딥시크 비전 모델, 오퍼스와 평가 4개서 2승2패

딥시크(DeepSeek)의 실험용 비전 모델이 4개 멀티모달 에이전트 평가에서 오퍼스 4.8과 각각 2개 항목씩 앞섰다. 텍스트 중심 모델 경쟁이 이미지 입력을 포함한 에이전트 성능 경쟁으로 넓어지는 흐름이다.

블록비츠는 딥시크가 V4-Flash-Vision-Exp의 첫 에이전트 벤치마크 결과를 공개했다고 전했다. 이 모델은 Agents' Last Exam에서 27.3점을 받아 오퍼스 4.8의 25.7점을 앞섰고, ZeroBench에서도 35.0점으로 오퍼스 4.8의 34.0점을 웃돌았다.

ApexBench에서는 결과가 반대로 나왔다. V4-Flash-Vision-Exp는 36.5점으로 오퍼스 4.8의 39.4점에 못 미쳤고, Chartography에서도 64.3점으로 오퍼스 4.8의 65.0점보다 낮았다. 4개 평가만 놓고 보면 두 모델이 각각 2개 항목에서 우위를 보인 셈이다.

이번 결과의 핵심은 이미지 입력을 붙인 뒤 에이전트 성능이 어느 정도 달라졌는지다. V4-Flash-Vision-Exp는 기존 텍스트 모델인 V4-Flash-0731과 비교해 ApexBench 점수가 26.2점에서 36.5점으로 올랐다. Agents' Last Exam 점수도 25.2점에서 27.3점으로 상승했다.

다만 두 평가는 이미지가 포함된 과제다. 딥시크는 V4-Flash가 해당 평가에서 멀티모달 내용을 직접 무시한다고 설명했다. 점수 개선은 순수 텍스트 추론 능력이 갑자기 강화됐다는 뜻보다는, 이미지 입력을 처리할 수 있게 된 효과로 보는 편이 자연스럽다.

비전 기능 추가가 텍스트 에이전트 성능을 크게 훼손하지 않았다는 점도 제시됐다. 7개 텍스트 평가 중 6개에서 V4-Flash-Vision-Exp는 V4-Flash-0731보다 높은 점수를 냈다. DeepSWE 점수는 54.4점에서 59.3점으로 올랐고, 오퍼스 4.8의 58.0점도 넘어섰다.

Toolathlon에서는 V4-Flash-Vision-Exp가 75.9점을 기록했다. 오퍼스 4.8의 76.2점과 격차는 0.3점이었다. 에이전트 평가에서는 모델 자체의 언어 능력뿐 아니라 도구 호출 방식, 실행 환경, 평가 하네스가 함께 점수에 반영된다.

이번 벤치마크는 독립 기관의 공개 순위표가 아니라 딥시크의 자체 측정값이다. 딥시크 계열 모델은 공개 코드 에이전트 텍스트 과제에서 딥시크 하네스의 최소 모드와 최대 추론 설정을 사용했다. 같은 모델이라도 하네스와 추론 설정이 달라지면 결과 비교가 달라질 수 있다.

딥시크가 이미지와 텍스트를 함께 처리하는 비전 모델을 공식 API 문서에 추가한 데 이어 벤치마크 수치까지 공개하면서, 개발자용 멀티모달 모델 선택지는 더 넓어졌다. 앞서 소형 멀티모달 모델을 기기와 업무 환경에 맞춰 배포하려는 흐름도 이어지고 있다.

한국 독자에게 이번 결과는 암호화폐 가격 변수라기보다 AI 인프라 비용과 개발 도구 경쟁의 변화로 읽힌다. 거래소, 지갑, 데이터 분석 서비스가 챗봇과 리서치 자동화 기능을 붙이는 흐름에서는 멀티모달 에이전트의 성능과 비용이 기술 선택 기준이 될 수 있다.

V4-Flash-Vision-Exp가 실제 API에서 어느 범위까지 제공될지, 상용 서비스 환경에서도 같은 점수를 낼지는 추가 검증이 필요하다. 현재 공개된 수치로 확인되는 것은 딥시크 비전 실험 모델이 4개 멀티모달 에이전트 평가에서 오퍼스 4.8과 2승2패를 기록했다는 점이다.