"중미 모델 격차 3%" — 벤치마크와 청구서는 다른 얘기
블룸버그: 중국 최상위 모델이 미국에 3% 뒤진다. 연초 15% → 5월 9% → 3%. DeepSeek V4.1 Flash가 LiveBench 6위.
같은 모델을 쓰는 중국 개발자들의 말. "같은 1,400개 요청에 출력 토큰 +300%, 1M 컨텍스트가 30턴에서 10턴으로", "토큰당 가격은 1/6인데 GPT-6는 같은 일을 십수 K 토큰으로 끝낸다", "인프라를 쥐어짜면 추론력이 모자라 토큰을 더 뿌려 메꾼다".
벤치마크는 점수를 재지 토큰 효율을 재지 않는다. 격차는 품질 축에서 줄었고 효율 축에서는 벌어졌다.
출처: 블룸버그 인텔리전스, 즈후 10/5
아이티홈 일간 5위, 댓글 131, 투표 4.8점(92명, 유가치 88 / 무가치 4) — 오늘 최고 점수.
사실(블룸버그 인텔리전스, 10-05)
- DeepSeek V4.1 Flash 발표 뒤 중국 최상위 모델의 벤치마크 점수가 미국 최상위에 3% 뒤진다. 올해 초 15% → 5월 9% → 지금 3%
- LiveBench: DeepSeek 81.1 vs 앤트로픽 최고 83.4. 전체 6위. 2025년 R1 이후 중국 모델 최고 순위. 단 상위 15개 중 중국 모델은 3개뿐
- "국산 하드웨어에 맞춰 최적화하는 능력"을 격차 축소 요인으로 지목. 미국 수출통제 효과에 의문
- 같은 날 아이티홈 헤드라인: DeepSeek이 화웨이 어센드용 인프라 컴포넌트를 오픈소스했고 엔비디아 스택과 1:1 대응
즈후 댓글의 토큰 청구서
V4.1 Flash 출시(9-10) 때 즈후 대표 답변(735 추천)에 달린 댓글들이 이 모델의 실체를 더 잘 설명한다:
"같은 1,400개 요청인데 4.0 대비 출력이 +300%, 총 토큰이 4억 → 6.7억. 1M 컨텍스트에서 예전엔 30턴 가던 게 지금은 10턴이면 날아간다. 다들 가격 내렸다는데 웃기다" (13 추천)
"토큰을 많이 쓰긴 하지만 가격이 Kimi K3의 1/6이다" (109 추천) ↔ "토큰 과소비는 국산 모델 공통 문제. GPT-6는 같은 과제를 십수 K 토큰으로 끝낸다" (81 추천)
"극단적으로 희소한 설계라 지시 따르기와 사람 개입 상호작용이 약하다" (51 추천)
"극한의 인프라 효율과 극한의 지능은 양립 못 하는 것 아닌가. KV 공유·희소 어텐션 으로 인프라를 쥐어짜면 추론력이 모자라 토큰을 더 뿌려 메꾸게 되고, 결국 가성비가 안 나온다" (24 추천)
10-03 즈후 질문 "V4.1 flash 실사용이 V4 flash보다 못한데 왜 아무도 반응 안 하나": 답변(48 추천)은 번역·작문은 V4 flash보다 못하고, 에이전트 작업은 GLM 5.3 flash 보다 약간 낫다고 갈라 말한다.
가격 — 같은 날 세 회사가 동시에 움직였다 (웨이보, 10-05)
"DeepSeek·문샷·Z.AI가 하루에 API 입력가를 조정했다. 신규 플래그십은 대폭 인하 (Kimi K3 2.7 → 0.72달러, GLM 5.3 1.4 → 0.22), 구형은 인상(V4.1 Flash 0.02 → 0.3, Kimi K2.6 0.43 → 0.95). 업그레이드를 강제하는 것" 개별 수치는 공식 가격표로 확인되지 않았다. 특히 V4.1 Flash 15배 인상은 이 글 한 건이 출처다.
웨이보 개발자 정서(10-05): "국산 오픈 모델 중 GLM 5.3·Kimi K3(둘 다 비싸서 못 씀) 빼면 코딩·속도·가격 종합으로 V4.1 flash를 못 이긴다." 댓글: "K3는 하루면 주간 한도가 바닥", "DS는 마음껏 써도 된다". OpenRouter 주간 토큰 166T, 전년 동기 31배.
왜 중요한가 "3% 격차"는 벤치마크 점수의 격차다. 벤치마크는 토큰 효율을 재지 않는다. 같은 답을 내는 데 3배 토큰을 쓰면 가격이 1/6이어도 청구서는 절반이고, 컨텍스트 창은 1/3로 줄어든다. "DeepSeek이 따라잡았다"는 말에는 이 꼬리표가 붙어야 한다. 격차는 정말 줄었다 — 단, 품질 축에서 줄었고 효율 축에서는 벌어졌다.