中 딥시크, 차세대 AI 실험 모델 공개…효율성 두 배인데 신뢰성은 '글쎄'

중국 AI 스타트업 딥시크(DeepSeek)가 최신 실험 모델을 선보이며 인공지능(AI) 효율성 향상과 비용 절감 기대를 모으고 있다. 다만 일각에서는 해당 아키텍처의 실제 효과와 보안성에 대한 의문이 여전하다는 지적도 나온다.

30일(현지시각) CNBC 등에 따르면 딥시크는 AI 커뮤니티 플랫폼 허깅페이스(Hugging Face)를 통해 최신 실험 모델 ‘딥시크-V3.2-Exp’를 발표했다. 기존 ‘딥시크-V3.1-터미너스(Terminus)’를 기반으로 개발된 이번 모델은 AI 시스템의 효율성 제고라는 회사의 핵심 목표를 더 확장한 버전이다.

딥시크는 지난해 실리콘밸리를 놀라게 한 신생 기업이다. 당시 회사는 첫 모델 ‘R1’을 전격 공개하며, 상대적으로 성능이 낮은 칩과 적은 자원으로도 대규모 언어모델(LLM)을 빠르게 학습시킬 수 있음을 입증해 시선을 끌었다.

허깅페이스의 중국 커뮤니티 책임자인 아디나 야커푸는 CNBC에 “딥시크 V3.2는 효율성, 비용 절감, 오픈소스 공유에 중점을 두고 있다”며 “가장 큰 개선점은 ‘딥시크 희소 어텐션(DeepSeek Sparse Attention·DSA)’이라는 새로운 기능으로, AI가 긴 문서와 대화를 더 효과적으로 처리할 수 있게 한다”고 밝혔다. 그는 또한 “이전 버전에 비해 딥시크 V3.2는 운영 비용을 절반 수준으로 낮췄다”고 강조했다.
퓨처럼그룹(Futurum Group)의 니크 페이션스 AI 부문 부사장 역시 “이는 성능 저하 없이 모델을 더 빠르고 경제적으로 활용할 수 있게 해주는 중요한 진전”이라며 “강력한 AI가 개발자, 연구자, 중소기업에까지 접근성을 넓혀 새로운 혁신적 응용 프로그램의 물결을 촉발할 수 있다”고 평가했다.


AI 모델은 학습 데이터와 새로운 입력값(프롬프트)에 따라 의사결정을 내린다. 예컨대 항공사가 A 지점에서 B 지점으로 가는 최적의 항로를 찾으려 할 때 수많은 선택지가 존재하지만, 그중 상당수는 현실적으로 불가능하다. 불필요한 항로를 걸러내면 시간, 연료, 비용이 크게 절감된다. 바로 이것이 ‘희소 어텐션(sparse attention)’의 핵심이다. 기존 모델이 모든 데이터를 전부 처리하는 방식과 달리, 희소 어텐션은 주어진 과제에 중요하다고 판단되는 데이터만을 반영한다.

블랭크페이지캐피털(BlankPage Capital)의 공동 창업자이자 매니징 파트너인 에카테리나 알마스크“는 쉽게 말해, 중요하지 않다고 생각되는 것을 잘라내는 것”이라고 설명했다.

희소 어텐션은 적은 자원으로도 AI 효율성과 확장성을 높일 수 있다는 점에서 강점으로 꼽힌다. 그러나 동시에 중요 데이터가 잘못 배제될 경우 모델의 신뢰도가 떨어질 수 있다는 우려도 제기된다.

알마스크는 “희소 어텐션 모델이 정말로 중요하지 않은 데이터를 걸러낸 것인지, 아니면 실제로는 매우 중요한 데이터를 배제한 것인지에 따라 결과의 관련성이 크게 달라질 수 있다”고 지적했다.

그는 또 이러한 한계가 AI 안전성과 포용성에 문제를 일으킬 수 있다고 경고했다. 이어 “희소 어텐션 모델이 경쟁 모델이나 전통적 아키텍처와 비교했을 때 가장 최적이거나 가장 안전한 방식이라고 보기는 어렵다”고 덧붙였다.


이수정 기자 soojunglee@g-enews.com