오픈소스 모델 딥시크 V4 플래시로 갈아타 자사 브라우저 에이전트 비용을 100배 넘게 줄였다는 분석이 화제예요. 핵심은 모델 성능이 아니라 하니스(harness) 설계로, 호출 횟수·컨텍스트 크기·비캐시 비율·토큰 단가를 곱으로 줄였다는 거예요. 사실 확인을 해보면 딥시크 V4는 2026년 4월 오픈 가중치로 공개됐고 1M 토큰 맥락을 갖췄지만, 공개 벤치에선 현행 클로드 소네트 4.6에 근소하게 뒤져요(MMLU Pro 86.2 대 87.3, SWE-bench Verified 79 대 79.6). 그래서 '능가'보다 '비슷하면서 입력가 약 30배 저렴'이 정확하고, 100배 절감도 특정 워크로드에 한정된 셈법이에요. Show HN 글은 8점·댓글 0이라 독립 검증·토론은 아직 거의 없어요.
용어 풀이
- harness(하니스)
- LLM 호출을 감싸 도구 사용·재시도·컨텍스트 관리 등을 조율하는 실행 프레임워크예요.
- open weights(오픈 웨이트)
- 모델 가중치를 공개해 누구나 내려받아 직접 구동할 수 있는 형태예요. 라이선스 조건은 별도예요.
- cached input(캐시 입력)
- 직전과 동일한 입력 일부를 재사용할 때 더 싼 단가로 처리하는 토큰 과금 방식이에요.
- SWE-bench Verified
- 실제 깃허브 이슈 해결 능력을 측정하는 코딩 벤치마크의 사람 검증판이에요.
운영자 인사이트
진짜 메시지는 '모델 키우기'가 아니라 '하니스 키우기'예요. 호출 횟수·컨텍스트·캐시 적중률을 설계로 줄이면 값싼 오픈 모델로도 충분해지는 구간이 생겨요. 다만 100배 같은 수치는 자사 워크로드 한정이라 그대로 믿지 말고, 본인 트래픽의 캐시율·재시도율로 직접 재보는 게 맞아요. 모델 교체보다 에이전트 루프 설계가 비용을 더 좌우해요.
여러 관점으로 보기
- 원 주장 하니스(Code-as-Plan) 설계로 호출·컨텍스트·캐시·단가를 줄여 값싼 오픈 모델로 100배 비용 절감을 했다고 주장해요. rtrvr.ai
- 커뮤니티 반응 Show HN으로 올라왔지만 8점·댓글 0이라 독립 검증이나 반론이 거의 없어요. Hacker News
- 독립 검증 — 모델 사실 딥시크 V4는 2026년 4월 오픈소스로 공개됐고 1M 컨텍스트가 기본이며, 공식 표현은 'Sonnet 능가'가 아니라 '최상위 폐쇄 모델에 필적'이에요. DeepSeek 공식 발표
- 독립 검증 — 벤치·가격 독립 비교에선 V4 플래시가 소네트 4.6에 MMLU Pro(86.2 vs 87.3)·SWE-bench Verified(79 vs 79.6)로 근소하게 뒤지지만, 입력 토큰가는 약 30배 저렴해요. LLM Reference