딥시크가 강조한 변화는 짧은 코드 조각보다 ‘처음부터 끝까지 만드는 일’입니다. V4.1-Flash-1017은 결과물을 만든 뒤 스스로 점검하고 고치는 자기 피드백 방식의 강화학습을 적용했습니다. 회사는 이를 통해 게임 제작, 3D 모델링, 여러 파일이 연결된 개발 작업의 완성도를 높였다고 설명합니다.

공식 데모에는 자금성과 시대별 건축물을 재현한 3D 장면, 브라우저에서 실행되는 레이싱 게임, Godot 엔진으로 만든 포털 2 재현 프로젝트가 등장합니다. 사용자가 원하는 장면을 설명하면 화면 구성부터 움직임, 상호작용까지 이어지는 결과물을 만드는 사례입니다. 단순히 “코드를 잘 쓴다”는 설명보다, 여러 단계의 결정을 얼마나 일관되게 이어가는지 보여주는 쪽에 가깝습니다.

새 모델은 딥시크 하네스와 텐센트 CodeBuddy·WorkBuddy에 맞춰 조정됐습니다. 하네스는 AI가 파일을 읽고 명령을 실행하며 결과를 확인하도록 연결하는 작업 환경입니다. 같은 모델이라도 이런 실행 도구와 어떻게 연결되는지에 따라 실제 개발 경험이 크게 달라집니다.

딥시크가 공개한 자체 평가에서 V4.1-Flash-1017은 코딩 과제를 해결하는 DeepSWE v1.1 점수가 이전 버전의 74.2에서 77.0으로 올랐습니다. 터미널에서 실제 명령을 수행하는 Terminal-Bench 4.0은 31.2에서 42.3, 프로그램 작성 능력을 보는 ProgramBench는 20.3에서 29.1로 상승했습니다.

숫자를 볼 때는 조건도 함께 봐야 합니다. Terminal-Bench는 Claude Code 환경에서, DeepSWE는 Mini-SWE-V2 환경에서 측정됐습니다. 모델 이름만 비교한 단일 시험이 아니라 실행 도구와 평가 방식이 섞인 결과입니다. 다른 회사 모델과의 우열보다, 같은 딥시크 플래시 계열에서 어디가 개선됐는지 확인하는 자료로 보는 편이 정확합니다.

회사는 새 버전이 이전보다 작업을 빨리 끝내고 답변 길이도 줄였다고 밝혔습니다. 코딩 에이전트는 답이 길수록 항상 유리하지 않습니다. 필요한 파일을 정확히 고치고 테스트를 통과한다면, 적은 토큰으로 끝내는 편이 시간과 비용을 함께 낮출 수 있습니다. API에서는 기존처럼 deepseek-flash를 호출하면 새 버전을 쓸 수 있습니다.

함께 공개된 Search API는 질문과 관련된 웹페이지를 찾아 제목·주소·요약 등 구조화된 결과를 돌려줍니다. Fetch API는 특정 주소의 페이지를 읽어 제목과 본문을 마크다운으로 정리합니다. 검색으로 후보를 찾고, 가져오기로 원문을 읽는 두 단계를 나눈 셈입니다.

두 도구는 모델의 기억에만 기대지 않고 최신 자료를 확인해야 할 때 유용합니다. 예를 들어 코딩 에이전트가 바뀐 라이브러리 문서를 검색하고, 선택한 공식 페이지의 내용을 가져와 구현에 반영할 수 있습니다. 다만 API가 자동으로 출처의 정확성을 보장하는 것은 아니어서 검색 결과의 신뢰도와 원문의 날짜는 따로 확인해야 합니다.

Search와 Fetch는 각각 성공한 요청 1,000건당 0.75달러입니다. HTTP 200 응답과 사용할 수 있는 결과가 있을 때만 과금되며, 계정당 초당 요청 수는 각각 5회로 제한됩니다. 딥시크 하네스·Claude Code·Codex의 서버 도구를 거친 호출은 현재 딥시크 API 사용자에게 무료지만, 회사는 2026년 10월 31일 16:00 UTC부터 과금을 시작한다고 안내했습니다.