---
title: "DeepSeek (KO)"
source: "https://systems-analysis.info/int/DeepSeek_(KO)"
wiki: "systems-analysis.info/int"
article: "DeepSeek_(KO)"
language: "ko"
categories:
- "Category:Korean"
- "Category:Large language models"
- "Category:LLM families"
- "Category:Machine learning"
revision_id: 1607
wiki_created_at: 2026-09-06T22:51:15Z
wiki_modified_at: 2026-09-06T22:51:15Z
downloaded_at: 2026-09-07T22:46:49Z
---
# DeepSeek (KO)
**DeepSeek** — 인공지능 분야의 중국 연구 기업으로, 대형 언어 모델(LLM)과 멀티모달 시스템을 개발하고 있다. 이 기업은 모델 가중치의 공개 배포와 높은 비용 효율성으로 널리 알려지게 되었으며, 이는 2024년 말~2025년 초 AI 시장의 가격 재편을 촉발하였다.[\[1\]](https://systems-analysis.info/int/DeepSeek_(KO)#cite_note-1)
## 역사
DeepSeek의 창립자는 기업가이자 헤지펀드 *High‑Flyer*의 공동 창업자인 량원펑(梁文鋒)이다. 2023년 봄, High‑Flyer는 AI 연구 부문을 분리하였으며, 같은 해 5월 이 부문이 *DeepSeek AI* 라는 회사로 독립하였다. 2025년까지 임직원 수는 약 160명으로 성장하였다.[\[2\]](https://systems-analysis.info/int/DeepSeek_(KO)#cite_note-2) 창립 초기부터 회사는 허용적 라이선스 하에 가중치를 공개(「open‑weight」)하고 AGI 기초 연구에 집중하는 개방성 노선을 천명하였다.
대부분의 스타트업과 달리, DeepSeek는 High-Flyer의 R&D 예산으로 운영되고 있으며, 창립자에 따르면 이를 통해 단기적인 수익화가 아닌 장기적 목표에 집중할 수 있다고 한다.[\[3\]](https://systems-analysis.info/int/DeepSeek_(KO)#cite_note-3)
2025년 1월 **DeepSeek-R1** 모델을 출시하면서 기술 및 금융 업계에 큰 반향을 일으켰다. GPT-4에 필적하는 모델의 학습 비용이 600만 달러 미만에 불과하다는 발표(GPT-4 추정 비용 1억 달러 이상과 비교)는 기술 대기업 주가 폭락을 야기했으며, 업계로 하여금 「더 많은 연산 = 더 좋은 모델」이라는 패러다임을 재고하게 만들었다.[\[4\]](https://systems-analysis.info/int/DeepSeek_(KO)#cite_note-4)
## 아키텍처 특징
Mixture‑of‑Experts (DeepSeekMoE)
DeepSeek의 주요 플래그십 모델 대부분은 Mixture-of-Experts(MoE) 아키텍처를 사용한다. 요청 처리 시 모든 파라미터가 활성화되는 「밀집(dense)」 모델과 달리, MoE 모델은 각 token마다 소수의 특화된 하위 네트워크(「전문가」)만 활성화된다. DeepSeek는 「공유 전문가」, 세분화된 분할, 보조 손실 없는 부하 분산을 적용한 자체 MoE 구현을 개발하여 수천억 개의 파라미터 중 일부만 활성화함으로써 연산 비용을 대폭 절감할 수 있다.[\[5\]](https://systems-analysis.info/int/DeepSeek_(KO)#cite_note-5)
Multi‑Head Latent Attention (MLA)
KV 캐시를 잠재 벡터로 압축하는 방법으로, 메모리를 최대 93%까지 절약하고 최대 128,000 token 크기의 컨텍스트 윈도우를 활용할 수 있게 한다. 이 기술은 긴 텍스트를 효율적으로 처리하는 핵심 기술이다.[\[6\]](https://systems-analysis.info/int/DeepSeek_(KO)#cite_note-6)
FP8 training 및 Multi‑Token Prediction
V3 계열 모델에는 혼합 정밀도 FP8(8비트 부동소수점)과 여러 token의 동시 예측이 적용되어 학습 및 추론(inference) 속도를 향상시킨다.[\[7\]](https://systems-analysis.info/int/DeepSeek_(KO)#cite_note-7)
## 모델 계열
- **DeepSeek LLM** — 70억 및 670억 파라미터 기반 모델(2023), 여러 과제에서 *LLaMA‑2 70B*를 능가한 최초의 이중 언어(EN/ZH) 릴리스.[\[8\]](https://systems-analysis.info/int/DeepSeek_(KO)#cite_note-8)
- **DeepSeek‑Coder** (2023) — 프로그래밍용 모델 시리즈(13억~330억) 및 그 발전형인 *Coder‑V2*(160억 / 2,360억 MoE, 128K 컨텍스트, 338개 코딩 언어).[\[9\]](https://systems-analysis.info/int/DeepSeek_(KO)#cite_note-9)
- **DeepSeek‑V2** (2024년 5월) — 2,360억(210억 활성) MoE‑LLM(MLA 적용); 8.1조 token으로 학습.[\[10\]](https://systems-analysis.info/int/DeepSeek_(KO)#cite_note-10)
- **DeepSeek‑V3** (2024년 12월) — 6,710억(370억 활성); Nvidia H800에서 약 280만 GPU 시간, 약 550만 달러의 학습 비용.[\[11\]](https://systems-analysis.info/int/DeepSeek_(KO)#cite_note-11)
- **DeepSeek‑R1** (2025년 1월) — 논리적 추론(reasoning)을 위한 모델 계열; R1‑0528 버전은 AIME 2025 및 LiveCodeBench에서 *OpenAI o3*에 근접.[\[12\]](https://systems-analysis.info/int/DeepSeek_(KO)#cite_note-12)
- **DeepSeek‑VL / VL2** — 1024×1024 동적 모자이크 이미지 처리 방식을 적용한 멀티모달 VL 모델(최대 45억 활성 파라미터).[\[13\]](https://systems-analysis.info/int/DeepSeek_(KO)#cite_note-13)
- **DeepSeek‑Math** 7B — benchmark MATH에서 51.7% 정확도를 달성한 특화 모델; GPT‑4에 근접.[\[14\]](https://systems-analysis.info/int/DeepSeek_(KO)#cite_note-14)
- **DeepSeek‑Prover‑V2** — Lean 4에서 정리 증명을 위한 6,710억 MoE; miniF2F에서 63.5%.
- **증류된 R1 모델** — Llama 및 Qwen 기반의 15억~700억 파라미터 공개 버전.[\[15\]](https://systems-analysis.info/int/DeepSeek_(KO)#cite_note-15)
## 주요 릴리스 연혁
| 날짜 | 릴리스 및 주요 특징 |
|------------------|-------------------------------------------------------------------------|
| 2023년 11월 2일 | **DeepSeek‑Coder v1:** 최초의 코드용 open‑weight 모델. |
| 2023년 11월 29일 | **DeepSeek LLM 7B/67B:** 2조 token으로 학습된 이중 언어 모델. |
| 2024년 1월 11일 | **DeepSeek‑MoE 16B:** MoE 아키텍처 데뷔. |
| 2024년 2월 6일 | **DeepSeek‑Math 7B:** 수학 특화 모델(MATH에서 51.7%). |
| 2024년 5월 6일 | **DeepSeek‑V2 236B:** MLA 및 MoE 아키텍처 도입. |
| 2024년 6월 17일 | **DeepSeek‑Coder‑V2:** 128K 컨텍스트, 338개 프로그래밍 언어 지원. |
| 2024년 12월 13일 | **DeepSeek‑VL2:** MoE 기반 멀티모달 모델. |
| 2024년 12월 27일 | **DeepSeek‑V3 671B:** 600만 달러 미만으로 학습된 플래그십 모델. |
| 2025년 1월 20일 | **DeepSeek‑R1 / R1‑Zero:** Reinforcement Learning으로 학습된 추론 모델. |
| 2025년 1월 27일 | **Janus‑Pro:** DALL‑E 3를 능가하는 이미지 생성 모델. |
## 성능 및 benchmark
- *DeepSeek‑V3*는 *Llama 3.1* 및 *Qwen 2.5*를 능가하였고, MMLU 및 GPQA‑Diamond에서 GPT‑4 수준에 근접하였다.[\[16\]](https://systems-analysis.info/int/DeepSeek_(KO)#cite_note-16)
- *DeepSeek‑Coder‑V2*는 Arena‑Hard에서 72.9%를 기록하여 GPT‑4o와 동등하며, Claude‑3.5‑Sonnet을 제외한 모든 공개 모델을 상회하였다.[\[17\]](https://systems-analysis.info/int/DeepSeek_(KO)#cite_note-17)
- *DeepSeek‑Math 7B* — MATH에서 51.7%로, 모델 크기가 10배 더 큰 Gemini‑Ultra에 근접한 수준이다.[\[18\]](https://systems-analysis.info/int/DeepSeek_(KO)#cite_note-18)
- *R1‑Zero*는 Reinforcement Learning 학습만으로 AIME 2024 pass@1 결과를 15.6%에서 71%로 향상시켰다.[\[19\]](https://systems-analysis.info/int/DeepSeek_(KO)#cite_note-19)
## 라이선싱 및 open‑source
대부분의 모델은 상업적 이용이 가능한 MIT 또는 Apache 2.0 라이선스로 배포된다. 회사는 Hugging Face와 GitHub에 가중치를 공개하지만, 전체 dataset과 학습 파이프라인은 비공개로 유지하고 있다(「open weight, but not full open source」).
## 산업에 미치는 영향
- R1 출시는 「600만 달러짜리 GPT‑4급 모델」 뉴스를 계기로 NVIDIA, Microsoft 등 기업의 주가가 하루 만에 하락하는 결과를 낳았다.[\[20\]](https://systems-analysis.info/int/DeepSeek_(KO)#cite_note-20)
- 수출 규제 대상인 Nvidia H800 칩으로의 학습 성공 시연은 미국 제재의 실효성에 대한 논의를 촉발하고, 중국 AI 가속기(예: Huawei Ascend 910B) 개발을 가속화하였다.
## 비판 및 한계
- 안전성: HarmBench 테스트에서 R1 모델은 유해 요청(「탈옥」)을 100% 통과시켰다.
- 정치적 검열: 채팅 버전은 중국 정부에 「민감한」 주제(1989년 천안문 광장 사건, 타이완 지위 등)를 필터링한다.
- 데이터 저장: 사용자 데이터가 중국 내 서버에 저장되는 점은 GDPR 및 유사 법적 체계를 준수해야 하는 서방 기업의 API 활용을 제한한다.[\[21\]](https://systems-analysis.info/int/DeepSeek_(KO)#cite_note-21)
## 참고 문헌
- Dai, D. et al. (2024). *DeepSeekMoE: Towards Ultimate Expert Specialization in Mixture‑of‑Experts Language Models*. arXiv:2401.06066.
- Ding, Y. et al. (2024). *LongRoPE: Extending LLM Context Window Beyond 2 Million Tokens*. arXiv:2402.13753.
- Fedus, W.; Zoph, B.; Shazeer, N. (2021). *Switch Transformers: Scaling to Trillion Parameter Models with Simple and Efficient Sparsity*. arXiv:2101.03961.
- He, L. et al. (2025). *Scaling Instruction‑Tuned LLMs to Million‑Token Contexts via Hierarchical Synthetic Data Generation*. arXiv:2504.12637.
- Jegham, N. et al. (2025). *Visual Reasoning Evaluation of Grok, Deepseek Janus, Gemini, Qwen, Mistral, and ChatGPT*. arXiv:2502.16428.
- Lepikhin, D. et al. (2020). *GShard: Scaling Giant Models with Conditional Computation and Automatic Sharding*. arXiv:2006.16668.
- Peng, B. et al. (2023). *YaRN: Efficient Context Window Extension of Large Language Models*. arXiv:2309.00071.
- Shen, Y. et al. (2025). *Long‑VITA: Scaling Large Multi‑modal Models to 1 Million Tokens with Leading Short‑Context Accuracy*. arXiv:2502.05177.
- Su, J. et al. (2021). *RoFormer: Enhanced Transformer with Rotary Position Embedding*. arXiv:2104.09864.
- Zhong, M. et al. (2024). *Understanding the RoPE Extensions of Long‑Context LLMs: An Attention Perspective*. arXiv:2406.13282.
## 주석
1. [↑](https://systems-analysis.info/int/DeepSeek_(KO)#cite_ref-1) DeepSeek's low-cost AI spotlights billions spent by US tech // Reuters. 2025-01-27.
2. [↑](https://systems-analysis.info/int/DeepSeek_(KO)#cite_ref-2) Who is Liang Wenfeng, the founder of DeepSeek? // Reuters. 2025-01-28.
3. [↑](https://systems-analysis.info/int/DeepSeek_(KO)#cite_ref-3) Who is Liang Wenfeng, the founder of DeepSeek? // Reuters. 2025-01-28.
4. [↑](https://systems-analysis.info/int/DeepSeek_(KO)#cite_ref-4) DeepSeek's low-cost AI spotlights billions spent by US tech // Reuters. 2025-01-27.
5. [↑](https://systems-analysis.info/int/DeepSeek_(KO)#cite_ref-5) DeepSeek-V2: A Strong, Economical, and Efficient Mixture-of-Experts Language Model // Hugging Face. 2024.
6. [↑](https://systems-analysis.info/int/DeepSeek_(KO)#cite_ref-6) DeepSeek-V2: A Strong, Economical, and Efficient Mixture-of-Experts Language Model // Hugging Face. 2024.
7. [↑](https://systems-analysis.info/int/DeepSeek_(KO)#cite_ref-7) DeepSeek-V3: A Parameter-Efficient MoE Large Language Model with Better Performance // arXiv. 2024.
8. [↑](https://systems-analysis.info/int/DeepSeek_(KO)#cite_ref-8) DeepSeek LLM: Scaling Open-Source Language Models with Longtermism // arXiv. 2024.
9. [↑](https://systems-analysis.info/int/DeepSeek_(KO)#cite_ref-9) DeepSeek-Coder-V2: A More Powerful and Economical Coder // arXiv. 2024.
10. [↑](https://systems-analysis.info/int/DeepSeek_(KO)#cite_ref-10) DeepSeek-V2: A Strong, Economical, and Efficient Mixture-of-Experts Language Model // Hugging Face. 2024.
11. [↑](https://systems-analysis.info/int/DeepSeek_(KO)#cite_ref-11) DeepSeek-V3: A Parameter-Efficient MoE Large Language Model with Better Performance // arXiv. 2024.
12. [↑](https://systems-analysis.info/int/DeepSeek_(KO)#cite_ref-12) DeepSeek-R1: A 671B Parameter MoE LLM with Unprecedented Reasoning Capabilities // arXiv. 2025.
13. [↑](https://systems-analysis.info/int/DeepSeek_(KO)#cite_ref-13) GitHub - deepseek-ai/DeepSeek-VL: Towards Real-World Vision-Language Understanding // GitHub.
14. [↑](https://systems-analysis.info/int/DeepSeek_(KO)#cite_ref-14) DeepSeek-Math: Pushing the Limits of Mathematical Reasoning in Open-Source Models // arXiv. 2024.
15. [↑](https://systems-analysis.info/int/DeepSeek_(KO)#cite_ref-15) DeepSeek-R1: A 671B Parameter MoE LLM with Unprecedented Reasoning Capabilities // arXiv. 2025.
16. [↑](https://systems-analysis.info/int/DeepSeek_(KO)#cite_ref-16) DeepSeek-V3: A Parameter-Efficient MoE Large Language Model with Better Performance // arXiv. 2024.
17. [↑](https://systems-analysis.info/int/DeepSeek_(KO)#cite_ref-17) DeepSeek-Coder-V2: A More Powerful and Economical Coder // arXiv. 2024.
18. [↑](https://systems-analysis.info/int/DeepSeek_(KO)#cite_ref-18) DeepSeek-Math: Pushing the Limits of Mathematical Reasoning in Open-Source Models // arXiv. 2024.
19. [↑](https://systems-analysis.info/int/DeepSeek_(KO)#cite_ref-19) DeepSeek-R1: A 671B Parameter MoE LLM with Unprecedented Reasoning Capabilities // arXiv. 2025.
20. [↑](https://systems-analysis.info/int/DeepSeek_(KO)#cite_ref-20) DeepSeek's low-cost AI spotlights billions spent by US tech // Reuters. 2025-01-27.
21. [↑](https://systems-analysis.info/int/DeepSeek_(KO)#cite_ref-21) DeepSeek's low-cost AI spotlights billions spent by US tech // Reuters. 2025-01-27.
## 같이 보기
- OpenAI 대형 언어 모델
- Mixture-of-Experts