딥시크가 이미지와 텍스트를 함께 처리하는 실험형 API 모델 deepseek-v4-flash-vision-exp를 8월 21일 공개했다. 공식 변경내역은 이 모델이 사진 설명, 스크린샷 문자 판독, 차트 분석 같은 비전 작업을 지원한다고 밝혔다. 지원 형식은 JPEG·PNG·GIF·WebP이며, 파일 확장자가 아니라 실제 파일 내용을 기준으로 형식을 판별한다.
비전 가이드에 따르면 이미지는 Base64 인코딩, 외부 URL, Files API 참조 방식으로 전달할 수 있다. 모델은 100만 토큰 컨텍스트와 최대 38만4000토큰 출력을 지원한다. 이미지가 약 384×384픽셀보다 작으면 비율을 유지한 채 확대하고, 큰 이미지는 약 800×800픽셀 수준의 전체 픽셀 수로 축소한다. 이 처리 때문에 이미지 한 장의 입력 비용은 최대 384토큰으로 제한된다.
가격은 기존 원고에 적힌 위안화가 아니라 현재 공식 달러 가격표를 기준으로 확인해야 한다. 비전 모델의 100만 입력 토큰당 요금은 캐시 적중 시 비혼잡 시간 0.007달러·혼잡 시간 0.014달러, 캐시 미적중 시 각각 0.22달러·0.44달러다. 출력은 각각 0.66달러·1.32달러다. 혼잡 시간은 UTC 기준 오전 1~4시와 6~10시이며 한국시간으로는 오전 10시~오후 1시, 오후 3~7시에 해당한다.
| 항목 | 비혼잡 시간 | 혼잡 시간 |
|---|---|---|
| 입력 100만 토큰·캐시 적중 | 0.007달러 | 0.014달러 |
| 입력 100만 토큰·캐시 미적중 | 0.22달러 | 0.44달러 |
| 출력 100만 토큰 | 0.66달러 | 1.32달러 |
| 이미지 입력 | 크기별 토큰 환산, 장당 최대 384토큰 | |
개발사는 문서 OCR이나 화면 분석에 적용하기 전에 이미지 세부 정보 손실과 파일 제한을 시험해야 한다. 일반 Chat Completions 요청의 이미지 URL은 5MiB까지이며 더 큰 파일은 Files API를 써야 하고, Files API에서도 32MiB를 넘는 이미지는 지원하지 않는다. 여러 이미지를 보내면 각 이미지의 토큰이 따로 계산된다. 실험형 모델인 만큼 정확도와 지연시간, 가격표 변경 가능성을 실제 업무 데이터로 검증하는 것이 안전하다.
저작권자 © STORIUM 무단전재 및 재배포 금지
