facts

이번 공개의 핵심은 V4-Flash 모델의 API 접근 권한을 퍼블릭 베타로 확장한 것이다. 개발자는 `deepseek-v4-flash`와 `deepseek-v4-pro` 두 가지 모델을 사용할 수 있으며, 호출 인터페이스는 OpenAI의 ChatCompletions와 Anthropic 방식을 모두 지원한다. 기존에 사용하던 `base_url`은 변경 없이 그대로 유지된다.

서비스 전환을 위한 유예 기간도 함께 확정됐다. 기존 모델명인 `deepseek-chat`과 `deepseek-reasoner`는 2026년 7월 24일에 완전히 중단된다. 현재 이 두 모델명으로 요청을 보내면 각각 `deepseek-v4-flash`의 '비사고 모드(non-thinking mode)'와 '사고 모드(thinking mode)'로 자동 연결되어 작동한다.

임시 엔드포인트 형태로 제공되는 특수 모델도 존재한다. `DeepSeek-V3.2-Speciale`은 `base_url="https://api.deepseek.com/v3.2_speciale_expires_on_20251215"`를 통해 접근 가능하며, 2025년 12월 15일 15:59(UTC)까지 제공된다. 해당 모델은 V3.2와 동일한 가격 정책을 가지나 도구 호출(tool calls) 기능은 지원하지 않는다.

how-it-works

성능 검증 과정에서는 특정 프레임워크와 파라미터 설정이 적용됐다. 공개 벤치마크 세트의 코드 에이전트(Code Agent) 작업 측정 시, 곧 출시 예정인 'DeepSeek Harness minimal mode'를 프레임워크로 사용했다. 이때 설정값은 최대 노력 수준(max effort level), `topp=0.95`, `temperature=1.0`으로 고정해 성능을 측정했다.

내부 평가를 위해 별도의 테스트 세트도 운용한다. 풀스택 개발 능력을 측정하는 `DSBench-FullStack`과 코딩 에이전트의 고난도 문제 해결 능력을 검증하는 `DSBench-Hard`가 그 예다. 이는 일반적인 벤치마크 외에 실제 개발 환경에서의 복합적인 구현 능력을 수치화하기 위한 장치다.

모델 구조의 변화는 통합과 최적화 방향으로 진행되어 왔다. 과거 DeepSeek V2 Chat과 DeepSeek Coder V2 모델을 하나로 합쳐 `DeepSeek V2.5`를 구축했으며, 이를 통해 일반 능력과 코드 생성 능력을 동시에 높였다. 특히 IFEval 벤치마크에서 프롬프트 수준 정확도를 63.9%에서 77.6%로 올리고, 내부 테스트 기준 JSON 파싱률을 정규표현식 도입 전 78%에서 도입 후 97%까지 끌어올린 바 있다.

인프라 비용 절감을 위해 하드디스크 캐싱(hard disk caching) 기술을 도입했다. 이를 통해 API 가격을 기존보다 한 단계 더 낮추는 구조적 최적화를 달성했다. 이는 컨텍스트 캐싱(Context Caching) 기능과 결합되어 대규모 입력 데이터 처리 비용을 줄이는 핵심 기제로 작동한다.

implementation-impact

인프라 측면에서 개발자가 즉시 조정해야 할 부분은 모델 파라미터 값이다. `base_url`의 변경은 없으나, 최신 V4-Flash의 기능을 온전히 활용하려면 모델 이름을 `deepseek-v4-flash`로 명시해야 한다. 특히 기존 `deepseek-chat`이나 `deepseek-reasoner`를 사용 중인 환경은 내부적으로 V4-Flash로 매핑되어 작동하고 있으므로, 의도치 않은 모드 전환이나 성능 변화가 있는지 확인이 필요하다.

운영 관점에서는 2026년 7월 24일이라는 단종 시점을 기준으로 마이그레이션 계획을 세워야 한다. 기존 모델명을 그대로 유지할 경우 서비스 중단 시점에 API 호출이 실패하게 되므로, 코드 내 모델 식별자를 `deepseek-v4-flash` 또는 `deepseek-v4-pro`로 교체하는 작업이 필수적이다.