DeepSeek V4 Flash 0731: 저렴하고 빠른 오픈 웨이트 모델 분석

Who Should Read

LLM API 비용을 줄일 저가 모델을 찾는 에이전트·코딩 도구 개발자

Core Mechanics

• Intelligence Index 34점
  • 비슷한 크기 오픈 웨이트 모델 중앙값 19 대비 높은 점수다.
  • 전체 순위는 12134 중 14위로 표시돼 있다.
• 가격이 중앙값보다 훨씬 싸다
  • 입력은 100만 토큰당 $0.14로, 중앙값 $0.43 대비 저렴하다.
  • 출력은 100만 토큰당 $0.28로, 중앙값 $1.68 대비 저렴하다.
• 속도는 초당 145.9 토큰
  • 같은 급 오픈 웨이트 모델 중앙값 77.6 t/s 대비 빠르다.
  • 첫 토큰까지는 1.28초로, 중앙값 1.71초보다 빠르다.
• 말이 많은 모델이다
  • Intelligence Index 평가에서 출력 토큰을 240M 썼고, 중앙값은 140M이다.
  • 평가 태스크당 비용은 평균 $0.17이다.
• 스펙은 MoE에 100만 토큰 컨텍스트
  • 총 파라미터 284B, 토큰당 활성 파라미터 13B다.
  • 텍스트 입출력만 지원하고 라이선스는 MIT이며 가중치는 Hugging Face에 있다.

Community Reactions

• 싼 가격이 실사용에서도 체감된다는 경험
  • reasonix나 pi 같은 도구와 쓰면 하루 종일 코딩해도 몇 푼밖에 안 든다는 경험이 있었다.
  • 세션당 1달러도 안 쓰면서 코딩한다는 경험도 있었다.
• 토큰 효율은 아쉽다는 의견
  • Gemini Flash 3.6보다 같은 일을 하는 데 토큰이 약 3.6배 든다는 의견이 있었다.
  • 한 댓글은 Kimi K3가 Flash보다 토큰을 덜 쓴다는 차트 데이터가 실제 체감과 다르다고 의문을 제기했다.
• 하네스 품질이 모델만큼 중요하다는 경험
  • 코드베이스 질의응답 에이전트의 프롬프트와 라우팅을 개선했더니 폐쇄형 SOTA 모델보다 못하게 만들기 어려웠다는 경험이 있었다.
  • 처음에는 이유 없이 구현된 것에도 엉터리 답을 냈다고 한다.
• reasoning 모드에 따라 결과가 달랐다는 경험
  • 기본 reasoning 모드에서는 결과가 아쉬웠고 high에서는 훨씬 좋았다는 경험이 있었다.
  • DSML 툴 콜이 새어 나오는 문제가 Flash와 Pro에서 계속 있었다는 지적도 있었다.

How to Apply

• 지금 쓰는 모델 대비 비용을 계산해 보기
  • 30분 안에 현재 서비스의 월 입력·출력 토큰량을 뽑아 입력 $0.14, 출력 $0.28 기준으로 계산하라.
  • 이 모델은 말이 많으니 출력 토큰을 1.5배로 잡은 시나리오도 같이 계산하라.
• reasoning 모드별로 같은 프롬프트 돌려 보기
  • 기본 모드와 high 모드로 같은 질문 20~50개를 돌려라.
  • 정답률, 출력 토큰, 응답 시간을 표로 비교하라.
• 툴 콜 파싱에 방어 코드 넣기
  • 응답에 DSML 같은 툴 콜 태그가 텍스트로 섞여 나오는지 로그로 확인하라.
  • 섞이면 파서에서 해당 태그를 걸러내고 재시도하게 만들어라.
• 에이전트 하네스를 먼저 개선하기
  • 모델을 바꾸기 전에 코드베이스 질의 같은 내부 태스크로 50문항 벤치마크를 만들어라.
  • 프롬프트와 라우팅을 고친 뒤 모델별 점수를 비교하라.

Try It

# Claude나 ChatGPT에 붙여넣기 (원문 데이터를 이용한 모델 전환 비용 계산 프롬프트)

나는 LLM API로 서비스를 운영 중이다. 아래 조건으로 DeepSeek V4 Flash 0731으로 바꿨을 때의 월 비용을 계산해 줘.
- 현재 모델: {{모델명}}, 입력 단가 ${{입력단가}}/1M, 출력 단가 ${{출력단가}}/1M
- 월 입력 토큰: {{입력토큰}}M, 월 출력 토큰: {{출력토큰}}M
- DeepSeek V4 Flash 0731: 입력 $0.14/1M, 출력 $0.28/1M, 캐시 할인 80%
- 이 모델은 같은 급 중앙값(140M)보다 말이 많아 Intelligence Index 평가 때 240M 토큰을 썼다. 출력 토큰이 1.0배, 1.5배, 1.7배일 때를 각각 계산해 줘.

표로 정리하고, 품질 검증을 위해 내가 먼저 돌려 볼 테스트 항목 5개를 제안해 줘.

이어서 해 볼 것: 실제 프롬프트 20개로 기본 모드와 high 모드의 정답률과 출력 토큰을 비교해 달라고 요청해 보기.

Terminology

관련 논문

• Mercury 3: 규모를 키운 diffusion LLM, 초당 1,000토큰 이상

  Diffusion LLM을 40배 키웠더니 속도 4~8배, 품질은 속도 특화 모델 수준

• Timestral: Mistral의 시계열 파운데이션 모델

  209M 파라미터 시계열 모델이 3대 벤치마크 1위, CPU에서도 돌아간다

• DeepSeek V4.1 Flash 1017 (Max) 성능·속도·가격 분석

  DeepSeek V4.1 Flash 1017 Max는 지능 지수 45에 211 tok/s, 입력 $0.30

• LLM 프록시를 직접 안 돌리면 무슨 일이 벌어지는지 어떻게 아나

  자체 LLM 프록시를 세웠더니 키·모델·캐시 미스를 직접 볼 수 있다

• DeepSeek V4.1 Flash 1017: 싼 가격에 1M 컨텍스트를 주는 에이전트용 모델

  DeepSeek V4.1 Flash 1017은 입력 $0.05/M, 1M 컨텍스트의 에이전트용 모델

• DeepSeek-V4.1-Flash-1017 공개: 더 짧게 생각하고 더 빠르게 일하는 에이전트용 모델

  DeepSeek V4.1 Flash 마이너 업데이트로 코딩·에이전트 벤치 점수↑, 실행 시간·출력 길이↓

• Llmspeed: 로컬 LLM 속도를 하드웨어 구매 전에 체감해 보는 시뮬레이터

  GPU·모델을 고르면 로컬 LLM 속도를 미리 체감하게 해 주는 시뮬레이터

Related Resources

• https://artificialanalysis.ai/models/deepseek-v4-flash
• https://huggingface.co/deepseek-ai/DeepSeek-V4-Flash-0731
• https://files.parasmittal.com/openai_aa_luna_dsflash.svg