새로 나온 모델 · 2026.10.18
최종 업데이트
DeepSeek-V4.1-Flash-1017: 다시 받을 파일과 실행 조건
이름과 파일 크기는 같아도, 1017은 Engram과 비전 타워까지 새로 받아야 해요.
DeepSeek-V4.1-Flash-1017은 9월 V4.1 Flash를 다시 학습한 체크포인트1예요. 구조와 1M 문맥, MIT 라이선스, API2 모델 이름 deepseek-flash는 그대로지만 가중치 48개가 모두 바뀌었어요. 이미 로컬에서 V4.1 Flash를 돌리고 있다면 새 파일을 같은 폴더에 덮어쓰지 말고, Engram 테이블과 비전 파일까지 1017로 맞춘 뒤 기존 조건에서 한 번 더 시험해야 해요.
1017은 같은 자리를 채우는 체크포인트예요
2026년 10월 17일 DeepSeek가 공개한 V4.1-Flash-1017은 9월 10일 V4.1 Flash를 이어받는 재학습 체크포인트예요. 회사는 이를 작은 업데이트라고 부르지만, 자사 벤치마크에서 Terminal-Bench 4.0은 11.1점, ProgramBench는 8.8점 올랐고 같은 작업을 더 짧은 출력으로 끝냅니다. 웹과 앱, API 모델 이름은 그대로이고, API에서는 deepseek-flash를 계속 쓰면 됩니다.
구조도 그대로예요. 백본 552B와 Engram 196B, DSpark 드래프트와 비전 타워를 합쳐 모델 카드에는 763B 파라미터로 표시됩니다. 문맥 1,048,576토큰3, 최대 출력 384K, MIT 라이선스도 9월과 같아요. 그래서 로컬 사용자에게는 '무엇이 새로 생겼나'보다 '같은 자리에 들어간 파일이 무엇으로 바뀌었나'가 더 중요한 질문이 됩니다.
파일 이름과 크기는 그대로인데 내용은 모두 바뀌었어요
공식 저장소의 safetensors 48개는 1017에서 모두 다시 기록됐어요. 파일 이름과 개별 크기는 9월과 같지만, Engram n-gram4 테이블 두 개와 비전 타워도 새 값으로 바뀌었습니다. 문제는 실행 엔진이 대개 파일 이름과 텐서 모양만 보고 읽는다는 점이에요. 9월 Engram 테이블을 1017 본체에 연결해도 로딩은 성공하고 답변도 그럴듯하게 나옵니다. 다만 그 답은 1017이 아니라 서로 맞지 않는 조합에서 나온 것이에요.
그래서 이미 9월 체크포인트를 받아 두었다면 같은 폴더에 덮어쓰지 말고 새 폴더에 받으세요. 이전 폴더를 지우거나 이름을 바꿔 두면 엔진이 예전 파일을 잘못 집어 드는 일을 줄일 수 있어요. 다운로드 뒤에는 저장소 파일 목록과 내려받은 샤드의 이름·크기를 대조하고, 변환본이라면 그 저장소가 제공하는 체크섬 목록을 함께 확인합니다.
hf download deepseek-ai/DeepSeek-V4.1-Flash-1017 \
--revision 1bae0e1088993b9b82de08f59de5be5a34e42170 \
--local-dir ds41-1017
du -sh ds41-1017다시 받을 양은 실행 형식에 따라 크게 달라져요
공식 체크포인트는 48개 파일을 합쳐 510.3GB, 2진 단위로 475.25GiB예요. 변환하려면 원본과 결과 파일을 함께 둘 공간이 필요하고, 실행 중에는 가중치 밖에 KV 캐시5와 런타임6 메모리가 더해집니다. 1TB 이상 여유를 두는 편이 안전하지만, 이것은 계획용 산술이지 공식 최소 사양은 아니에요.
개인 장비 쪽에는 두 갈래가 있어요. 128GB DGX Spark 한 대를 겨냥한 VQ GGUF7는 본체 113.56GB, 비전 보조 0.97GB, Engram 203GB를 따로 두고 Engram은 디스크에서 행 단위로 읽습니다. 내려받는 양은 약 318GB예요. MLX8 3비트 변환본은 변환 샤드 223.5GiB와 원본 Engram 189.1GiB를 합쳐 412.6GiB입니다. 두 변환본 모두 1017 자체의 실행 속도는 아직 공개되지 않았어요.
좌우로 밀어 표 전체를 비교하세요.
| 형식 | 저장 구성 | 합계 | 1017 실행 측정 |
|---|---|---|---|
| 공식 safetensors | 샤드 48개 | 475.25GiB | 공식 배포본 |
| VQ GGUF (DGX Spark) | 본체 113.56GB + 비전 0.97GB + Engram 203GB | 다운로드 약 318GB | 미측정 |
| MLX LSQ3 | 변환 샤드 223.5GiB + Engram 189.1GiB | 412.6GiB | 미측정 |
지금 1017을 읽는 경로는 메인라인 llama.cpp가 아니에요
llama.cpp의 DeepSeek V4.1 지원 PR은 2026년 9월 10일 열린 뒤 10월 18일까지 병합되지 않았고, 충돌 상태로 남아 있어요. 그래서 'llama.cpp에서 돌아간다'는 안내는 대개 포크나 별도 변환본을 뜻합니다. 메인라인 빌드에 같은 명령을 넣으면 아키텍처를 읽지 못해 실패할 수 있어요.
서버급 GPU9에서는 vLLM과 SGLang 레시피로 이 구조를 실행할 수 있고, NVIDIA Dynamo 문서도 V4.1 Flash 배포를 다룹니다. 다만 vLLM에서는 생각 모드가 기본으로 켜져 있고 effort 기본값이 50이라, max_tokens를 작게 주면 추론만 하다가 빈 content와 finish_reason=length가 돌아올 수 있어요. 모델이 고장 난 것이 아니므로 thinking을 끄거나 출력 예산을 늘려야 합니다.
프롬프트10 형식도 주의해야 해요. 1017 저장소에는 Jinja 채팅 템플릿이 없고, encoding 폴더의 Python 참조 구현과 deepseek-recipe가 같은 형식을 제공합니다. 도구 호출11 태그에 공백이 들어가는 DSML 형식과 1~100 숫자 effort를 일반 템플릿처럼 다루면 대화가 어긋날 수 있어요.
성능표에서는 점수보다 작업당 비용을 봐요
모델 카드의 비교표는 1017이 9월 모델보다 대부분의 항목에서 앞서고, 일부 코딩 항목에서는 Opus 5도 넘는다고 보고합니다. Terminal-Bench 4.0은 31.2에서 42.3, DeepSWE v1.1은 74.2에서 77.0, ProgramBench는 20.3에서 29.1로 올랐어요. HLE는 36.8에서 42.6으로 올랐지만 Opus 5의 56.3에는 못 미칩니다.
이 숫자는 벤더가 공개한 하네스 조건의 결과예요. Terminal-Bench는 Claude Code 하네스, DeepSWE는 Mini-SWE-V2로 측정했고, 내 장비의 tok/s나 첫 토큰 대기는 아닙니다. 1017의 실제 개선은 같은 작업을 더 짧은 출력으로 끝내는 데서 오므로, 로컬에서는 '같은 요청에 몇 토큰을 쓰는가'를 9월 체크포인트와 비교하는 편이 현실적이에요.
좌우로 밀어 표 전체를 비교하세요.
| 벤치마크 | V4.1-Flash-1017 | V4.1-Flash (9월) | Opus 5 |
|---|---|---|---|
| Terminal-Bench 4.0 | 42.3 | 31.2 | 51.8 |
| DeepSWE v1.1 | 77.0 | 74.2 | 74.0 |
| ProgramBench | 29.1 | 20.3 | 37.0 |
| HLE (도구 없이) | 42.6 | 36.8 | 56.3 |
API 요금은 그대로지만 검색 도구는 11월부터 유료예요
API는 모델 이름 deepseek-flash와 기존 별칭 deepseek-v4-flash가 모두 1017로 연결되고, 가격표도 9월과 같아요. 캐시 적중 입력은 100만 토큰당 off-peak $0.003, peak $0.006이고, 캐시 미적중 입력은 $0.15와 $0.3, 출력은 $0.6과 $1.2입니다. peak는 UTC 기준 평일 01~04시와 06~10시예요.
새로 열린 Search와 Fetch API는 성공한 요청 1,000건당 각각 $0.75예요. DeepSeek Harness, Claude Code, Codex에서 서버 도구로 호출하는 경우는 2026년 11월 1일 0시(베이징 시간)까지 무료이고, 그 뒤부터 과금됩니다. 로컬 모델을 쓰더라도 검색을 붙이면 이 비용이 별도로 생긴다는 점을 계산에 넣어야 해요.
| 가격 항목 | off-peak | peak |
|---|---|---|
| 입력 (캐시 적중) | $0.003 | $0.006 |
| 입력 (캐시 미적중) | $0.15 | $0.3 |
| 출력 | $0.6 | $1.2 |
다시 받기 전에 확인할 순서
먼저 이 모델을 로컬에서 돌릴지, API로 쓸지 정하세요. API라면 이름만 그대로 두면 되고, 로컬이라면 지금 쓰는 엔진이 deepseek_v41 아키텍처와 1017 리비전을 실제로 읽는지 확인해야 합니다. 그다음 저장 공간과 변환 여유를 계산하고, 기존 폴더와 분리해 받은 뒤, 대표 작업 하나를 같은 조건으로 다시 실행하세요.
기록해 둘 값은 저장소 리비전 1bae0e1, 사용한 변환본과 런타임 커밋, 문맥 길이, 출력 토큰 수, 첫 토큰까지 걸린 시간이에요. 9월 체크포인트에서 안정적으로 쓰던 구성이 1017에서 같은 방식으로 동작하지 않는다면, 새 벤치마크 점수보다 그 차이를 먼저 해결하는 편이 낫습니다.
용어 각주
체크포인트 — 학습된 모델의 가중치 등을 저장한 파일입니다. 같은 모델 계열도 버전이나 용도에 따라 다른 체크포인트를 쓸 수 있습니다.
본문으로 돌아가기API — 프로그램의 기능을 다른 코드에서 호출하기 위한 약속된 인터페이스입니다.
본문으로 돌아가기토큰 — 모델이 입력이나 출력을 나누어 처리하는 단위입니다.
본문으로 돌아가기n-그램 — 연속된 n개의 토큰 또는 항목으로 이루어진 구간입니다. 문맥 조회·추측 생성에 쓰일 수도 있고, 일부 모델에서는 임베딩 테이블의 구성 단위로도 쓰입니다.
본문으로 돌아가기KV 캐시 — 어텐션에서 이전 토큰의 키·값을 저장해 다음 토큰 생성 때 재사용하는 메모리입니다. 문맥 길이와 배치 크기에 따라 용량이 달라집니다.
본문으로 돌아가기런타임 — 프로그램이 실행될 때 필요한 기능을 제공하는 소프트웨어 환경입니다. 로컬 AI에서는 모델을 실행하는 엔진을 가리키기도 합니다.
본문으로 돌아가기GGUF — 모델 정보를 담는 파일 형식으로 llama.cpp 계열 도구에서 널리 사용됩니다.
본문으로 돌아가기MLX — Apple이 개발하는 머신러닝 프레임워크로, Apple Silicon의 CPU와 GPU가 공유하는 메모리를 활용해 모델을 실행합니다.
본문으로 돌아가기GPU — 많은 계산을 병렬로 처리하는 프로세서입니다. AI 모델 실행에서는 모델 계산을 맡습니다.
본문으로 돌아가기프롬프트 — 모델에 보내는 입력문입니다. 생성 모델에서는 만들 결과를 설명하는 문장이 되어 출력의 구성과 내용을 크게 좌우합니다.
본문으로 돌아가기도구 호출 — 모델이 파일 읽기·검색·명령 실행 같은 외부 기능의 이름과 인자를 요청하는 형식입니다. 요청을 실제로 실행할지는 에이전트 런타임과 권한 설정이 결정합니다.
본문으로 돌아가기
자주 묻는 질문
- 이 글에서 가장 먼저 확인할 것은 무엇인가요?
- DeepSeek-V4.1-Flash-1017은 9월 V4.1 Flash를 다시 학습한 체크포인트예요. 구조와 1M 문맥, MIT 라이선스, API 모델 이름 `deepseek-flash`는 그대로지만 가중치 48개가 모두 바뀌었어요. 이미 로컬에서 V4.1 Flash를 돌리고 있다면 새 파일을 같은 폴더에 덮어쓰지 말고, Engram 테이블과 비전 파일까지 1017로 맞춘 뒤 기존 조건에서 한 번 더 시험해야 해요.
- 필요한 메모리는 어느 정도인가요?
- 공식 체크포인트는 48개 파일을 합쳐 510.3GB, 2진 단위로 475.25GiB예요. 변환하려면 원본과 결과 파일을 함께 둘 공간이 필요하고, 실행 중에는 가중치 밖에 KV 캐시와 런타임 메모리가 더해집니다. 1TB 이상 여유를 두는 편이 안전하지만, 이것은 계획용 산술이지 공식 최소 사양은 아니에요.