0.04달러로 61%, 딥시크 신모델이 보여준 AI 가성비

 

 

최근 중국 AI 스타트업 딥시크(DeepSeek)가 내놓은 신형 모델 'DeepSeek V4 Flash 0731'이 ARC Prize 재단이 운영하는 ARC-AGI 벤치마크에서 공식 검증 점수를 받았습니다.

뉴스에서 종종 "이 모델은 몇 % 나왔다"는 식으로 언급되는 그 시험인데요, 오늘은 이게 정확히 무슨 의미인지 쉽게 풀어보려고 합니다.

 

 

ARC-AGI가 뭔데 다들 이 점수에 주목하나요?

 

ARC-AGI는 프랑스 출신 AI 연구자 프랑수아 숄레(François Chollet)가 만든 벤치마크로, AI에게 "지식"이 아니라 "낯선 문제를 처음 보고 규칙을 스스로 파악하는 능력"을 시험합니다.

색깔 있는 격자무늬 퍼즐을 몇 개 보여주고, 그 안에 숨은 규칙을 찾아 새로운 문제에 적용하게 하는 방식이죠.

람에게는 비교적 쉬운데, AI에게는 꽤 까다로운 게 특징입니다.

그래서 "이 벤치마크 점수가 높다 = 암기가 아니라 진짜 추론을 좀 한다"는 신호로 업계에서 신뢰받고 있습니다.

 

시리즈가 점점 늘어나서 지금은 ARC-AGI-1(기본형), ARC-AGI-2(더 어렵고 편법이 안 통하게 만든 버전), ARC-AGI-3(설명서 없이 게임하듯 스스로 탐색해야 하는 최신 인터랙티브 버전)까지 나와 있습니다.

 

 

DeepSeek V4 Flash 0731, 실제 성적표는?

 

이번 결과에서 딥시크 모델은 추론 강도(사고를 얼마나 깊게 시키느냐)에 따라 세 가지 버전으로 테스트됐고, 점수는 이렇습니다.

버전	ARC-AGI-1	ARC-AGI-2
Max (최대 추론)	89.0%	61.4%
High	87.0%	56.0%
Low (최소 추론)	84.0%	46.0%

 

최대 추론 강도로 돌렸을 때 DeepSeek V4 Flash 0731은 ARC-AGI-1 준사설(Semi-Private) 평가에서 태스크당 0.02달러 비용으로 89.0%를, ARC-AGI-2에서는 태스크당 0.04달러로 61.4%를 기록했습니다.

참고로 ARC-AGI-3(가장 어려운 인터랙티브 버전)에서는 이번 결과에 점수가 공개되지 않았는데, 아직 최상위권 모델들조차 여기서는 1% 안팎에 머무는 경우가 많아 어려운 영역입니다.

 

 

다른 모델들과 비교하면 어느 정도 수준일까?

 

숫자 하나만 보면 감이 잘 안 오죠. 비슷한 시기 다른 주요 모델들의 ARC-AGI-2 점수와 나란히 놓아보면 이렇습니다.

모델	ARC-AGI-2 점수	비고
GPT-5.6 Sol	약 92.5%	2026년 7월 기준 최상위권
Claude Opus 5	약 90.4%	최상위권
GPT-5.5	약 85%	상위권
DeepSeek V4 Flash 0731 (Max)	61.4%	이번 결과, 중상위권
Gemini 3.1 Deep Think	약 85%	상위권 (앞선 시점 기준)

 

2026년 7월 25일 기준 벤치마크 집계 사이트 BenchLM.ai에 따르면 GPT-5.6 Sol이 92.5%로 ARC-AGI-2 리더보드 1위를 차지했고, 그 뒤를 Claude Opus 5(90.4%)와 GPT-5.5(85%)가 이었습니다.

이렇게 놓고 보면 딥시크 V4 Flash의 61.4%는 최상위권과는 아직 20~30%포인트 정도 차이가 나는, "중상위권" 정도의 성적이라고 볼 수 있습니다.

 

다만 여기서 꼭 같이 봐야 할 게 '비용'입니다.

최상위권 모델들은 대체로 태스크당 비용이 훨씬 높은 편인데, 딥시크는 태스크당 0.04달러라는 매우 저렴한 가격에 이 정도 점수를 냈다는 점이 핵심 강점입니다.

즉 "1등은 아니지만, 가격 대비 성능(가성비)에서는 눈에 띄는 위치"라고 정리할 수 있습니다.

 

참고로 2026년 2월 시점 조사에 따르면 최상위 모델(Opus 4.6)이 ARC-AGI-1에서 93.0%, ARC-AGI-2에서 68.8%를 기록했는데, 사람의 경우 모든 버전에서 거의 완벽에 가까운 정확도를 유지하고 있어 아직 AI와 인간의 격차가 완전히 사라진 건 아니라는 점도 함께 알아두시면 좋겠습니다.

 

 

이 숫자가 왜 인상적인가요?

 

여기서 눈여겨볼 포인트는 딱 두 가지입니다.

 

첫째, 비용 대비 성능이 굉장히 저렴합니다.

태스크 하나 푸는 데 2~4센트라는 건, 불과 1~2년 전만 해도 비슷한 점수를 내려면 태스크당 수십~수천 달러가 들었던 것과 비교하면 격세지감입니다.

AI 업계는 최근 "같은 점수를 얼마나 싸게 내느냐" 경쟁으로 무게중심이 옮겨가고 있는데, 이번 결과도 그 흐름을 잘 보여줍니다.

 

둘째, ARC-AGI-2에서 60% 선을 넘겼다는 건 꽤 준수한 수준입니다.

ARC-AGI-2는 나온 지 얼마 안 됐을 때만 해도 최상위 모델도 한 자릿수 %에 그칠 만큼 어려운 시험이었는데, 최근 1년 사이 여러 모델이 급격히 점수를 끌어올리는 추세입니다.

다만 업계 최상위권(90% 이상)과 비교하면 딥시크 신모델은 '상위권이지만 최상위는 아닌' 위치 정도로 보시면 됩니다.

 

 

그래서 이게 우리한테 어떤 의미가 있을까요?

 

일반 사용자 입장에서 이 점수가 주는 의미는 이렇게 정리할 수 있을 것 같습니다.

 

- "싼 가격에 똑똑한 AI"가 점점 현실이 되고 있다는 신호입니다. 저렴한 비용으로 고성능 추론이 가능해지면, 앞으로 개인이나 소규모 개발팀도 복잡한 문제 해결형 AI 서비스를 부담 없이 활용할 여지가 커집니다.

- 다만 ARC-AGI 점수가 높다고 해서 그 AI가 실생활의 모든 문제를 인간처럼 잘 푼다는 뜻은 아닙니다. 이 벤치마크는 "낯선 패턴을 추론하는 능력"에 특화된 시험이라, 코딩이나 글쓰기 같은 다른 영역의 실력과는 별개로 봐야 합니다.

- 중국발 모델들의 추론 능력이 빠르게 따라붙고 있다는 점도 주목할 만합니다. 오픈AI, 구글, 앤스로픽 등 미국 빅테크 모델들이 이끌던 최상위권 경쟁에 딥시크 같은 오픈 진영 모델이 저비용으로 근접한 성적을 낸다는 건, 앞으로 AI 가격 경쟁이 더 치열해질 거란 예고편처럼 보입니다.

 

 

마무리하며

 

결국 이번 DeepSeek V4 Flash 0731의 ARC-AGI 결과는 "돈은 적게, 추론은 제법 잘하는" 모델이 하나 더 늘었다는 이야기로 요약할 수 있을 것 같습니다.

다음에 새로운 모델이 나올 때 ARC-AGI 점수가 언급되면, 오늘 정리한 이 표를 떠올리시면 그 의미를 훨씬 쉽게 이해하실 수 있을 거예요.

 

 

 

#DeepSeek #ARC-AGI #AI벤치마크 #추론모델 #AI가격경쟁 #딥시크 #AGI #오픈소스AI #AI모델비교 #V4Flash