DeepSeek V4 Pro 가격 인하와 엔터프라이즈 LLM 비용 설계

가격 인하를 가능하게 한 추론 구조

DeepSeek은 2026년 5월 22일 V4 Pro API 가격을 75% 영구 인하한다고 발표했다. 1.6조 개의 파라미터를 갖춘 모델이면서 토큰당 추론 비용은 GPT-5.5 대비 34배, Claude Opus 4.7 대비 17배 낮은 수준이다. 일시적인 프로모션보다는 Mixture-of-Experts(MoE)를 중심으로 추론 자원 사용량을 줄인 결과에 가깝다.

V4 Pro는 전체 1.6조 개 파라미터를 매번 사용하지 않는다. 토큰 하나를 처리할 때 활성화되는 파라미터는 490억 개, 약 3%다. 각 트랜스포머 레이어에는 256개의 라우팅 전문가와 1개의 공유 전문가가 배치된다. 학습된 라우터가 토큰마다 전문가 8개만 고르는 top-8 routing을 수행하고, 나머지 249개 전문가는 해당 토큰 계산에서 제외된다. 추론 비용이 전체 모델 크기보다 실제 활성 파라미터에 좌우되는 이유다.

100만 토큰 컨텍스트에서 V4 Pro의 단일 토큰 추론 FLOPs는 V3.2의 27%이며, KV 캐시 사용량은 10% 수준이다. 모델 규모와 실제 연산량을 분리한 이 구조가 가격 인하의 기술적 기반이 된다.

FP4·FP8 혼합 정밀도가 줄이는 연산량

정밀도도 모든 계층에 똑같이 적용하지 않는다. MoE 전문가 파라미터에는 FP4를 쓰고, 나머지 파라미터 대부분에는 FP8을 적용한다. KV 캐시 항목도 FP8로 저장하지만 RoPE(Rotary Position Embedding) 차원은 BF16으로 유지해 위치 인코딩 정밀도를 보존한다.

이 구성은 모델 품질 저하를 최소화하면서 추론 처리량을 BF16 대비 2배 이상 높인다. 서버리스 클라우드 제공자가 V4 활성화값을 FP8로 양자화할 수 있는 배경에도 이러한 계층별 정밀도 설계가 있다.

100만 토큰 컨텍스트를 다루는 하이브리드 어텐션

V4 Pro는 DeepSeek V3에서 도입한 MLA(Multi-head Latent Attention)를 확장해 CSA(Compressed Sparse Attention)와 HCA(Heavily Compressed Attention)를 결합한다.

CSA는 소프트맥스 게이팅 풀링과 학습된 위치 바이어스를 이용해 KV 항목을 시퀀스 차원에서 4배 압축한다. HCA는 희소 선택 과정 없이 KV 항목을 128배 압축한다. 두 메커니즘을 함께 사용하면서 100만 토큰 컨텍스트의 처리 비용을 낮췄다. 표준 어텐션은 시퀀스 길이의 제곱에 비례해 메모리가 늘지만, MLA 기반 하이브리드 구조는 증가 폭을 선형에 가깝게 억제한다.

⤢✕

API 비용과 자체 호스팅의 분기점

2026년 5월 기준으로 DeepSeek V4 Pro와 주요 모델의 API 가격은 다음과 같다.

모델	입력(캐시 미스)	입력(캐시 히트)	출력
DeepSeek V4 Pro	$0.435/1M	$0.003625/1M	$0.87/1M
GPT-5.5	$5/1M	-	$30/1M
Claude Opus 4.7	$5/1M	-	$25/1M
Gemini 3.1 Pro	$2/1M	-	$12/1M

출력 토큰 가격을 기준으로 보면 DeepSeek V4 Pro는 GPT-5.5의 34분의 1, Claude Opus 4.7의 17분의 1이다. 하루 1000만 출력 토큰을 처리하는 워크로드에 적용했을 때 월 비용은 DeepSeek V4 Pro가 약 261달러, Claude Opus 4.7이 약 7,500달러, GPT-5.5가 약 9,000달러다.

MIT 라이선스로 공개된 DeepSeek V4 Pro는 자체 호스팅도 가능하다. V4 Flash는 총 284B 파라미터라 단일 노드 배포가 현실적이지만, 1.6T 파라미터의 V4 Pro는 멀티 노드 구성이 필요하다.

V4 Pro를 자체 호스팅할 때 가중치 메모리는 FP4와 FP8 혼합 기준 약 158GB다. 100만 토큰 KV 캐시에 약 10GB가 필요하므로 총 VRAM 요구량은 약 170~175GB다. 권장 구성으로는 H200 2장(282GB), RTX Pro 6000 Blackwell 2장(192GB), A100 80GB 4장이 제시된다.

H200 클라우드 GPU 렌탈 비용을 시간당 약 $8~12로 잡으면 월 처리량 약 5억 토큰 이상부터 자체 호스팅이 API보다 비용 효율적이다. 다만 이 계산에는 모델 서버 운영 인력과 인프라 관리 비용까지 포함해야 한다.

규제 산업에서 비용보다 먼저 볼 항목

GDPR과 PIPA 등 데이터 프라이버시 규제가 엄격한 금융·의료·공공 분야에서는 외부 API로 데이터를 전송하는 행위 자체가 컴플라이언스 위험이 될 수 있다. 자체 호스팅을 선택하면 추론을 온프레미스나 프라이빗 클라우드 안에서 끝내 데이터 주권을 확보할 수 있다.

MIT 라이선스는 도메인 특화 파인튜닝과 추론 파이프라인 수정을 허용한다. 특정 API 사업자에게 종속되지 않고 모델을 직접 운영할 수 있다는 점도 서비스 연속성 측면의 이점이다.

반면 개발사가 중국 기업이라는 사실은 별도의 공급망 검토 사유가 된다. 학습 데이터 출처의 투명성과 잠재적 백도어 가능성을 기업 보안 정책에 따라 평가해야 하며, 정부 기관이나 국방 관련 기업이라면 별도의 보안 심사가 필요하다. 외부 AI API를 사용할 때는 ISMS-P 관점의 데이터 처리 계약(DPA) 체결 의무도 함께 살펴야 한다.

DeepSeek·Qwen·Llama를 고르는 기준

2026년 5월 기준 오픈소스 LLM의 성능과 운영 특성은 한 방향으로 수렴하지 않는다.

지표	DeepSeek V4 Pro	Qwen 3.6	Llama 4
SWE-Bench Verified	83.7%	73.4%	중간 수준
HumanEval	~92%	높음	중간
GPQA Diamond	높음	88.4%	중간
컨텍스트 윈도우	100만 토큰	-	1000만 토큰
활성 파라미터	49B	~3B	대규모
라이선스	MIT	Apache 2.0	Meta 커스텀

DeepSeek V4 Pro는 SWE-Bench 83.7%로 코딩과 종합 추론을 함께 요구하는 작업에 강하다. Qwen 3.6은 GPQA Diamond 88.4%와 약 3B의 활성 파라미터를 바탕으로 과학·수학 추론과 비용 효율에 강점을 보인다. Llama 4의 차별점은 1000만 토큰 컨텍스트지만, Meta 라이선스의 MAU 700만 조항은 대규모 소비자 서비스 배포에 제약이 된다.

워크로드별 선택 기준을 정리하면 다음과 같다.

사용 사례	권장 모델	이유
코드 생성·리뷰	DeepSeek V4 Pro	SWE-Bench 최고 성능
과학·수학 추론	Qwen 3.6	GPQA 최고 + 저비용 활성 파라미터
초장문 문서 처리	Llama 4	1000만 토큰 컨텍스트 독보적
비용 극한 최적화	DeepSeek V4 Flash	V4 계열 경량 버전
규제 산업 자체 호스팅	DeepSeek V4 Pro	MIT 라이선스 + 강력한 성능

분산 시스템과 클라우드 설계로 읽는 MoE

MoE는 분산 시스템의 로드 밸런싱과 전문화된 서버 클러스터 개념을 모델 내부에 적용한 구조로 볼 수 있다. 라우터가 토큰을 적합한 전문가에게 배정하는 과정은 마이크로서비스 아키텍처의 API 게이트웨이 라우팅과 닮았고, 전문가 선택 알고리즘은 해시 기반 파티셔닝과 연결된다.

API와 자체 호스팅 사이의 선택에는 TCO(Total Cost of Ownership) 분석이 필요하다. 클라우드 마이그레이션의 비용 편익 분석 프레임워크를 LLM 도입에도 적용해 API 사용료, GPU 비용, 운영 인력과 관리 부담을 함께 비교해야 한다.

FP8·FP4 혼합 정밀도는 부동소수점 표현에서 정밀도와 성능 사이의 트레이드오프를 활용한 사례다. GPU 병렬 처리 아키텍처와 NVIDIA Tensor Core의 저정밀도 행렬 연산 가속이 현대 AI 추론의 기반이라는 점도 이 구조에서 드러난다.

LLM API 가격 경쟁이 향하는 곳

DeepSeek의 75% 영구 가격 인하는 실제 추론 비용 감소분을 가격에 반영한 구조적 변화다. 2024년 GPT-4로 100만 토큰을 처리하는 비용은 약 60달러였지만, 2026년 동급 성능 모델의 입력 비용은 1달러 미만으로 내려갔다. 주요 비즈니스 태스크 10종의 평균 태스크 비용은 2년 남짓한 기간에 96.4% 감소했다.

OpenAI와 Anthropic은 단순한 가격 인하보다 프리미엄 서비스의 차별화에 무게를 두고 있다. OpenAI는 GPT-5.4를 에이전틱 워크플로우 신뢰성과 400K 컨텍스트 범용성으로 포지셔닝한다. Anthropic은 Claude Sonnet 4.6이 장문 추론과 코드 생성에서 1M 컨텍스트 품질 우위가 있다고 주장한다. 두 회사 모두 엔터프라이즈 SLA, 법적 책임과 안전성 보장을 프리미엄의 근거로 삼는다.

오픈소스 LLM이 프론티어 클로즈드 모델의 성능을 빠르게 따라가면서 API 가격 압박은 2026년 하반기에 더 커질 전망이다. DeepSeek V5(가칭)나 Qwen 4.0이 출시되면 추가 가격 충격도 예상된다. V4 Pro의 SWE-Bench 83.7%는 Claude Opus 4.6에 근접한 수준이어서 코딩 에이전트 시장에서 유료 API의 비용 정당성도 흔들리기 시작했다.

엔터프라이즈에서는 하나의 모델로 모든 작업을 처리하기보다 모델 믹스 전략이 부상하고 있다. 간단한 태스크는 DeepSeek V4 Flash나 Qwen 3.6에 맡기고, 복잡한 추론에는 Claude나 GPT를 배치하는 계층화 방식이다. DeepSeek V4 Pro의 하루 1000만 출력 토큰 기준 월 약 261달러라는 비용은 API 활용 범위를 넓히지만, 최종 선택은 비용 절감과 자체 호스팅의 보안 이점을 함께 놓고 판단해야 한다.