딥시크, V4.1-Flash-1017 공개 및 자체 검색·패치 API 개방
중국 AI 스타트업 딥시크가 2026년 10월 17일 DeepSeek-V4.1-Flash-1017 모델을 배포하고, 자체 검색 및 패치 API를 1,000회당 0.75달러에 전면 개방했습니다.
중국의 인공지능 스타트업 딥시크(DeepSeek)가 2026년 10월 17일 성능 지표 개선과 작업 완료 속도 향상, 간결한 출력을 내세운 최신 AI 모델 DeepSeek-V4.1-Flash-1017을 공식 출시했습니다. 이번 업데이트는 웹사이트와 모바일 앱, 그리고 애플리케이션 프로그래밍 인터페이스(API) 전반에 걸쳐 즉시 적용되었으며, 그동안 내부 시스템에 제한되었던 자체 검색(Search) 및 웹 문서 수집(Fetch) API를 일반 사용자에게 전면 공개하는 조치도 함께 단행되었습니다.
모델 갱신과 강화학습 아키텍처
딥시크는 공식 X 계정 발표를 통해 이번 개편을 성능과 비용 측면의 '파레토 개선(Pareto improvement)'으로 규정했습니다. 이는 운영 비용의 상응하는 증가 없이 모델의 순수 작업 역량과 처리 효율을 동시에 끌어올렸음을 뜻합니다. 특히 DeepSeek Harness를 비롯해 텐센트의 코드버디(Tencent CodeBuddy), 워크버디(WorkBuddy) 등 주요 개발 및 협업 도구와의 연동에 맞춤 최적화가 이뤄졌다고 밝혔습니다.
기술적 측면에서는 자체 피드백 기반 강화학습(reinforcement learning with self-feedback) 기법이 적용되어 엔드투엔드 프로젝트 개발 전반을 개선했습니다. 딥시크에 따르면 이 방식은 게임 제작이나 바닥부터 시작하는 3D 모델 생성과 같은 복합 태스크의 워크플로우 완성도를 높이는 데 기여합니다. 벤치마크 평가에서도 이전 판본 대비 진전이 확인되었는데, DeepSWE v1.1 벤치마크 점수는 기존 74.2점에서 77.0점으로 올랐고, Automation-Bench V1.0.6에서는 54.8점에서 60.5점으로 상승한 결과가 함께 공개되었습니다.
자체 검색 및 페치(Fetch) API의 상용 개방
모델 공개와 함께 딥시크는 자체 검색 엔진을 기반으로 구동되는 Search 및 Fetch API를 모든 사용자에게 정식 개방했습니다. 외부 상용 검색 엔진에 의존하지 않고 자체 인프라를 직접 노출하는 구조이며, 가격 책정은 Search와 Fetch 각 엔드포인트당 1,000회 호출 기준 0.75달러로 공표되었습니다.
엔지니어링 환경에서 외부 정보를 검색하고 페이지 본문을 파싱해 모델 입력으로 주입하는 일련의 RAG(검색 증강 생성) 및 자율 에이전트 파이프라인에서 수집 인프라는 비용과 신뢰도를 좌우하는 변수입니다. 딥시크가 자체 검색 백엔드를 저비용 종량제 API 형태로 외부에 개방함에 따라, 개발자들은 모델 추론과 웹 실시간 정보 조회를 단일 공급자 인터페이스 안에서 일원화해 구성할 수 있게 되었습니다.
공식 지표 해석과 주의사항
이번 발표에서 공유된 모든 성능 향상 폭과 파레토 효율성 주장은 딥시크의 자체 벤치마크 측정치 및 공식 공지에 기반하고 있습니다. 제3자 독립 연구기관이나 외부 개발자 커뮤니티의 실환경 검증 데이터가 축적되기 전까지는 제시된 수치와 비용 대비 효율을 확정적 기준으로 단정하기보다 공식 발표 내용으로 한정해 해석해야 합니다.
아울러 복합 코딩 프로젝트 및 3D 모델링 지원 역량 역시 강화학습 설계를 통해 개선되었다는 개발사의 기술 보고 내용인 만큼, 실제 다양한 상용 소프트웨어 리포지토리 및 실무 환경에서 기존 모델 대비 얼마만큼의 오류율 감소와 자율 워크플로우 지속성을 유지하는지는 후속 운영을 통해 엄밀한 관찰이 요구됩니다.