🤖
1234 in / 3980 out / 5214 total tokens
🔥 핫 토픽
DeepSeek V4 - 프론티어 모델과 거의 동등한 성능, 가격은 극소수
DeepSeek가 V4를 발표했다. 성능은 GPT-4나 Claude 수준의 프론티어 모델과 거의 차이가 없는데, 가격은 그 일부분이다. 이건 단순히 "또 하나의 모델 나왔네" 수준이 아니다. 게임 서버 아키텍처 설계할 때 트래픽 폭증에 대비해서 과도한 스펙을 잡아놓고 나중에 축소하는 경험이 다들 있을 텐데, AI 모델 시장도 비슷한 수순을 밟고 있다. 초기에는 OpenAI가 독점하다시피 했고, 가격도 정해주는 대로 내야 했다. 그런데 DeepSeek 같은 챌린저가 프론티어급 성능을 저렴하게 공급하기 시작하면, 전체 시장의 가격 구조가 무너진다.
개발자 입장에서 이건 실질적인 영향이 크다. 예를 들어, 게임 내 NPC 대화 시스템을 만들 때, API 호출 비용이 서버 운영비의 상당 부분을 차지한다. 하루에 수만 명의 유저가 NPC와 대화한다고 치면, 토큰 단가가 1/10로 줄어드는 건 서버비 절감 차원이 아니라 아예 서비스 모델 자체가 바뀌는 수준이다. 기존에는 "비용 때문에 AI NPC 대화 횟수에 제한을 둬야겠다"였다면, 이제는 "무제한 대화를 허용하되 컨텍스트 윈도우를 어떻게 관리할까"로 설계 방향이 달라진다.
기술적 배경을 살짝 덧붙이면, DeepSeek는 Mixture of Experts(MoE) 아키텍처를 적극 활용하는 것으로 알려져 있다. MoE는 모델 전체를 매번 다 돌리는 게 아니라, 입력에 따라 필요한 부분만 활성화해서 효율을 높이는 방식이다. UE5에서 LOD(Level of Detail) 시스템이 멀리 있는 오브젝트는 폴리곤을 줄이는 것과 비슷한 발상이다. 불필요한 연산을 건너뛰면서도 최종 품질은 유지하는 거. 이런 아키텍처 최적화가 가격 경쟁력의 핵심이다.
그리고 이건 경쟁 구도에도 영향을 미친다. OpenAI, Anthropic, Google 같은 기존 프론티어 기업들은 이제 "성능"만으로는 차별화하기 어려워진다. 솔직히 대부분의 사용 케이스에서 GPT-4와 DeepSeek V4의 체감 성능 차이는 미미할 거다. 그러면 남은 건 가격과 에코시스템인데, 가격에서 DeepSeek가 유리하면 에코시스템 구축에 더 공을 들여야 하는 부담이 기존 기업들에게 생긴다.
마지막으로, 중국 기업이라는 점에서 지정학적 리스크도 무시할 수 없다. 데이터 주권이나 규제 이슈가 있는 프로젝트라면 DeepSeek를 바로 쓰기 어려울 수 있다. 하지만 오픈웨이트 모델이라는 점에서, 자체 인프라에 호스팅해서 쓰는 방법도 있다. 이건 비용-편익 계산이 필요한 부분이다.
출처: Simon Willison - DeepSeek V4
📰 뉴스
Millisecond Converter - 밀리초 변환기, 그게 왜 중요한가?
Simon Willison이 Millisecond Converter라는 작은 도구를 만들었다. 이름 그대로 밀리초를 다른 시간 단위로 변환해주는 도구다. 얼핏 보면 사소해 보이지만, 이런 "작은 도구"가 개발자 경험(DX)에서 차지하는 비중을 생각하면 결코 가볍게 볼 일이 아니다.
게임 프로그래머에게 밀리초는 일상적인 단위다. UE5에서 GetWorld()->GetTimeSeconds() 부르면 초 단위로 나오지만, 내부적으로는 FDateTime::GetTimeInMillisecond() 같은 걸 쓸 일이 한두 번이 아니다. 특히 네트워크 리플리케이션에서 타임스탬프 동기화, 애니메이션 블렌딩 시간 계산, 쿨다운 타이머 관리 등 밀리초 단위의 정밀도가 필요한 작업이 많다. 근데 솔직히 3500밀리초가 3.5초라는 건 바로 계산되는데, 86400000밀리초가 정확히 몇 시간인지는 헷갈린다. 이런 순간에 구글에 검색하거나 계산기 두드리는 게 은근히 귀찮은 일이다.
이 도구의 또 다른 의미는 LLM을 활용한 소규모 도구 제작의 사례라는 점이다. Simon Willison은 이런 작은 도구들을 꾸준히 만들어왔고, 그 과정에서 LLM이 코드 생성 보조 도구로 어떻게 쓰이는지 잘 보여준다. 게임 개발에서도 비슷한 접근이 가능하다. 에디터 확장, 빌드 파이프라인 유틸리티, 데이터 변환 스크립트 같은 걸 LLM 도움으로 빠르게 만들 수 있다. 나도 UE5 에디터 플러그인 만들 때 ChatGPT한테 Slate UI 코드 짜달라고 한 경험이 여러 번 있다. 물론 완벽한 코드가 나오진 않지만, 0에서 1까지 가는 시간을 확실히 줄여준다.
앞서 언급한 DeepSeek V4와도 연결되는 부분이 있다. 이런 작은 도구를 만들 때마다 GPT-4를 쓰면 비용이 꽤 드는데, DeepSeek V4 같은 저렴한 모델로 대체할 수 있으면 도구 제작의 장벽이 더 낮아진다. "이런 거 만들까? 아, API 비용이 아까운데" 하는 고민을 덜 수 있다는 건, 개발자가 더 많은 실험을 하게 만드는 요인이 된다.
그리고 이건 UX 측면에서도 생각해볼 거리다. Millisecond Converter는 단일 기능에 집중하는 도구다. 요즘 유행하는 "올인원 플랫폼"과는 정반대의 접근. 근데 개발자들은 이런 단일 기능 도구를 좋아한다. 터미널에서 curl 치듯이, 특정 작업에 특화된 도구를 빠르게 호출해서 쓰는 게 효율적이니까. 유닉스 철학의 현대적 실천이라고도 볼 수 있다.
출처: Simon Willison - Millisecond Converter
💭 두 뉴스를 연결해서 보면
DeepSeek V4의 저렴한 가격과 Millisecond Converter 같은 소규모 도구 제작은 같은 방향을 가리키고 있다. AI 모델의 비용이 낮아질수록, 개발자는 더 자주, 더 자발적으로 AI를 일상적인 개발 워크플로우에 통합하게 된다. 거창한 "AI 혁명" 같은 것보다, 이런 일상적인 변화가 실질적인 생산성 향상을 가져온다.
게임 개발에서도 마찬가지다. AI로 NPCs 대화 시스템을 만들든, 에디터 도구를 만들든, 비용 장벽이 낮아지면 시도 자체가 늘어난다. 그리고 시도가 늘어나면 실패도 많아지지만, 그 중에서 진짜 유용한 것들이 살아남는다. 이게 자연스러운 기술 도입의 과정이다.
핵심은 모델 성능이 아니라 비용이다. 비용이 낮아지면 AI는 "특별한 기술"에서 "기본 도구"로 바뀐다.