딥시크, 이미지 이해 더한 실험용 모델 V4-Flash-Vision-Exp 공개

새 모델은 기존 텍스트 모델 V4-Flash를 기반으로 하며, 기반 모델의 추론·세계지식 등 텍스트 성능은 그대로 유지된다고 딥시크는 밝혔다. 딥시크는 이 모델을 에이전트 기반 응용에 맞춰 내놓았다고 설명했다. 여러 에이전트 프레임워크와 함께 쓰면서 시각 이해와 도구 사용을 결합하도록 설계했다는 것이 딥시크 측 설명이다. 새 모델을 기본 지원하는 자사 하네스 프레임워크 0.1.1 버전도 함께 공개됐다.

이미지 입력 조건과 비용

API 문서 기준으로 지원 형식은 JPEG, PNG, GIF, WebP다. 형식은 파일 이름이나 선언된 MIME 타입이 아니라 실제 파일 내용으로 판별한다. 이미지 전달 방식은 Base64 직접 삽입, 최대 32MiB의 공개 URL 지정, 최대 64MiB의 무료 파일 API 이용 세 가지다. 파일 API에 올린 파일은 ID로 다시 쓸 수 있다.

같은 문서 기준으로 원본 해상도와 무관하게 이미지 한 장에 드는 비용은 최대 384토큰이며, 요금은 V4-Flash 단가를 따른다. 선택 항목인 detail로 이미지를 512×512픽셀로 줄일 수 있고, 모델은 처리 전 화면비에 따라 이미지를 약 800×800픽셀로 정규화한다. 한 요청에는 이미지를 최대 600장까지 넣을 수 있다. 한 변의 최대 길이는 8192픽셀이지만 이미지가 15장 이상이면 4096픽셀로 낮아지고, 이미지는 사용자 메시지에만 넣을 수 있다. 새 모델은 오픈AI의 챗 컴플리션·리스폰스 API와 앤트로픽 메시지 엔드포인트에서 쓸 수 있다.

딥시크가 밝힌 자체 측정 결과

성능 수치는 모두 딥시크가 밝힌 자체 측정 결과다. 딥시크는 텍스트 벤치마크 7개로 신·구 모델을 비교해 사이버짐을 뺀 전 항목에서 새 모델이 앞섰다고 밝혔다. 시각 벤치마크는 4개 중 2개에서 점수가 10% 이상 높아졌다는 것도 딥시크 설명이다. 자체 멀티모달 에이전트 벤치마크에서는 에이전트 과제 기준으로 앤트로픽 오퍼스 4.8에 근접한 점수를 냈다고 딥시크는 밝혔다. ALE와 제로벤치에서는 오퍼스 4.8보다 높은 점수를 기록했다는 것 역시 딥시크 주장이다. ALE는 애플리케이션 조작, 코드 작성, 미디어 파일 해석 능력을 보는 1000개 이상의 다단계 과제로 구성된 평가다. 제로벤치를 이루는 과제는 이미지를 분석하는 문항 100개인데, 성능이 높은 대형언어모델도 풀기 어려운 수준이라고 한다.

기반 모델 구조와 공개 범위

기반 모델 V4-Flash의 구조는 국내 매체 보도로 전해졌다. 총 2840억개 매개변수 규모의 전문가 혼합 모델로, 전문가 혼합은 여러 개의 작은 신경망 가운데 입력에 맞는 것만 골라 켜는 방식이다. 각각 130억개 매개변수를 가진 신경망 중 입력에 적합한 것만 활성화한다. 이 매체는 딥마인드를 인용해 V4-Flash의 HCA·CSA 기술이 100만 토큰 프롬프트 처리에 필요한 연산 자원을 73% 줄인다고 전했다. 학습에는 32조 토큰 분량의 데이터를 썼고 뮤온 알고리즘으로 학습을 가속했다고 딥시크는 밝혔다.

같은 보도는 실리콘앵글을 인용해 새 모델이 출시 시점 기준 딥시크의 유료 개발자 플랫폼에서만 제공된다고 전했다. 딥시크는 새 모델의 아키텍처를 공개하지 않았고, 무료 버전 출시 계획도 밝히지 않았다.