DeepSeek V4.1 Flash, GPT-6 비용 70분의 1에 81.2점 기록 — Sahara AI(SAHARA) 서사에 부담

81.2 대 82.7: 벤치마크 격차

DeepSeek의 V4.1 Flash가 OpenDesign Arena의 웹 디자인 평가에서 평균 81.2점을 기록했다. 결과는 9월 11일 공개됐으며, 13개 모델 가운데 82.7점으로 선두를 달린 OpenAI의 GPT-6 Astra와의 격차를 1.5점까지 좁혔다. AI 리더보드 최상위권의 성능 차이는 이미 오차 범위에 가까워졌지만, 두 모델 간 비용 격차는 전혀 줄어들지 않았다.

OpenDesign Arena는 웹 애플리케이션, 대시보드, 모바일 화면, 랜딩 페이지 같은 실전형 디자인 작업을 평가 대상으로 삼는다. 요구사항 충족도, 레이아웃, 시각적 위계, 색상, 결과물의 전반적 완성도가 심사 기준이다. 이 루브릭에서 V4.1 Flash는 81.2점으로 2위를 차지했고, 같은 평가에서 80.3점을 낸 Anthropic의 Claude Fable 5.1을 앞섰다.

경제성에서 DeepSeek 모델은 경쟁 모델들과 확연히 갈린다. 디자인 작업 1건당 평균 비용은 V4.1 Flash가 0.023달러, GPT-6 Astra가 1.61달러로, 대략 70분의 1 수준이다. Claude Fable 5.1은 작업당 3.66달러로 더 높았다. 속도 역시 V4.1 Flash가 우위로, 평균 작업을 5.3분에 마친 반면 Astra는 11.1분, Claude Fable 5.1은 12.8분이 걸렸다.

품질 마진은 더 절제된 그림을 보여준다. 별도 수정 없이 바로 사용 가능하다고 판정된 결과물 비율은 GPT-6 Astra 60%, V4.1 Flash 57.7%, Claude Fable 5.1 56.7%로, 상위 두 모델 간 격차는 2.3%포인트에 불과하다. 다만 이 단서는 중요하다. OpenDesign Arena는 웹 디자인이라는 한 종목만 측정한다. 웹 디자인에서의 근접 결과가 코딩, 추론, 과학 연구 전반에서 GPT-6 Astra와의 동격을 입증하지는 않으며, DeepSeek 스스로도 그런 주장을 하지 않았다. 이 수치가 확실히 보여주는 것은 다르다. 기업이 실제 생성형 디자인에 지출하는 작업 카테고리에서는 이제 순수 성능이 아니라 작업당 가격과 처리량이 결정 변수라는 점이다.

총 5,520억 파라미터, 활성 160억

V4.1 Flash의 비용 우위는 보조금이 아니라 구조에서 나오며, 수치로 확인된다. 이 모델은 총 5,520억 개의 파라미터를 갖지만 전부를 동시에 돌리지 않는다. 입력 처리에는 약 80억 개, 출력 생성에는 약 160억 개만 활성화한다. DeepSeek은 이를 비대칭 아키텍처, 즉 매우 큰 모델의 지식 용량을 유지하면서 요청당 실제 연산 소비를 줄이는 전문가 혼합(mixture-of-experts) 설명으로 규정한다. 이 논리는 정신적으로 블록체인 인프라의 대안 가상 머신(AltVM)과 통한다. 전체 런타임 대신 해당 트랜잭션에 필요한 모듈만 실행하는 방식이다.

모델은 DeepSeek이 사전에 예고한 일정대로 9월 10일 정식 공개됐다. 내부 테스트에서는 출력 속도가 초당 420토큰으로 측정됐으나, 측정 조건이 경쟁 모델과 완전히 동일하지는 않아 직접적인 속도 비교는 정밀하지 않다. DeepSeek은 출시 당시 효율적인 아키텍처 덕에 더 낮은 비용으로 더 많은 사용자를 서비스할 수 있으며, 절감분이 사용자에게 환원되고 있다고 밝혔다.

벤치마크 데이터에 대한 우리의 판단은 이렇다. 최소한 이 종목 안에서는 효율성 주장이 독립 평가와의 접촉 이후에도 살아남았다. 실제 서비스 비용과 속도는 입력 길이, 요청 패턴, 서버 상황에 따라 달라질 수 있고 API 가격은 제공사별로 다르므로, 작업당 헤드라인 수치는 계약적 기준이 아닌 방향성 지표로 봐야 한다. 다만 방향성이 아니라 확정된 것은 추세다. 작업당 0.023달러의 프론티어급 품질은 추론 비용이 얼마여야 하는지에 대한 기대치 자체를 재설정한다. 시장을 실시간으로 추적하려는 독자는 Bitget에서 현물·선물 가격을 실시간으로 확인할 수 있다.

작업당 비용이 AI의 새 지표로

근접한 점수와 70배 비용 격차를 함께 놓고 보면 하나의 흐름이 보인다. AI 경쟁의 축이 성능 벤치마크에서 단위 경제성으로 이동하고 있다는 것이다. 이 변화는 AI 연계 암호화폐 자산에 직접 영향을 미친다. Sahara AI(SAHARA) 같은 토큰은 탈중앙화 머신러닝 인프라가 중앙화 연구소보다 낮은 비용으로 경쟁할 수 있다는 명제에 거래된다. 중앙화 프론티어 연구소가 최접경쟁사의 70분의 1 가격을 실증하는 순간, 그 명제는 팔기 어려워지며 재평가는 우선 AI 토큰 군집 전반의 거래량에서 나타날 것이다. 효율 개선은 낭비 사이클 최소화로 경쟁하는 블록체인 기반 컴퓨팅 네트워크에도 양날의 검이다. 다음에 지켜볼 지표는 OpenDesign Arena와 유사 평가기관이 비용 조정 랭킹 발행을 시작하는지 여부다. 그렇게 되면 DeepSeek이 방금 격화시킨 가격 전쟁이 업계의 공식 스코어보드가 된다.