DeepSeek, Vals에서 실행당 3달러로 OpenAI 사이버 모델에 근접했다는 보도

FourWeekMBA 보고서에 따르면 DeepSeek는 Vals 평가에서 OpenAI의 사이버 모델에 근접했으며, 실행당 비용은 약 3달러였다. 이 결과는 성능이 뛰어난 보안 특화 AI 모델의 가격을 둘러싼 논쟁을 더욱 가열할 수 있다.

이 보고서는 개발자와 기업 구매자에게 중요할 수 있다. 사이버 보안 워크로드에는 반복적인 분석, 코드 생성, 취약점 검토, 테스트가 필요한 경우가 많기 때문이다. 선도 시스템에 가까운 성능을 더 낮은 비용으로 제공하는 모델이라면 이러한 작업을 대규모로 실행하는 것이 더 실용적일 수 있다. 그러나 현재 이용 가능한 출처는 제목과 짧은 요약만 제공하며, 비교의 근거가 된 모델, 점수, 테스트 설계, 가격 가정을 공개하지 않는다.

보도된 비교가 보여주는 것

FourWeekMBA가 게시하고 Google 뉴스 검색을 통해 배포한 원문은 Vals 테스트에서 DeepSeek가 “OpenAI의 Cyber Model”에 근접했다고 설명한다. 비용은 실행당 3달러로 제시된다. 이것이 이 기사에서 확인할 수 있는 핵심 보도 내용이다.

이 표현만으로는 DeepSeek가 개별 작업에서 승리했는지, 종합 점수에서 OpenAI와 같았는지, 아니면 OpenAI 시스템의 성능과 근소한 범위 안에 들었는지 알 수 없다. 구체적인 DeepSeek 모델이나 정확한 OpenAI 제품도 확인되지 않는다. “Cyber Model”은 상용 시스템의 공식 명칭이 아니라 설명적 표현일 수 있으므로, 기반 평가가 공개되기 전에는 이 비교를 제품 대 제품 벤치마크로 받아들여서는 안 된다.

3달러라는 수치에도 같은 주의가 필요하다. 추정 추론 비용, 플랫폼 가격, 고정된 평가 예산, 특정 워크로드 하나의 비용을 의미할 수 있다. 입력 및 출력량, 하드웨어, 지연 시간, 접근 조건에 대한 정보가 없으면 이 수치를 표준 API 가격과 직접 비교할 수 없다.

3달러라는 수치가 중요한 이유

AI를 간헐적인 실험이 아니라 보안 운영에 사용할 때 비용은 특히 중요하다. 보안팀은 모델에 많은 파일을 검사하고, 종속성을 검토하며, 익스플로잇 설명을 생성하고, 경보를 분류하거나 패치를 제안하도록 요청할 수 있다. 각 실행에 긴 컨텍스트 창이나 여러 도구 호출이 필요하다면, 기반이 되는 AI 모델의 경제성이 해당 워크플로를 파일럿으로 남길지 일상 운영에 포함할지를 결정할 수 있다.

따라서 실행당 3달러에 가까운 것으로 보고된 가격은 자동화된 보안 분석을 구축하는 팀과 전문 제품을 위한 더 저렴한 기반을 찾는 창업자들의 관심을 끌 수 있다. 또한 개발자들이 한 번의 답변에 의존하기보다 더 자주 검증을 수행하기 위해 모델을 사용하도록 유도할 수도 있다.

하지만 낮은 비용이 자동으로 총비용 절감을 의미하지는 않는다. 재시도가 더 많이 필요하거나, 오탐을 더 많이 내거나, 광범위한 사람의 검토가 필요한 모델은 신뢰성이 더 높은 고가 모델보다 실제 운영에서 더 비쌀 수 있다. 사이버 보안에서는 놓친 취약점이나 안전하지 않은 해결책의 비용이 실행당 추론 비용을 넘어설 수 있다.

성능 판단을 내리기에는 증거가 부족하다

현재 이용 가능한 증거에서 가장 강한 성능 주장은 공급자 또는 발행물이 보고한 내용이며, 여기서 독립적으로 검증할 수 없다. FourWeekMBA의 제목은 Vals 테스트를 가리키지만, 검토를 위해 제공된 원문에는 방법론, 점수표, 모델 버전, 테스트 날짜, 작업 목록, 독립적인 재현 결과가 없다.

이 정보의 부재는 중요하다. 프롬프트 설계, 도구 접근 권한, 컨텍스트 길이, 채점 규칙, 재시도 허용 여부에 따라 벤치마크 결과가 크게 달라질 수 있기 때문이다. 사이버 보안 평가는 특히 작업 선정에 민감하다. 어떤 모델은 알려진 취약점을 설명하는 데 강하지만, 새로운 코드, 복잡한 저장소, 방어적 우선순위 지정, 운영 시스템의 안전한 변경에는 어려움을 겪을 수 있다.

세부 정보가 없으면 비교가 모델 자체의 역량을 측정하는지, 아니면 주변 제품 스택을 측정하는지도 판단할 수 없다. 한 시스템만 브라우징, 코드 실행, 저장소 또는 전문 보안 도구에 접근할 수 있었다면, 헤드라인의 점수는 동일 조건의 비교를 나타내지 않는다.

따라서 이 보고서는 적어도 하나의 사이버 중심 평가에서 DeepSeek가 OpenAI와 같은 경쟁 구도에서 검토되고 있다는 신호로 읽어야 하며, 두 시스템이 서로 대체 가능하다는 증거로 읽어서는 안 된다.

개발자와 기업 구매자에 대한 시사점

개발자에게 즉각적인 교훈은 모델 선택과 벤치마크 헤드라인을 분리하는 것이다. DeepSeek를 코딩 어시스턴트나 보안 제품에 사용할지 평가하는 팀은 자체 코드베이스, 위협 모델, 승인 기준을 사용해 관련 워크로드를 재현해야 한다. 유용한 측정 항목으로는 취약점 재현율, 오탐률, 패치 정확성, 지연 시간, 도구 호출 신뢰성, 필요한 사람의 검토량 등이 있다.

팀은 전체 워크플로 비용도 계산해야 한다. 명목상 3달러의 실행은 매력적으로 보일 수 있지만, 실제 운영 시스템에는 검색, 샌드박싱, 로깅, 오케스트레이션, 스토리지, 수동 에스컬레이션 비용이 추가될 수 있다. 프롬프트에 독점 소스 코드나 사고 정보가 포함된다면 모델의 라이선스와 데이터 처리 조건도 똑같이 중요하다.

엔터프라이즈 AI 구매자에게 이 비교는 조달 문제를 해결하기보다 제기한다. 더 저렴한 모델이 조직의 신뢰성, 개인정보 보호, 감사, 배포 요구 사항을 충족할 수 있는지에 관한 문제다. 분석가 지원에 적합한 모델이 자율적 해결에는 적합하지 않을 수 있다. 보안팀은 평균적인 벤치마크 성능뿐 아니라 실패 상황도 테스트해야 하며, 증거가 불완전하거나 요청된 조치가 위험을 초래할 수 있을 때 시스템이 어떻게 반응하는지도 확인해야 한다.

이번 소식은 OpenAI와 다른 공급자들이 프리미엄 사이버 특화 시스템의 가치를 설명해야 한다는 압박도 높인다. 낮은 비용의 대안이 제한적으로 정의된 작업에서 비슷한 성능을 보인다면, 공급자들은 신뢰성, 도구 통합, 거버넌스, 지원, 더 어려운 평가에서 측정 가능한 성능으로 차별화해야 할 수 있다.

다음에 지켜볼 것

가장 중요한 후속 조치는 기반이 된 Vals 결과의 공개다. 독자들은 DeepSeek와 OpenAI 모델의 정확한 이름, 작업 범주, 종합 및 작업별 점수, 평가를 Vals·공급자·제3자 중 누가 수행했는지를 확인해야 한다.

가격 세부 정보도 핵심 신호다. 유용한 비교라면 토큰 사용량, 하드웨어 또는 API 요금, 도구 호출 비용, 속도 제한, 3달러 추정치에 재시도와 주변 인프라가 포함되는지를 명시해야 한다.

개발자들은 실제 저장소와 보안 사례를 대상으로 한 독립 재현도 지켜봐야 한다. 코드 리뷰, 취약점 트리아지, 패치 생성, 적대적 테스트 전반에서 DeepSeek가 성능을 유지할 수 있다는 증거가 단일 종합 점수보다 실용적일 것이다. 기업 구매자는 이 결과를 조달 기회로 보기 전에 데이터 위치, 보존, 로깅, 배포 옵션을 확인해야 한다.

Creati.ai의 관점

이 보고서가 주목받는 이유는 비교적 낮은 실행 비용과 사이버 평가에서 OpenAI 시스템에 근접한 성능을 연결하기 때문이다. 그러나 접근 가능한 점수나 방법론이 없는 만큼, 이 소식은 모델 우위에 대한 결론이 아니라 검토를 촉구하는 신호로 보는 것이 적절하다.

AI 개발자에게 실질적인 기회는 자체 워크로드에서 DeepSeek의 경제성과 신뢰성을 테스트하는 데 있다. 승리하는 시스템은 벤치마크 점수가 가장 가까운 모델이 반드시 아니라, 생산팀이 수용할 수 있는 비용과 위험 수준에서 안정적인 보안 결과를 제공하는 모델일 것이다.