2026년 DeepSeek V4 모델 교체, 청구액 지키는 법

요청은 정상 처리되는데 모델을 바꾼 뒤 응답이 길어지고 사용량이 늘었다면, model만 바꾸고 thinking 설정을 빠뜨렸을 가능성이 큽니다.

가장 빠른 해결책은 deepseek-chat 기반 일반 대화와 배치 요청을 deepseek-v4-flash로 옮기고 thinking을 disabled로 명시하는 것입니다. 추론 업무는 곧바로 Pro로 바꾸지 말고 Flash thinking과 Pro thinking을 같은 평가 자료로 비교한 뒤 업무별로 나누십시오. 두 V4 모델은 모두 thinking과 비사고 모드를 지원하지만 thinking 기본값은 enabled입니다. 공식 Thinking Mode 안내를 기준으로 최종 요청과 응답을 확인해야 합니다.

마지막 업데이트: 2026년 7월 31일. 모델 상태, thinking 기본값, 요청 필드와 사용량 항목은 DeepSeek 공식 문서에서 다시 확인했습니다. deepseek-chat과 deepseek-reasoner는 2026년 7월 24일 15시 59분 협정 세계시 이후 사용할 수 없는 모델 이름으로 안내되어 있습니다. 공식 이전 안내

이 글은 다음 팀을 위한 내용입니다.

• 기존 deepseek-chat으로 일반 대화, 문서 처리, 배치 API를 운영하는 개발자
• SDK와 공용 게이트웨이의 기본 모델을 관리하는 플랫폼 엔지니어
• AI Agent의 품질, 지연 시간과 API 비용을 함께 책임지는 기술 책임자

먼저 고정할 교체 판단 기준

업무 목적을 모델 이름이 아니라 요청의 동작으로 나누십시오.

• 일반 대화, 요약, 분류, 정보 추출: deepseek-v4-flash + thinking.disabled
• 단순 도구 호출이 있는 Agent: 먼저 deepseek-v4-flash + thinking.enabled를 평가
• 복잡한 도구 연쇄와 높은 실패 비용: Flash thinking과 Pro thinking을 같은 자료로 비교
• 코드 추론과 고위험 분석: 품질 향상이 확인된 경우에만 deepseek-v4-pro로 승격

공식 호환 기간의 매핑은 deepseek-chat에서 Flash 비사고 모드, deepseek-reasoner에서 Flash thinking 모드였습니다. 그러나 이 정보가 종료 뒤 모든 서비스를 Pro로 바꿔야 한다는 뜻은 아닙니다. 공식 이전 안내도 기존 이름의 종료 시점과 V4 모델의 지원 범위를 설명할 뿐, 모든 업무에 Pro를 강제하는 규칙을 제시하지 않습니다.

가장 큰 숨은 비용은 모델 이름 자체가 아닙니다. 다음 세 가지가 실제 운영에서 자주 문제를 만듭니다.

• thinking 기본값이 enabled라서 단순 요청에도 추론 토큰이 생길 수 있습니다.
• SDK의 extra_body나 중간 게이트웨이가 애플리케이션의 thinking 값을 덮어쓸 수 있습니다.
• Agent는 한 번의 사용자 작업 안에서 여러 하위 요청을 만들 수 있어 주 요청 하나만 보면 전체 비용을 놓칩니다.

첫 번째 단계: 일반 대화 팀은 Flash 비사고 모드로 고정합니다

고객 지원, 검색 결과 정리, 짧은 답변과 일반 문서 작성이 주 업무라면 다음 설정을 기준선으로 삼으십시오.

response = client.chat.completions.create(
    model="deepseek-v4-flash",
    messages=messages,
    extra_body={"thinking": {"type": "disabled"}}
)

여기서 model만 바꾸는 방식은 충분하지 않습니다. 공식 API 문서의 thinking 필드는 기본값이 enabled이며, OpenAI 형식 SDK에서는 extra_body 안에 전달해야 합니다. Chat Completion API 요청 형식에서 실제 필드 위치를 확인하십시오.

마이그레이션이 끝났는지는 설정 파일이 아니라 최종 결과로 판단해야 합니다.

• 응답의 model이 deepseek-v4-flash인지 확인합니다.
• usage.prompt_tokens, usage.completion_tokens, usage.total_tokens를 저장합니다.
• 캐시를 사용하는 요청이면 prompt_cache_hit_tokens와 prompt_cache_miss_tokens도 기록합니다.
• 사고 모드가 켜진 경로라면 completion_tokens_details.reasoning_tokens를 별도로 수집합니다.

이 검사를 하지 않으면 내부 설정에는 Flash가 적혀 있어도 프록시가 다른 모델을 호출하거나 thinking을 다시 켜는 상황을 발견하기 어렵습니다.

두 번째 단계: 배치 팀은 품질 조건을 먼저 정합니다

요약, 분류, 태깅, 정보 추출과 대량 문장 생성은 기본적으로 Flash 비사고 모드에서 시작하십시오. 이 업무는 답변의 논리적 깊이보다 형식 준수와 처리량이 더 중요한 경우가 많습니다.

비용과 안정성을 비교할 때는 다음 순서가 좋습니다.

1. Flash 비사고 모드로 기준 결과를 만듭니다.
2. 동일한 입력 자료로 Flash thinking을 시험합니다.
3. 결과 품질이 실제 오류율을 낮추는지 확인합니다.
4. 그래도 개선이 부족할 때만 Pro thinking을 추가합니다.
5. 각 단계의 입력 토큰, 출력 토큰, 캐시 적중 토큰과 재시도 횟수를 비교합니다.

입력 앞부분이 반복되는 배치라면 프롬프트 접두부를 일정하게 유지하십시오. 공식 문서에는 캐시 적중과 미적중 토큰이 사용량에 별도 기록된다고 나와 있습니다. 단순히 요청 수만 줄이는 것보다 입력 구조를 고정하는 편이 비용 판단에 더 직접적인 자료가 됩니다. Context Caching 공식 안내

다음 조건을 만족하지 못하면 thinking이나 Pro로 올리지 않는 것이 좋습니다.

• 기준 자료에서 오답률 또는 누락률이 실제로 줄지 않았습니다.
• 출력 형식 오류가 줄지 않았습니다.
• 추가 토큰 비용을 감수할 업무 가치가 분명하지 않습니다.
• 재시도 감소나 사람 검수 시간 절감이 측정되지 않았습니다.

공식 요금 페이지는 비용이 입력 토큰과 출력 토큰을 기준으로 계산된다고 설명합니다. 현재 문서에 표시된 1백만 토큰당 가격은 Flash가 캐시 적중 입력 0.0028달러, 캐시 미적중 입력 0.14달러, 출력 0.28달러이며 Pro는 각각 0.003625달러, 0.435달러, 0.87달러입니다. 요금은 변경될 수 있으므로 배포 전 최신 공식 요금표를 다시 확인하십시오.

세 번째 단계: AI Agent는 모델보다 작업 단위로 나눕니다

AI Agent 팀은 예전 deepseek-reasoner라는 이름을 기준으로 일대일 교체하지 마십시오. 도구가 한 번만 호출되는지, 여러 번 이어지는지, 실패했을 때 사람이 개입해야 하는지를 먼저 보십시오.

• 도구 호출이 단순하고 실패 복구가 쉽다면 Flash thinking을 우선 시험합니다.
• 여러 도구를 순서대로 호출하고 중간 판단이 중요하면 Flash thinking과 Pro thinking을 비교합니다.
• 잘못된 실행이 결제, 배포 또는 고객 데이터 변경으로 이어지면 Pro를 검토하되 품질 증거를 남깁니다.

thinking 모드의 도구 호출은 한 작업 안에서 여러 하위 요청을 만들 수 있습니다. 도구 호출이 있는 턴에서는 reasoning_content를 다음 요청에 전달해야 하며, 누락하면 오류가 날 수 있습니다. 따라서 Agent 검증은 첫 번째 응답 하나가 아니라 전체 작업 사슬을 대상으로 해야 합니다. 공식 도구 호출 안내를 기준으로 로그를 설계하십시오.

고정된 작업 모음으로 다음 항목을 함께 측정하십시오.

• 최종 완료 여부와 업무 결과의 정확성
• 전체 하위 요청 수와 재시도 수
• 각 요청의 model과 thinking 상태
• total_tokens 및 reasoning_tokens
• 사용자 입력부터 최종 완료까지의 전체 지연 시간

단일 요청의 출력이 좋아졌다는 이유만으로 Pro를 전체 Agent에 적용하면, 하위 요청 증가와 재시도로 비용이 더 커질 수 있습니다.

네 번째 단계: 고품질 추론 팀은 변수를 하나씩 바꿉니다

코드 분석, 복잡한 설계 검토와 위험 판단처럼 품질이 우선인 업무라면 thinking을 무조건 끄지 않아도 됩니다. 다만 모델과 모드를 동시에 바꾸면 어떤 변경이 결과를 개선했는지 알 수 없습니다.

권장 순서는 다음과 같습니다.

1. 기존 업무 자료를 대표하는 평가 모음을 고정합니다.
2. Flash 비사고 모드로 기준 결과를 남깁니다.
3. Flash thinking으로 추론 모드의 효과를 확인합니다.
4. 같은 입력과 같은 도구 조건에서 Pro thinking을 시험합니다.
5. 품질 상승, 토큰 증가, 재시도 변화와 검수 시간 감소를 함께 판단합니다.

V4 Flash는 공식 설명에서 Pro에 가까운 추론 성능과 단순 Agent 작업에서의 유사한 결과를 내세우고 있습니다. 따라서 모든 고품질 업무를 처음부터 Pro로 보내기보다, Flash thinking을 비용과 품질 사이의 중간 경로로 남겨두는 편이 합리적입니다. 이는 모든 업무에 적용되는 확정 결론이 아니라, 동일한 평가 자료로 확인해야 하는 운영 가설입니다.

다섯 번째 단계: 플랫폼 팀은 임시 별칭을 없애고 실제 요청을 기록합니다

공용 SDK나 게이트웨이에는 다음 필드를 필수 로그로 두십시오.

• 최종 model
• thinking 상태
• 업무 태그
• 이전 기준 모델
• 오류 발생 시 복귀할 최종 모델
• 요청과 응답의 usage
• Agent라면 전체 하위 요청 식별자

애플리케이션이 thinking.disabled를 보냈더라도 게이트웨이가 기본값으로 덮어쓸 수 있습니다. 그래서 단위 테스트만으로는 부족합니다. 테스트 환경에서 실제 전송 요청 본문과 응답을 저장하고, model과 usage가 예상값과 일치하는지 확인해야 합니다.

아직 모든 서비스가 개편되지 않았다면 임시 매핑을 남기되 종료 조건을 붙이십시오.

• 담당 서비스와 소유 팀을 기록합니다.
• 적용 중인 최종 모델과 thinking 상태를 고정합니다.
• 제거 예정일을 정합니다.
• 해당 경로의 요청량이 0이 되는지 감시합니다.
• 제거 뒤 오류와 비용이 되돌아갈 때 사용할 복귀 경로를 남깁니다.

모델 목록 API에서도 현재 사용할 수 있는 식별자를 확인할 수 있습니다. 배포 파이프라인에 공식 모델 목록 확인 절차를 넣으면 오래된 별칭이 계속 퍼지는 문제를 줄일 수 있습니다.

이번 주에 끝낼 마이그레이션 점검 목록

• [ ] 일반 대화와 배치 작업을 deepseek-v4-flash로 분류했습니다.
• [ ] 일반 요청에 thinking.disabled를 명시했습니다.
• [ ] SDK, 프록시와 공용 게이트웨이의 덮어쓰기 여부를 확인했습니다.
• [ ] 실제 응답의 model을 저장하고 설정 파일과 비교했습니다.
• [ ] prompt_tokens, completion_tokens, total_tokens를 수집했습니다.
• [ ] 캐시 사용 경로에서 적중 및 미적중 토큰을 분리했습니다.
• [ ] Agent 작업은 전체 하위 요청과 재시도를 합산했습니다.
• [ ] Flash thinking과 Pro thinking을 같은 평가 자료로 비교했습니다.
• [ ] Pro 승격 조건과 즉시 복귀할 모델을 문서화했습니다.
• [ ] 임시 매핑의 소유 팀과 제거 조건을 지정했습니다.

이 목록에서 모델 이름만 바꾸고 실제 응답 검증을 하지 않았다면 이번 주에는 트래픽 확대를 미루는 편이 안전합니다. 일정한 관측 기간 동안 잘못된 라우팅이 없고, 품질 기준을 통과하며, 즉시 복귀할 수 있을 때만 사용량을 늘리십시오.

macOS와 iOS 클라이언트 팀은 운영 앱과 분리해 확인합니다

macOS나 iOS 클라이언트에서만 교체 문제가 재현된다면 운영 앱에서 모델을 반복해서 바꾸지 말고 격리된 Apple 개발 환경을 사용하십시오. SDK 설정, 프록시와 최종 요청 본문을 따로 확인할 수 있어야 합니다.

단기 테스트를 위해 클라우드 맥을 검토한다면 먼저 원격 맥 접속 방식과 한국 지역 요금 안내를 확인하십시오. 필요한 시스템, 전달 방식과 대여 기간이 실제 회귀 범위에 맞는지 먼저 판단해야 합니다. 장기 고정 부하나 물리 장치 연결이 필요하다면 직접 장비를 마련하는 편이 더 적합합니다.

FAQ

deepseek-chat이 사라진 뒤 어떤 모델로 바꾸는 것이 안전합니까?

일반 대화, 요약, 분류와 정보 추출처럼 긴 추론이 필수가 아닌 요청은 deepseek-v4-flash를 기본값으로 두고 thinking을 disabled로 지정하는 편이 안전합니다. 이전 설정에서 model만 바꾸면 thinking 기본값이 enabled로 남을 수 있습니다. 최종 응답의 model과 usage를 함께 기록해 실제 교체 결과를 확인해야 합니다.

일반 대화에는 V4 Flash와 Pro 중 어느 쪽이 적합합니까?

일반 고객 지원, 검색 보조와 짧은 문서 작성에는 우선 Flash 비사고 모드를 사용하십시오. Pro는 실패 비용이 크거나 복잡한 분석이 반복되는 업무에 한정하는 것이 좋습니다. 두 모델은 모두 thinking과 비사고 모드를 지원하므로 모델과 모드를 한 번에 바꾸지 말고 품질, 토큰 사용량과 지연 시간을 따로 비교해야 합니다.

deepseek-v4-flash에서 thinking을 끄려면 어디를 바꿔야 합니까?

OpenAI 형식 호출에서는 thinking을 요청 본문의 extra_body 안에 넣고 type을 disabled로 지정해야 합니다. SDK나 공용 게이트웨이가 이 값을 덮어쓰는지 확인하십시오. 설정 파일만 검사하지 말고 실제 전송 요청과 응답을 저장해야 합니다. 응답의 reasoning_content 생성 여부와 사용량의 토큰 세부 항목도 함께 점검하면 누락을 빨리 찾을 수 있습니다.

deepseek-reasoner를 옮길 때 반드시 V4 Pro를 선택해야 합니까?

그렇지 않습니다. 공식 호환 설명은 deepseek-reasoner를 V4 Flash의 thinking 모드와 연결했지만, 하위 모델 종료 뒤 모든 업무를 V4 Pro로 바꾸라는 규칙은 확인되지 않았습니다. 먼저 Flash thinking과 Pro thinking을 같은 작업 모음으로 시험하십시오. 품질 향상이 실패 비용과 추가 토큰 비용을 정당화할 때만 Pro를 별도 경로로 승격하는 방식이 적절합니다.

현재 구성에서 단순히 모델 이름만 교체하는 방식은 thinking 기본값, 게이트웨이 덮어쓰기와 Agent 하위 요청을 놓치기 쉽습니다. 반대로 VpsGona의 클라우드 맥을 임시 회귀 환경으로 활용하면 운영 앱과 분리된 상태에서 SDK와 Xcode 연동을 확인할 수 있습니다. 짧은 기간의 이전 검증과 격리 테스트라면 대여형 환경을 검토할 수 있지만, 장기 안정 부하나 물리 장치 연결이 필요하면 다른 방식을 선택해야 합니다.

이번 주에는 먼저 Flash 비사고 모드의 기준 요청을 고정하고 필요한 팀만 thinking 비교로 확장하십시오. 이후 실제 Apple 개발 환경 검증이 필요할 때 사용 가능한 시스템, 전달 방식과 대여 기간을 확인한 뒤 VpsGona의 단기 클라우드 맥을 테스트 범위에 맞춰 검토하면 됩니다.

관련 읽기

• 딥시크 브이포 성능과 실행 환경을 비교해 보세요
• 인공지능 모델 교체 때 필요한 연동 검증 절차를 확인하세요
• 에이전트 요청을 줄여 인공지능 사용료를 아끼는 방법을 알아보세요