DeepSeek V4-Pro 75% 가격 인하, 보스턴 AI 활용의 기준도 비용 검증으로 이동

중국 AI 스타트업 DeepSeek이 플래그십 모델 V4-Pro의 API 가격을 기존 대비 75% 낮춘 수준으로 유지하겠다고 밝혔다. 단기 할인으로 끝나는 것이 아니라, 2026년 5월 31일 15시 59분 UTC 할인 종료 후에도 기존 가격의 4분의 1 수준으로 공식 조정되는 구조다. AI 서비스를 만들거나 업무에 도입하려는 기업 입장에서는 이제 모델 성능뿐 아니라 장기 운영비를 더 엄밀하게 따져야 하는 환경이 되고 있다.

DeepSeek 공식 가격표 기준으로 V4-Pro는 100만 토큰당 캐시 미스 입력 0.435달러, 출력 0.87달러로 표시돼 있다. 기존 표시 가격은 각각 1.74달러와 3.48달러였다. 같은 내용을 반복해서 읽히는 경우 적용되는 캐시 히트 입력 가격은 100만 토큰당 0.003625달러다. 토큰은 AI 모델이 읽고 쓰는 텍스트 단위로, 문장 하나도 여러 토큰으로 나뉘어 계산될 수 있다.

로이터는 5월 23일 DeepSeek이 V4-Pro 가격을 기존의 4분의 1 수준으로 유지하겠다고 밝혔다고 보도했다. 또 DeepSeek이 이번 가격 인하가 Huawei Ascend 950 칩 공급 확대 때문인지 여부는 공개하지 않았다고 전했다. DeepSeek V4가 중국산 AI 칩 생태계와 함께 거론되는 만큼, 이번 가격 조정은 단순한 할인 정책을 넘어 AI 모델 운영비와 반도체 공급망이 맞물리는 흐름으로 읽힌다.

숫자만 보면 토큰당 단가 변화처럼 보이지만, 실제 AI 제품에서는 비용 차이가 커질 수 있다. 고객지원 자동화, 코드 리뷰, 연구문헌 요약, 내부 문서 검색, AI 에이전트처럼 여러 단계를 반복 수행하는 기능은 하루에도 수백만에서 수십억 토큰을 사용할 수 있다. AI 에이전트는 단순히 답변하는 챗봇이 아니라, 사용자의 목표에 맞춰 도구를 호출하고 여러 작업을 순서대로 처리하는 시스템을 뜻한다.

이번 가격 인하는 AI 경쟁의 기준이 성능 순위에서 운영비와 안정성으로 넓어지고 있음을 보여준다. 지난 2년간 기업들은 더 좋은 모델을 쓰기 위해 높은 API 비용과 클라우드 비용을 감수했다. 이제는 어느 모델이 가장 뛰어난가만큼, 같은 업무를 어느 비용으로, 얼마나 안정적으로, 어떤 보안 조건에서 처리할 수 있는지가 중요해지고 있다.

보스턴과 케임브리지의 스타트업, 바이오테크, 핀테크, 대학 연구팀에도 이 변화는 직접적인 의미가 있다. 대형 클라우드 예산이 부족한 초기 기업은 저렴한 모델을 조합해 문서 처리, 코드 보조, 내부 지식검색 기능을 더 쉽게 실험할 수 있다. 특히 바이오·헬스케어 분야에서는 논문, 실험 기록, 프로토콜, 규제 문서처럼 긴 텍스트를 다루는 일이 많아 장문 처리 비용이 낮아지는 효과가 상대적으로 크다.

다만 가격이 낮아졌다고 곧바로 모든 업무에 적용할 수 있다는 뜻은 아니다. 환자 정보, 연구 데이터, 고객 계약서, 금융 정보처럼 민감한 데이터를 다루는 조직은 모델 제공업체의 데이터 보관 정책, 학습 사용 여부, 접속 지역, 로그 관리, 보안 검토를 따져야 한다. 중국 AI 모델을 둘러싼 미국의 수출통제, 지식재산권, 보안 논쟁도 기업 도입 과정에서 계속 검토 대상이 될 가능성이 있다.

취업 준비생과 이직자에게는 ‘AI를 쓸 줄 안다’는 표현만으로는 부족해지는 신호다. 기업이 점점 더 보는 역량은 모델 선택, 비용 추정, 품질 평가, 오류 검증, 개인정보 보호, 업무 프로세스 설계에 가깝다. 같은 기능을 만들 때 고성능 모델과 저가 모델을 어떻게 나눠 쓸지, 어떤 작업은 사람이 다시 검토해야 할지, 잘못된 답변을 어떻게 발견할지 설명할 수 있는지가 실무 역량으로 연결된다.

소프트웨어 엔지니어에게는 API 연동, 평가 테스트, 로그 분석, 비용 모니터링이 더 중요해진다. 데이터·제품 직군에서는 RAG로 불리는 내부 문서 검색 기반 AI 설계, 프롬프트 관리, 모델별 성능 비교, 사용자 피드백 분석이 주요 키워드가 될 수 있다. 이는 AI가 일자리를 단순히 대체한다는 이야기와는 다르다. 저렴한 모델이 많아질수록 AI와 함께 돌아가는 업무 시스템을 설계하고 관리하는 역할도 함께 커진다.

유학생과 비자 스폰서십을 고민하는 독자에게는 선택지가 일부 넓어질 수 있지만, 자동으로 채용문이 넓어진다고 보기는 어렵다. 저렴한 AI 모델은 작은 회사의 제품 실험 비용을 낮출 수 있지만, H-1B 스폰서십이나 OPT 이후 채용 전환은 회사 규모, 법무·HR 경험, 재정 상태에 따라 달라진다. 지원 단계에서는 회사가 실제 프로덕션 제품을 운영하는지, AI 기능이 실험 단계인지, 과거 스폰서십 경험이 있는지 차분히 확인하는 편이 현실적이다. 개별 비자 판단은 학교 DSO나 이민 전문가와 따로 확인해야 할 영역이다.

창업 관심자에게는 이번 뉴스가 AI 제품의 원가 구조를 다시 보라는 신호다. 단순히 가장 싼 모델을 쓰는 것이 아니라, 업무 중요도에 따라 저가 모델과 고성능 모델을 나누고, 반복 입력은 캐시를 활용하며, 실패 시 사람이 개입하는 구조를 갖춰야 한다. 보스턴의 전문 서비스업, 소규모 병원·클리닉, 교육기관, 연구실도 낮은 위험의 내부 문서 정리나 고객 문의 분류부터 실험해볼 수 있지만, 규제 데이터는 별도 검토가 필요하다.

DeepSeek의 가격 인하는 AI가 특별한 실험 도구에서 클라우드나 데이터베이스처럼 일상적인 운영비 항목으로 이동하고 있음을 보여준다. 앞으로 봐야 할 변수는 미국 주요 모델 제공업체들이 가격 경쟁에 어떻게 대응하는지, 기업들이 보안과 규제 리스크를 어디까지 감수할지, 그리고 채용시장에서 AI 활용 능력이 어떤 직무 요건으로 구체화되는지다. 보스턴 독자에게 중요한 포인트는 AI 모델이 싸졌다는 사실 자체보다, 싸진 모델을 실제 업무에 맞게 안전하고 측정 가능하게 쓰는 능력이 커리어와 사업 판단에서 더 중요해지고 있다는 점이다.