DeepSeek의 제품군은 소규모 오픈 소스 코딩 모델에서 세계적으로 가장 주목받는 공개 가중치 AI 제품군 중 하나로 성장했습니다. 폐쇄형 경쟁 모델보다 훨씬 저렴한 가격으로 최첨단에 가까운 벤치마크 점수를 내는 것으로 알려져 있습니다. 이 가이드는 주요 DeepSeek 모델을 최신순으로 정리하고 각 모델의 사양, 핵심 기능, 권장 용도를 간결하게 소개하며 Chat Smith에서 사용할 수 있는 모델 링크도 제공합니다.
2026년 4월 24일 MIT 라이선스로 출시된 DeepSeek V4 Pro(총 1.6T / 활성 49B 매개변수)와 DeepSeek V4 Flash(284B / 활성 13B)는 모두 1M 토큰 컨텍스트 창을 제공하며, 새로운 하이브리드 어텐션 설계로 비용을 낮췄습니다. 가격은 V4 Pro 입력 $0.435/1M, 출력 $0.87/1M이며 V4 Flash는 입력 $0.14/1M, 출력 $0.28/1M입니다. 추천 용도: 에이전트 코딩 및 긴 컨텍스트 추론(Pro), 지연 시간에 민감한 대규모 작업(Flash).
2025년 12월 1일 출시된 DeepSeek V3.2는 도구 사용에 사고 과정을 직접 통합한 최초의 DeepSeek 모델로, SWE-Bench Verified에서 73.1%를 기록했습니다. 고연산 버전 V3.2-Speciale는 추론을 더 발전시켜 수학 올림피아드 금메달 수준의 결과와 AIME 96%를 달성했습니다. DeepSeek Reasoner V3.2 endpoint는 전용 ‘thinking’ 모드로 이러한 추론 동작을 제공합니다. 추천 용도: 일반 Q&A와 에이전트 작업(V3.2), 대회 수준의 수학 및 장문 추론(Speciale).
2025년 9월 29일 출시된 V3.2-Exp는 DeepSeek Sparse Attention(DSA)을 도입해 이전 세대보다 API 가격을 약 절반으로 낮추면서 긴 컨텍스트 작업의 처리량을 높였습니다. 두 달 뒤 정식 V3.2에 영향을 준 실험적 미리보기였습니다. 추천 용도: 역사적 참고용. V3.2로 대체되었습니다.
2025년 8월 21일 출시된 DeepSeek V3.1은 ‘thinking’ 모드와 일반 응답 모드를 처음으로 하나의 모델에 통합해 채팅 및 추론 endpoint를 따로 고를 필요를 없앴습니다. 9월 22일 Terminus 개선판은 영어·중국어 이중 언어 출력을 다듬고 에이전트 도구 사용을 강화했으며 긴 컨텍스트 처리 비용을 낮췄습니다. 추천 용도: 역사적 참고용. V3.2로 대체되었습니다.
2025년 5월 28일 출시된 R1-0528은 DeepSeek의 초기 추론 모델을 크게 업데이트한 버전입니다. AIME에서 91, LiveCodeBench에서 73, SWE-bench Verified에서 57.6%를 기록했습니다. DeepSeek은 노트북에서도 실행할 수 있을 만큼 작은 Qwen3 기반 8B 증류 버전도 제공했습니다. 추천 용도: 역사적 참고용. 추론 기능은 현재 V3.2/V4 제품군에 통합되어 있습니다.
2025년 3월 24일 출시된 V3-0324는 기존 V3 기반 모델을 조용하지만 크게 개선한 버전입니다. MIT 라이선스로 Hugging Face에 공개된 685B 매개변수 MoE 모델이며, 후속 버전의 기반이 되었습니다. 추천 용도: 역사적 참고용. V3.1 이후 모델로 완전히 대체되었습니다.
2025년 1월 20일 출시된 DeepSeek R1은 회사를 대중적으로 알렸고, 출시 주간에 미국 기술주의 시가총액을 수천억 달러 줄였습니다. 대규모 지도 미세 조정 없이 순수 강화 학습 기반 추론만으로도 OpenAI o1과 경쟁하는 모델을 만들 수 있음을 보여줬습니다. 실험적인 R1-Zero checkpoint는 처음부터 강화 학습을 시험했고, R1은 가독성을 높이기 위해 콜드 스타트 데이터를 추가했습니다. 6개의 소형 증류 모델을 통해 개발자는 가벼운 버전을 로컬에서 실행할 수 있었습니다. 추천 용도: 역사적 참고용. R1-0528과 V3.2/V4 제품군으로 이어졌습니다.
2024년 12월 25~26일 출시된 DeepSeek V3는 DeepSeek의 Mixture-of-Experts 설계를 총 671B 매개변수(활성 37B)로 확장했고 14.8조 토큰으로 학습되었습니다. 알려진 비용은 서구 연구소가 유사 모델에 지출한 금액보다 훨씬 낮았습니다. 이후 R1이 구축된 기반 아키텍처입니다. 추천 용도: 참고 및 연구. 허용 범위가 넓은 라이선스로 자체 호스팅할 수 있습니다.
2024년 9월 5일 출시되어 같은 해 12월 수정된 V2.5는 DeepSeek의 범용 채팅 모델과 코딩 중심 제품군을 하나의 모델로 합쳐 V3 이전의 구성을 단순화했습니다. 추천 용도: 역사적 참고용.
2024년 5월 6일 출시된 DeepSeek V2(총 236B / 활성 21B 매개변수, 128K 컨텍스트)는 이후 모든 DeepSeek 플래그십의 아키텍처 출발점입니다. Mixture-of-Experts 설계에 Multi-head Latent Attention(MLA)을 도입해 KV 캐시 비용을 낮췄으며, 이전 DeepSeek 밀집 모델보다 학습 비용을 42.5%, KV 캐시 크기를 93.3% 줄였습니다. 6월에는 DeepSeek Coder V2가 출시되어 아키텍처를 338개 프로그래밍 언어로 확장했습니다. 추천 용도: 역사적 참고용. 현재 중요한 것은 checkpoint가 아니라 아키텍처입니다.
2023년 11월 출시된 DeepSeek의 첫 모델 DeepSeek Coder와 7B/67B DeepSeek LLM은 약 2조 토큰으로 학습되었으며 출시 당시 코딩, 수학, 추론 벤치마크에서 Meta LLaMA-2 70B와 경쟁했습니다. V3나 R1이 세계적 화제가 되기 훨씬 전부터 DeepSeek을 진지한 오픈 소스 연구소로 알렸습니다. 추천 용도: 역사적 참고용.
DeepSeek 제품군은 이제 공개 가중치 범용 모델, 전용 추론 모델, 플래그십의 fast/pro 버전으로 구성됩니다. 모두 허용 범위가 넓은 라이선스로 공개되며 가격은 폐쇄형 경쟁 모델의 약 10분의 1입니다. 자체 호스팅 없이 이 모델들을 사용하려는 팀과 개인은 Chat Smith에서 사용 가능한 DeepSeek 모델은 물론 GPT, Claude, Gemini, Grok까지 하나의 인터페이스로 이용할 수 있습니다. 전체 AI 모델 카탈로그를 살펴보고 Chat Smith에서 작업 흐름에 맞는 모델을 찾아보세요.
현재 계열은 2026년 4월에 나온 DeepSeek V4 제품군으로, 두 가지가 있습니다. 복잡한 추론과 에이전트형 코딩을 위한 대형 모델 V4 Pro, 그리고 대량 작업을 위한 더 가볍고 저렴한 V4 Flash입니다. 둘 다 백만 토큰 규모의 컨텍스트를 다룹니다.
Chat Smith 편집팀은 AI를 더욱 쉽고 실용적으로 활용할 수 있도록 돕는 AI 애호가, 연구자, 콘텐츠 크리에이터들로 구성되어 있습니다. Chat Smith 블로그를 통해 최신 AI 트렌드, 도구 리뷰, 업계 인사이트, 그리고 실용적인 가이드를 제공하여 개인과 기업이 AI로부터 더 큰 가치를 얻을 수 있도록 지원합니다. 우리의 목표는 빠르게 변화하는 AI 환경 속에서 독자들이 최신 정보를 얻고, 생산성을 높이며, 한발 앞서 나갈 수 있도록 명확하고 신뢰할 수 있으며 이해하기 쉬운 콘텐츠를 제공하는 것입니다.
