3.2의 10%에 불과하며(V4-Flash는 7%), 장문 Agent·로그 분석 워크로드에 실질적 이점이 있습니다.

공식 권장 샘플링 파라미터: temperature=1.0, top_p=1.0(모든 모드 공통).

Artificial Analysis 평가에 따르면 Claude Fable 5는 Strategy & Ops 지수 과제당 $3.48(50점), DeepSeek V4-Pro는 동급 과제당 $0.03(38점)입니다. Fable 5 비용은 V4-Pro의 116배이며 점수 차이는 약 12점입니다.

시나리오별 권장: 예산 제약·고빈도 호출·프라이빗 배포 → V4-Pro 또는 V4-Flash; 극한 코드 품질·비용 무관 → Claude Fable 5; 복잡 알고리즘·수학 추론 → GPT-5.6 Sol/Ultra; 대규모 로그 일괄 처리 → V4-Flash(캐시 히트 입력 $0.0028/M).

GA에서 가장 주목받는 변화는 DeepSeek의 피크·오프피크 차등 요금 도입입니다. 전력 요금제와 유사합니다. 피크 시간(베이징 시간)은 평일 09:00–12:00, 14:00–18:00이며 요금이 2배입니다.

절감 네 가지 전략:

• 비실시간 작업을 오프피크로: 문서 일괄 처리, 데이터 라벨링, 코드 리뷰를 18:00 이후 또는 09:00 이전에 배치합니다.
• 캐시 히트 활용: 반복 System Prompt로 Prompt Cache를 구성합니다. V4-Flash 캐시 히트 비용은 $0.0028/M입니다.
• Flash로 1차 분기: 단순 의도 분류·라우팅은 V4-Flash, 복잡 추론은 V4-Pro로 넘깁니다.
• 청구 알림 확인: DeepSeek은 요금 변경 24시간 전 이메일 통지를 약속합니다.

피크 시간에도 V4-Pro 출력가($1.74/M)는 Claude Opus 4.8($15/M)과 GPT-5.6 Sol(약 $15/M) 대비 8.6배 저렴합니다.

중요: 구 모델명 deepseek-chat과 deepseek-reasoner는 2026년 7월 24일 15:59 UTC(베이징 7월 24일 23:59)에 영구 중단됩니다.

구버전 (7월 24일 이후 중단)
client.chat.completions.create(
    model="deepseek-chat",
    messages=[...]
)

신버전
client.chat.completions.create(
    model="deepseek-v4-pro",
    messages=[...],
    extra_body={"thinking": {"type": "enabled", "budget_tokens": 8000}}
)

V4는 OpenAI ChatCompletions와 Anthropic Messages 형식을 모두 지원합니다. base_url은 그대로 두고 model 파라미터만 갱신하면 됩니다.

주요 공식 출처입니다. 업스트림 갱신 후 링크를 다시 확인하세요.

https://api-docs.deepseek.com

https://arxiv.org/abs/2606.19348

https://huggingface.co/deepseek-ai

6단계 마이그레이션 체크리스트:

1. 구 모델명 전역 검색: 코드 저장소, CI 설정, 환경 변수에서 deepseek-chat과 deepseek-reasoner를 찾습니다.
2. 대체 매핑 확정: 경량 대화는 deepseek-v4-flash(Non-think), 추론 작업은 Flash Think 모드 또는 deepseek-v4-pro로 분기합니다.
3. SDK 호출 갱신: OpenAI 호환 API는 model만 변경합니다. Anthropic SDK도 base_url=https://api.deepseek.com 유지합니다.
4. Think 모드 설정: 기존 reasoner 사용자는 extra_body로 thinking을 활성화합니다. Think Max는 384K+ 컨텍스트가 필요합니다.
5. 스테이징 검증: 7월 24일 전 E2E 테스트를 완료하고 피크·오프피크 요금이 예산에 미치는 영향을 확인합니다.
6. 오프피크 배치 스케줄: 문서 일괄 처리·코드 리뷰를 18:00 이후 또는 주말 cron으로 배치하고 Prompt Cache와 결합해 비용을 최소화합니다.

인용 가능 데이터(EEAT):

• SWE-bench Verified 80.6%: 오픈소스 모델 최고점, Gemini 3.1 Pro와 동률(출처: DeepSeek 공식 문서, 2026-07).
• KV Cache 메모리 10%: 1M token 시나리오에서 V3.2의 10%, V4-Flash는 7%(출처: arXiv:2606.19348).
• 116배 비용 효율: Artificial Analysis Strategy & Ops 과제, V4-Pro $0.03/회 vs Fable 5 $3.48/회(출처: Artificial Analysis, 2026-07).

결론: DeepSeek V4 GA의 가치는 Claude Fable 5나 GPT-5.6을 모든 벤치마크에서 이기는 데 있지 않습니다. 폐쇄 플래그십 대비 1/10~1/100 비용으로 오픈소스 최강 성능을 제공하는 데 있습니다. 피크·오프피크 요금은 복잡도를 높이지만 여전히 경쟁력이 큽니다.

DeepSeek V4 API를 로컬 OpenClaw Gateway나 Cursor Agent에 연결하면 개인 Mac 슬립으로 SWE-bench급 장기 작업이 끊기고, 피크 시간 24/7 파이프라인을 노트북에서 안정적으로 돌리기 어렵습니다. 순수 API 호출은 로컬 GPU가 필요 없지만, 하이브리드 아키텍처(로컬 Gateway + 클라우드 추론 + 7×24 오케스트레이션 노드)를 쓰는 프로덕션 팀은 Agent 상시 가동 호스트 부재로 자주 막힙니다. AI 프로그래밍 Agent, OpenClaw 다중 모델 라우팅, 장시간 Agent 루프 7×24 안정 운영이 필요한 환경에서는 CALMVPS 베어메탈 Mac Mini 대여가 일반적으로 더 적합합니다. 전용 Apple Silicon, Metal 네이티브 가속, 월 단위 유연 과금, 약 120초 프로비저닝. 가격 페이지를 확인하세요.