딥시크, V4.1-Flash-1017 공개…자체 검색 API도 개방

새 모델은 딥시크 웹사이트와 앱, API에서 곧바로 쓸 수 있다. 모델 가중치는 허깅페이스와 모델스코프에도 올라갔다. 오픈 웨이트는 모델 가중치를 공개하는 배포 방식을 뜻한다.

회사 자체 평가서 과제당 0.2달러 미만

딥시크가 내놓은 자체 평가 결과를 보면, 새 모델의 DeepSWE 최고 점수는 77.0%였다. 이때 과제당 평균 비용은 0.20달러(약 280원)를 넘지 않았다. 설정을 낮춘 조건에서는 과제당 약 0.10달러(약 140원)로 72%를 웃돌았다.

직전 버전인 V4.1-Flash는 같은 평가에서 74.2%에 머물렀다. 당시 과제당 비용은 약 0.50달러(약 700원)였다. 딥시크는 점수가 오르는 사이 과제 수행 시간과 출력 길이는 오히려 짧아졌다고 설명했다.

경쟁 모델 비교 역시 딥시크가 직접 측정한 수치다. 코딩과 에이전트 항목 일부에서 클로드 오푸스 5, GPT 5.6-Sol, 키미 K3, GLM 5.3을 앞섰다는 것이 회사 측 설명이다. 외부 기관이 독립적으로 측정한 결과는 아직 나오지 않았다.

검색 API 1000회 0.75달러, 31일까지 무료

함께 개방된 Search·Fetch API 요금은 엔드포인트별로 1000회 호출당 0.75달러(약 1050원)다. 딥시크 API 이용자에게는 별도의 무료 기간이 적용된다. 2026년 10월 31일 16시(UTC)가 되기 전까지 딥시크 하네스와 클로드 코드, 코덱스의 서버사이드 도구를 거쳐 호출하면 요금이 매겨지지 않는다.

자기피드백 강화학습과 배포 파일

사후학습 단계에는 자기피드백 강화학습(RLSF)이 쓰였다. 자기피드백 강화학습은 모델의 내부 신뢰도 점수나 자체 비평을 보상 신호로 삼는 학습 방법으로, 딥시크는 사람 평가자나 외부 보상모델이 필요하지 않다고 설명했다.

조정 대상이 된 개발 환경은 딥시크 하네스와 텐센트 코드버디, 워크버디 등이다. 딥시크 하네스는 v0.2.1-rc.1 이상 버전 사용이 권장됐다. 이번 배포 파일에서는 Jinja 형식 채팅 템플릿이 빠진 대신 encoding.py 참조 구현과 러스트 기반 deepseek-recipe 라이브러리가 함께 들어갔다. 모델 구동 방법은 트랜스포머스와 vLLM, SGLang, 도커 모델 러너 기준으로 허깅페이스 문서에 안내돼 있다.