딥시크, V4.1-Flash-1017 체크포인트 공개: DeepSWE 77.0, 검색·크롤링 API 개방
MarkTechPost가 2026년 10월 17일 보도한 바에 따르면, 딥시크는 V4.1-Flash의 후속 학습 체크포인트인 V4.1-Flash-1017을 공개했다. deepseek-flash 모델명으로 제공되며 11개 벤치마크 전부에서 9월 버전을 앞선다고 주장하고 DeepSWE v1.1에서 77.0을 기록했다. 동시에 모든 개발자에게 검색·크롤링 API를 개방하고 1,000회 호출당 과금을 제시했다.
주요 변화
MarkTechPost가 2026년 10월 17일 보도한 바에 따르면, 딥시크는 DeepSeek-V4.1-Flash-1017을 공개했다. 이는 V4.1-Flash의 업데이트된 후속 학습 체크포인트로, deepseek-flash 모델명을 통해 공식 웹사이트, 앱, API에서 제공되며 OpenAI와 Anthropic 두 가지 엔드포인트 형식을 지원한다. 보도에 따르면 규모는 552B 백본 파라미터에 196B Engram 파라미터이며, 프리필 시 토큰당 8B, 디코딩 시 16B가 활성화되고 컨텍스트는 1M tokens, 출력 상한은 384K tokens이다. 아키텍처 세부 사항은 V4.1-Flash 기술 보고서에서 비롯되었으며 인과적 인코더-디코더, 압축 희소 어텐션 2, FP4 메인 KV 캐시, SWA 유계 리플레이를 포함한다. 딥시크는 이 체크포인트가 11개 벤치마크 전부에서 9월 버전 V4.1-Flash를 앞서며 2.0~11.1점 향상되었다고 주장하는데, 그중 DeepSWE v1.1은 77.0(비교 74.2), Terminal-Bench 4.0은 42.3(비교 31.2)이다. 보도는 동시에 Claude Opus 5가 여전히 Terminal-Bench 4.0, ProgramBench, NL2Repo, 무도구 HLE에서 앞선다고 지적한다. 모델 공개와 함께 딥시크는 모든 개발자에게 검색·크롤링 API를 개방했다.
개발자에게 미치는 영향
에이전트 개발자에게 가장 직접적인 변화는 모델과 웹 도구 계층을 동일한 API 키로 구동할 수 있어 외부 검색 공급자 통합과 자격 증명 관리 계층이 하나 줄어든다는 점이다. 검색 엔드포인트는 0~3 재순위 점수와 0~4 권위 계층이 붙은 결과를 반환하고, 크롤링 엔드포인트는 단일 페이지를 Markdown으로 변환한다. 이는 검색 순위 신호가 원시 링크만 받는 대신 애플리케이션 자체의 재순위나 필터링 로직에 들어갈 수 있음을 의미한다. 몇 가지 사실 계층을 구분해야 한다. 모델 능력 향상은 딥시크가 자체 보고한 벤치마크 데이터에서 나온 것이지 독립 재현이 아니다. 9월 V4.1-Flash의 763B 파라미터 FP8 가중치는 MIT 라이선스로 Hugging Face에 공개된 적이 있지만, 보도는 1017 가중치와 하드웨어 요구 사항이 공개되지 않았다고 명시하므로 9월 버전의 MIT 라이선스를 1017 체크포인트로 확대 적용할 수 없다. 가중치 가용성과 라이선스 허여는 별개다. 도구 측 제한도 공개되었다. 검색과 크롤링은 각각 계정당 5 QPS이고 성공한 호출마다 엔드포인트 기준으로 과금되며, 빈 결과와 실패는 무료이고 harness를 통해 개시된 서버 측 호출은 2026년 11월 1일까지 무료다. 이런 가격과 무료 기간은 변동될 수 있으므로 벤더 문서와 가격 페이지의 당일 고지를 기준으로 삼아야 한다.
연동 및 평가 제안
다음은 권고와 조건 분석이며 보도 사실이 아니다. 첫 번째 결정은 추론 강도 단계에 관한 것이다. 보도에 따르면 이 모델은 1~100의 추론 강도 스칼라를 제공하며 API의 low, high, max는 각각 50, 75, 100에 매핑된다. 워크로드가 구조화된 코드 수정이나 저장소 수준 패치라면 high 또는 max를 선택하고 작업 완료율과 출력 token 수를 측정 가능한 지표로 삼는다. 분류, 추출, 라우팅처럼 짧은 출력 작업이라면 먼저 low를 쓰고 고정 샘플에서 정확도 하락이 허용 임계값을 넘지 않을 것을 요구한다. 두 번째 결정은 검색 연동 방식에 관한 것이다. 검색 API는 호출당 1~50개 결과만 가져올 수 있고 계정당 5 QPS이므로, 자체 검색을 쓸지는 쿼리량과 동시성 요구에 달려 있다. 일일 쿼리량이 5 QPS가 감당할 수 있는 범위를 크게 넘으면 외부 검색을 주 경로로 유지하고, 권위 계층과 재순위 점수가 필요한 롱테일 쿼리에 자체 검색을 쓴다. 평가 지표로는 답변 인용 적중률과 성공 쿼리당 비용을 선택하고, 빈 결과 과금 규칙을 경계로 실패 시나리오를 테스트한다. 세 번째 결정은 harness 버전에 관한 것이다. 보도에 따르면 이 체크포인트는 DeepSeek Harness, 텐센트 CodeBuddy, WorkBuddy에 맞춰 튜닝되었고 Harness v0.2.1-rc.1 이상을 권장하므로, 이 버전 전제를 충족하지 않는 환경에서는 벤치마크 향상이 자체 에이전트 프레임워크로 전이되지 않을 수 있다. 보도의 DeepSWE 점수를 직접 인용하기보다 자체 평가 세트의 작업 완료율을 입장 기준으로 삼아야 한다.
제한과 확인할 사항
보도의 모든 벤치마크 점수는 딥시크의 자체 보고 데이터이며, 보도 자체는 제3자 재현을 제공하지 않는다. 또한 평가는 Claude Code와 Mini-SWE-V2 등 특정 환경에서 이루어졌으므로 자체 harness로 바꾸면 결론이 달라질 수 있다. 아키텍처 파라미터, 컨텍스트, 출력 상한에 대한 설명은 V4.1-Flash 기술 보고서에서 비롯되었고, 보도는 1017 체크포인트가 이 측면에서 변화가 있는지 밝히지 않는다. 1017 가중치는 공개되지 않았으며, Hugging Face와 KimiSeek에서의 가용성은 9월 버전 V4.1-Flash의 MIT 라이선스로 추론할 수 없고 하드웨어 요구 사항도 공개되지 않아 현재 로컬 배포에 근거로 삼을 정보가 부족하다. 밝혀둘 점은 DeepSeek V4.1 Flash 1017이 KimiSeek 실시간 카탈로그에 나타나 있다는 것이다(카탈로그상 컨텍스트 1024000, 유형 chat). 그러나 이는 현재 카탈로그 상태일 뿐 보도의 벤치마크나 배포 능력을 뒷받침하는 증거가 아니다. 보도된 API 가격, 5 QPS 제한, 무료 기간은 모두 딥시크 공식 채널을 가리키며, 요율과 무료 기간은 변동될 수 있으므로 벤더 가격 페이지와 문서의 당일 고지를 기준으로 삼아야 한다.