딥식(DeepSeek) V4.1 플래시, 10~20tok/s가 120으로 — 속도는 넘사벽 품질은 갈렸다

주간 토큰이 바닥나자 옮겨갔다

이동의 계기는 성능 비교가 아니라 한도였다. 주간 토큰을 다 써 버린 사람들이 대안을 찾다가 딥식(DeepSeek) V4.1 플래시로 넘어갔고, 첫 반응은 속도에 대한 감탄이었다.

"위클리 토큰 다써서 딥식이 플래시 쓰고 있는데 진짜 너어어무 좋네요;"

다른 참가자도 체감이 같았다.

"와 딥식.. tps 부터 다르다.."

숫자가 먼저 튀었다

구체적인 수치가 뒤따랐다. 아스트라(GPT-6)로 10 ~ 20tok/s 나오던 작업이 딥식에서는 120까지 찍힌다는 보고였다. 다른 참가자는 예전 버전에서도 110tok 정도는 나왔다며, 속도는 이 모델 계열의 원래 강점이라고 거들었다. 같은 작업을 여섯 배 빠르게 받는 체감은 단순한 편의가 아니라 작업 방식 자체를 바꾸는 차이라, 한도에 밀려 옮겨온 사람들이 그대로 머무를 이유가 되기도 한다.

다만 이 수치들은 조건을 맞춰 측정한 값이 아니라 각자 쓰던 작업에서 나온 체감치다. 같은 환경에서 잰 숫자가 아니라는 점을 감안해도, 열 배 가까운 차이를 여러 사람이 같은 시간대에 동시에 말했다는 사실 자체가 속도 축의 격차를 보여준다.

조금 쓰다 보면 평가가 갈린다

감탄은 오래가지 않았다. 메인 모델로 삼아도 되겠다는 반응이 나오자 선을 긋는 답이 붙었다.

"좀 쓰다보면 애가 뭔가 삐리합니다."

벤치마크를 근거로 든 지적도 나왔다. 한 참가자는 점수가 나오는 구간이 한정적이라며 버전별 결과가 고르지 않다고 짚었다.

"터미널벤치 2.1에서만 점수가 어느정도나오고"

같은 참가자는 3.0과 4.0에서는 많이 부족하다고 덧붙였다. 속도는 첫 몇 분에 바로 드러나고 품질 문제는 한참 써 본 뒤에 드러난다는 점에서, 초기 호평과 뒤따르는 반박이 같은 모델을 두고 엇갈리는 것은 자연스러운 순서로 보인다. 벤치 점수가 특정 버전에서만 높게 나온다는 지적은 그 순서를 설명하는 근거에 가깝다. 잘 되는 구간이 좁으면 처음 몇 번의 시도는 좋게 나오고, 쓰는 범위가 넓어질 때 틈이 보이게 된다.

절충안은 메인과 워커를 쪼개는 것

결론 대신 구성이 나왔다. 품질이 필요한 판단은 클로드 오푸스 5(Opus 5)에 맡기고, 양이 많고 반복적인 일은 빠른 쪽에 넘기는 분업이다.

"opus 5 메인으로 deepseek 4.1 flash 워커로 쓰니.. 가성비 좋네요"

한 모델을 골라 전부 맡기는 대신 역할별로 나누는 방식이라, 속도와 품질이 맞바뀌는 상황에서 한쪽을 포기하지 않는 선택에 가깝다. 주간 한도에 한 번씩 부딪히는 사용 패턴이 이어지는 동안, 이렇게 역할을 쪼개 두는 구성이 계속 늘어날 것으로 보인다. 한도가 바닥나면 그날의 작업 방식이 강제로 바뀌는 구조라, 대안 모델을 미리 붙여 두는 일이 취향 문제가 아니라 대비에 가까워지고 있다.