딥시크, 검색 API 공개… GEO 조작 필터링 표방

자체 검색 엔진 API 개방… 브레이브·타빌리와 경쟁 구도

중국 인공지능(AI) 연구소 딥시크(DeepSeek)가 개발자를 위한 검색 API를 공개했습니다. 딥시크는 수천억 개의 웹페이지를 색인하고 하루 수억 건의 질의를 처리하는 자체 검색 엔진을 운영하고 있다고 밝혔습니다. 딥시크의 설명에 따르면 이 검색 시스템은 검색엔진 최적화(SEO) 스팸과 생성형 엔진 최적화(GEO) 조작, 저품질 AI 생성 콘텐츠를 걸러내도록 설계됐습니다.

외부 개발자는 이번에 공개된 API를 통해 검색 결과를 호출하거나 특정 웹페이지를 텍스트 형태로 변환해 받아올 수 있습니다. 이용 요금은 성공한 요청 1000건당 0.75달러(약 0.67유로)로 책정됐습니다. 이에 따라 AI 에이전트의 실시간 웹 검색 백엔드로 주로 활용되던 브레이브(Brave), 엑사(Exa), 타빌리(Tavily) 등 기존 검색 API 서비스들과 직접 경쟁하게 됐습니다.

V4.1 플래시 모델 출시와 벤치마크 결과

검색 API 공개와 함께 딥시크는 신규 경량 모델인 'V4.1 플래시(V4.1-Flash-1017)'를 배포했습니다. 딥시크 자체 변경 이력에 따르면 새 모델은 이전 버전에 비해 벤치마크 수치가 향상되었고 작업 완수 속도가 빨라졌으며 더 짧은 답변을 생성합니다. 토큰당 가격은 입력 100만 토큰당 0.30달러, 출력 100만 토큰당 1.20달러로 이전과 동일하지만 답변 길이가 단축되어 전체 작업 비용은 줄어든다는 것이 딥시크의 설명입니다.

기술 규격 측면에서 V4.1 플래시는 전체 5520억 개 매개변수 중 토큰당 80억에서 160억 개 매개변수만 활성화되는 전문가 혼합(MoE) 구조를 채택했습니다. 문맥 창(Context Window) 크기는 100만 토큰입니다. 딥시크가 밝힌 성능 지표를 보면, 터미널 벤치 4.0(Terminal-Bench 4.0) 점수는 9월 버전의 31.2점에서 42.3점으로 올랐고 소프트웨어 공학 테스트인 DeepSWE 점수는 74.2점에서 77.0점으로 상승했습니다. 이 모델은 주로 자체 에이전트 환경인 딥시크 하네스(DeepSeek Harness)와 텐센트의 코딩 보조 도구 코드버디(CodeBuddy)에 맞춰 최적화됐습니다.

독립 평가 기관 검증 여부와 시장 평가

이번에 공개된 세부 비교 수치는 딥시크 자체 자료에서 나온 수치이며, 독립 벤치마크 평가 사이트인 아티피셜 애널리시스(Artificial Analysis)는 신규 버전에 대한 테스트를 아직 마치지 않았습니다. 아티피셜 애널리시스의 이전 지표에서 9월 배포된 V4.1 플래시는 인텔리전스 인덱스 39점을 기록했습니다. 이는 가중치 공개 모델 가운데 메타(Meta)의 뮤즈 스파크 오픈(Muse Spark Open)과 함께 공동 6위에 해당하는 수치입니다.

당시 해당 지표에서 딥시크보다 앞선 모델들은 샤오미 미모(MiMo-V2.6-Pro, 46점), Z.ai의 GLM-5.3(45점), 스텝펀의 스텝 5 프리뷰(Step 5 Preview, 44점), 문샷의 키미 K3(Kimi K3, 44점) 등 중국 연구진의 모델들이었습니다. 폐쇄형 모델을 포함한 전체 순위에서 딥시크 이전 버전은 46위 수준에 머물렀으며, 상위권은 앤스로픽, 메타, 오픈AI, 구글의 독점 모델들이 최대 58점을 기록하며 차지했습니다.

라우팅 서비스 기업 오르카라우터(OrcaRouter)의 분석가는 새 버전의 점수가 45~46점대에 이를 것으로 예상했으나 이는 실제 검증 전 단계입니다. 블룸버그 인텔리전스의 로버트 리아(Robert Lea) 분석가는 V4.1 출시 이후 중국 모델과 선도적인 미국 모델 간의 격차가 연초 15%에서 약 3% 수준으로 줄어들었다고 추정했습니다. 한편 딥시크가 이번 신규 체크포인트의 가중치를 외부에 배포할지는 아직 확인되지 않았습니다.

이 사이트가 보는 지점

딥시크가 자사 검색 엔진을 API로 개방하며 'GEO 조작 및 SEO 스팸 필터링'을 전면에 내세운 점은 AI 에이전트 환경의 검색 출처 선택 기준이 재편될 수 있음을 시사합니다. 그동안 타빌리나 엑사 같은 전용 검색 API가 AI 답변 생성을 위한 색인 파이프라인을 점유해 왔으나, 대형 모델 제조사가 자체 검색 인프라를 외부 공급하기 시작하면 인용 출처 추출 방식의 편차가 더 커질 수 있습니다. 특히 이전에 다룬 구글 10위권과 AI 인용 중복률 38%… 검색 엔진별 출처 격차 사례처럼 검색 엔진의 필터링 규칙이 다르면 AI가 인용하는 정보의 중복도와 권위 평가가 달라집니다. 다만 딥시크가 주장하는 GEO 차단 메커니즘의 구체적인 기준과 성능은 제3자 조사를 통한 실증적 검증이 아직 이뤄지지 않았습니다.