왜 업계는 DeepSeek 4.1 Flash에 놀라지 않을까

Who Should Read

코딩 에이전트 비용이 부담돼 저렴한 모델로 일부 작업을 돌려 보려는 개발자

Core Mechanics

• 한 달 써 보니 Opus와 구분이 안 됐다
  • 저자는 열두 개 프로젝트에서 한 달간 집중적으로 썼다.
  • 세션 중 모델 이름을 보지 않으면 DeepSeek인지 Opus인지 구분하지 못한다고 한다.
• 비용은 프런티어 모델보다 자릿수가 낮다
  • 저자는 OpenCode Go 구독 월 $10로 사실상 무제한이라고 쓴다.
  • 하루 종일 돌린 세션도 예상 비용이 $1을 거의 넘지 않았다고 한다.
• 싼 모델 덕에 막 돌리는 작업이 가능해졌다
  • 탐색적 UI 테스트 같은 단순 작업을 부담 없이 시작한다.
  • 바탕화면 파일 정리는 $1이 아니라 $0.003이 든다고 예를 든다.
• 역할 분담: 계획은 Flash, 최종 리뷰는 Opus
  • 복잡한 계획과 리서치도 4.1 Flash에 맡긴다.
  • 중요한 작업만 Opus 5.5로 최종 코드 리뷰를 하고, 수정은 다시 DeepSeek가 한다.
• KV 캐시를 V1 대비 약 437배 줄였다
  • KV 캐시(긴 대화의 이전 토큰 계산 결과를 GPU 메모리에 들고 있는 저장소)는 긴 코딩 세션의 큰 비용이다.
  • 저자는 이 절감 덕에 하루짜리 세션이 $1 안쪽이라고 설명한다.

Community Reactions

• 구독 보조금 때문에 격차가 작다는 의견
  • API 요금이 아니라 할인된 구독을 쓰면 비용 차이가 크지 않다는 댓글이 여럿이다.
  • 한 사용자는 OpenRouter 최저가 제공자에서 며칠 만에 $50를 썼는데, 이는 자기 Codex 구독의 1/4이라고 했다.
• 토큰을 더 많이 쓴다는 반론
  • 한 사용자는 같은 작업에서 Sonnet 5.5보다 토큰을 더 쓰지만 작업·PR당 비용은 약 1/3이라고 추적했다.
  • 다른 댓글은 GPT-6.1 Sol보다 토큰을 10배 쓰고 품질이 낮다고 주장했다.
• 오케스트레이터로는 부족했다는 경험
  • 컴파일러 프로젝트에서 GLM-5.3 대신 DS를 오케스트레이터로 썼더니 맥락 누락, 임의 설계, 장황한 문서가 문제였다고 한다.
  • 명세가 잘 잡힌 구현 작업은 혼자서도 충분해 오케스트레이터는 GLM으로 되돌렸다고 한다.
• 역할을 나눠 잘 쓴다는 경험
  • 오케스트레이터, 테스터, 코드 탐색 서브에이전트, 리서치 보고서 작성에 쓴다는 댓글이 있다.
  • 개인비서 에이전트 기본 모델을 flash(thinking high)로 바꿔 비용을 크게 줄였다는 경험도 있다.

How to Apply

• 오늘 하루 구현 작업 하나를 Flash로 돌려 보기
  • 명세가 분명한 구현·테스트 작업 하나를 골라 지금 쓰는 모델과 Flash로 각각 돌려라.
  • 토큰 사용량과 작업당 비용을 같이 기록해 비교하라.
• 계획·구현·리뷰 모델을 분리해 라우팅하기
  • 계획과 구현은 저가 모델에 두고 최종 리뷰만 고가 모델로 보내라.
  • 리뷰에서 나온 수정은 다시 저가 모델에 맡겨라.
• 탐색·테스트용 서브에이전트를 저가 모델로 바꾸기
  • 코드 탐색, 웹 검색, 검증 서브에이전트의 모델 설정을 저가 모델로 바꿔라.
  • 한 주 뒤 품질과 청구액을 확인하라.

Try It

# Claude나 ChatGPT에 그대로 붙여넣기 (원문 방법의 간이 버전: 모델 역할 분담 설계)

내 팀은 코딩 에이전트를 쓴다. 작업 흐름은 계획 → 구현 → 리뷰 → 수정이다.
현재 쓰는 모델: {{현재 모델}}
저가 후보 모델: {{저가 모델}}
고가 모델: {{고가 모델}}
월 예산: {{예산}}

아래 원칙으로 단계별 모델 배정표를 만들어 줘.
- 계획·리서치·구현·수정은 저가 모델
- 최종 코드 리뷰만 고가 모델
- 명세가 모호하거나 설계 판단이 필요한 작업은 고가 모델로 올리는 기준

이어서 해 볼 것: 같은 작업 하나를 두 구성으로 돌려 토큰 수와 비용을 표로 비교해 줘.

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://www.dgt.is/blog/2026-10-07-deepseek-freek-out/
• https://artificialanalysis.ai/models/releases/comparisons