2026년 7월 31일, DeepSeek이 DeepSeek-V4-Flash-0731을 공개했다.
이번 릴리스에서 가장 먼저 눈에 띄는 점은 바뀌지 않은 것들이다. 모델 아키텍처와 파라미터 규모는 이전과 완전히 동일하다. 총 2,840억 개 파라미터, 토큰당 13억 개만 활성화되는 구조는 그대로 유지되었다1. 유일한 변화는 재-사후-훈련(re-post-training) 뿐이다.
그런데 이 단 하나의 변화가 가져온 결과는 실로 극적이다.
DeepSWE 벤치마크 점수가 프리뷰 버전의 7.3점에서 54.4점으로 645% 상승했다2. DeepSWE는 91개의 실제 GitHub 저장소에서 추출한 113개의 소프트웨어 엔지니어링 과제를 테스트하는 까다로운 벤치마크다. 모델이 보유한 지식 자체는 동일한데, 그것을 행동으로 옮기는 방식만 재훈련했을 뿐인데 이런 도약이 가능했던 것이다.
재-사후-훈련은 무엇을 바꾸었나
이 성능 향상의 비밀을 이해하려면 사후-훈련의 역할을 짚어볼 필요가 있다. 사후-훈련은 모델이 이미 가진 지식을 어떻게 활용할지를 가르치는 단계다. 특히 코딩 에이전트 작업에서는 강화학습이 매우 효과적이다. 모델이 코드를 작성하고, 실행 결과가 통과인지 실패인지 피드백을 받은 뒤, 성공한 패턴에 가중치를 부여하는 방식으로 학습이 진행된다. 코드 실행은 시 창작처럼 모호한 영역과 달리 보상 신호가 이진적으로 명확하므로, 훨씬 빠른 개선이 가능하다3.
프리뷰 버전도 충분한 기초 지식을 갖추고 있었다. 다만 복잡한 에이전트 작업에서 그 지식을 엮어내는 연결 패턴이 부족했을 뿐이다. 재-사후-훈련은 바로 이 연결 패턴을 정교하게 다시 학습시켰다. 이는 모델 성능 개선의 주도권이 단순한 사전훈련 규모 경쟁에서 사후훈련의 정교함으로 이동하고 있다는 분명한 신호다.
실제 벤치마크 결과는 이를 증명한다. DeepSeek-V4-Flash-0731은 자사의 V4-Pro-Preview를 모든 공개 에이전트 벤치마크에서 앞질렀다. Terminal Bench 2.1에서는 82.7점(V4-Pro-Preview 72.1점)을, Toolathlon에서는 70.3점(55.9점)을 기록했다1. Anthropic의 Opus-4.8과 Agents‘ Last Exam에서 겨룬 결과도 25.2 대 25.7로 근소한 차이였다.
개발자가 바로 적용할 수 있는 실전 포인트
API 사용자라면 이 전환이 조용히 이루어진다는 점을 기억해야 한다. 엔드포인트나 모델명은 그대로 유지된다. 그러나 모델의 행동 패턴이 달라졌으므로, 기존 워크플로우는 반드시 재검증해야 한다.
추론 깊이를 제어하는 reasoning_effort 파라미터는 low, high, max 세 단계를 지원한다1. high 및 max 수준에서는 최대 출력 길이를 384K 토큰까지 권장한다. 에이전트 작업에는 temperature = 1.0, top_p = 0.95의 샘플링 설정이 권장된다.
과금과 관련해 한 가지 중요한 변화가 있다. 사고 모드(thinking mode)가 기본 활성화되어 있으며, 내부 추론에 소비된 토큰까지도 출력 토큰 요율로 과금된다는 점이다. 따라서 작업당 실효 비용을 반드시 재측정해야 한다.
자체 호스팅 환경을 운영 중이라면, vLLM 또는 SGLang에서 DSpark 투기적 디코딩(speculative decoding)을 활성화하여 추론 속도를 높일 수 있다. 가격은 입력 100만 토큰당 $0.14, 출력 100만 토큰당 $0.28로 프리뷰 버전과 동일하게 유지된다1.
모델 업그레이드의 정의를 다시 쓰다
DeepSeek-V4-Flash-0731이 보여준 교훈은 명확하다. AI 모델의 성능 향상은 더 이상 더 큰 모델만의 전유물이 아니다. 동일한 모델을 더 똑똑하게 훈련시키는 접근만으로도 플래그십 모델을 뛰어넘을 수 있다. 이제 개발자에게 중요한 질문은 “얼마나 큰 모델인가”가 아니라, “어떻게 훈련되었고, 내 작업에 맞게 어떻게 튜닝할 것인가”로 바뀌고 있다.
1deepseek-ai/DeepSeek-V4-Flash-0731 · Hugging Face
2DeepSeek Retrained V4-Flash Beats Its Flagship Pro on Nine Agent Benchmarks
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.