딥시크 비전, 이미지 1장이 384토큰에서 멈춘다

effidev·2026년 8월 21일

5000×5000과 2000×2000이 같은 값이다

딥시크 공식 문서에 이렇게 적혀 있다. 이미지 한 장은 384토큰을 넘지 않는다.

그래서 2000×2000짜리 사진과 5000×5000짜리 사진이 요금 계산에서 같은 값이 된다. 6.25배 큰 이미지를 넣어도 청구서는 그대로다.

이걸 원화로 옮기면 이미지 한 장에 약 0.23원이다. 1만 장을 넣어도 2,339원.

딥시크가 오늘(2026년 8월 21일) API 플랫폼에 올린 deepseek-v4-flash-vision-exp 이야기다.

이 글은 이런 사람에게 필요하다

사진이나 스크린샷을 AI에 무더기로 넣어 보고 싶은데, 요금이 얼마나 나올지 몰라 못 하고 있던 사람.

이미지를 다루는 AI API는 대부분 “이미지를 토큰이라는 단위로 바꿔서” 돈을 받는다. 토큰(글이나 그림을 잘게 쪼갠 계산 단위)이 많아지면 값이 오르는 구조라, 큰 이미지를 넣으면 얼마가 나올지 예측이 안 된다.

이 모델은 그 예측 불가능한 부분을 잘라냈다. 이미지가 아무리 커도 한 장에 384토큰에서 끊긴다. 그래서 “몇 장 넣을 건가”만 알면 요금이 미리 계산된다.

아래에서 그 계산을 실제로 해 본다.

이미지가 토큰으로 바뀌는 규칙

공식 문서의 표현은 이렇다. “이미지는 크기에 따라 토큰으로 변환되며, 이 토큰은 텍스트 토큰과 함께 과금된다.”

변환 규칙은 세 줄이다.

첫째, 너무 작으면 키운다. 대략 384×384 픽셀 아래인 이미지는 비율을 유지한 채 확대된다.

둘째, 너무 크면 줄인다. 리사이즈 후 전체 픽셀 수가 대략 800×800 이미지 수준이 되도록 축소한다.

셋째, 그래서 상한이 생긴다. 문서의 문장을 그대로 옮기면 — 이미지당 384토큰의 상한이 있고, 예를 들어 2000×2000 이미지와 5000×5000 이미지는 리사이즈 후 같은 수의 토큰을 소비한다.

여기서 중요한 건 두 번째 줄이다. 축소 기준이 “가로 800, 세로 800”이 아니라 전체 픽셀 수가 800×800(64만 픽셀)에 맞춰지는 것이다.

그래서 가로로 긴 파노라마든 세로로 긴 스크린샷이든, 넓이만 같으면 같은 토큰을 쓴다.

384에 요금표를 곱해 보면

이제 숫자를 붙인다. 딥시크 공식 요금표 기준으로 이 모델의 입력 단가는 텍스트 모델인 V4 Flash와 완전히 같다.

피크 시간대는 UTC 01:0004:00과 06:0010:00이다. 한국 시간으로는 오전 10시오후 1시, 오후 3시7시. 그 밖의 모든 시간은 할인 시간대고, 할인가는 피크가의 정확히 절반이다.

비싼 쪽(피크)으로 계산해 보자. 384토큰 × $0.44 ÷ 100만 = $0.00016896.

이걸 2026년 8월 21일 환율 1달러 = 1,384.23원으로 바꾸면 이미지 한 장에 약 0.23원이다.

• 이미지 100장 → 약 23원
• 이미지 1,000장 → 약 234원
• 이미지 1만 장 → 약 2,339원

한국 시간 밤이나 새벽에 돌리면 할인 시간대라 여기서 절반이 된다. 이미지 한 장 0.12원, 1만 장에 1,169원.

달러로 세면 더 단순하다. 1달러로 이미지 5,918장(피크 기준), 할인 시간대면 11,837장이다.

물론 이건 이미지 입력분만 계산한 값이다. 같이 넣는 질문 텍스트와 모델이 뱉는 답변 토큰은 따로 붙는다. 출력이 피크 기준 100만 토큰에 $1.32라, 답변이 길어지면 그쪽이 오히려 더 나갈 수 있다.

캐시 히트라는 칸이 하나 더 있다

요금표에서 그냥 지나치기 쉬운 줄이 있다. 입력 캐시 히트 단가다.

캐시 히트는 “직전에 보낸 것과 앞부분이 똑같은 요청”을 다시 보낼 때 적용되는 값이다. 같은 앞부분을 서버가 이미 계산해 뒀으니 다시 계산하지 않고 싸게 넘겨주는 구조다.

그 값이 피크 기준 100만 토큰에 $0.014다. 캐시 미스일 때의 $0.44와 비교하면 31배 차이가 난다.

이게 이미지 작업과 만나면 이렇게 쓰인다. 같은 사진 한 장을 두고 질문을 여러 번 바꿔 가며 물어보는 경우, 이미지가 앞쪽에 고정돼 있으면 두 번째 질문부터는 그 이미지 부분이 캐시에 걸릴 여지가 생긴다.

그래서 이미지를 앞에, 바뀌는 질문을 뒤에 두는 순서가 값에 영향을 준다. 반대로 매번 질문을 앞에 두고 이미지를 뒤에 붙이면 앞부분이 계속 달라져 캐시가 안 걸린다.

다만 캐시가 실제로 걸렸는지는 응답에 찍히는 사용량 정보로 확인해야 한다. 문서에 적힌 건 단가지 “이렇게 하면 반드시 걸린다”는 보장이 아니다.

장수 상한도 맞대 보면

토큰 상한 말고 한 요청에 몇 장까지 받느냐도 비교 대상이다.

딥시크 비전은 앞서 적었듯 600장, 전체 용량 64MiB(파일 API 경유 시 200MiB)다.

오픈AI 문서 쪽은 요청당 이미지 1,500장, 전체 512MB를 상한으로 적어 두고 있다. 장수만 보면 오픈AI 쪽이 2.5배 넉넉하다.

그런데 이 두 숫자는 성격이 다르다. 장수 상한은 “한 번에 몇 개를 부칠 수 있나”이고, 토큰 상한은 “그 한 개가 얼마짜리인가”다.

실무에서 부딪히는 벽은 대개 뒤쪽이다. 장수는 요청을 나눠 보내면 우회되지만, 장당 단가는 나눠도 그대로 붙는다.

예를 들어 이미지 3,000장을 처리해야 한다고 하자. 딥시크 쪽은 600장씩 다섯 번 나눠 보내면 되고, 총 이미지 토큰은 115만 개, 피크 기준 약 702원이다. 장수 상한은 요청을 쪼개는 수고로 넘어가는 벽이지 비용의 벽이 아니다.

반대로 장당 토큰이 열 배 붙는 쪽에서는 요청을 아무리 쪼개도 총액이 열 배다. 그래서 대량 이미지 작업의 견적을 잡을 때 먼저 볼 칸은 장수가 아니라 장당 상한이다.

한 요청에 600장까지, 대신 조건이 붙는다

이 모델은 요청 하나에 이미지를 최대 600장 넣을 수 있다.

600장을 전부 채우면 이미지 토큰만 230,400개다. 피크 기준 $0.101, 원화로 약 140원. 할인 시간대면 70원이다.

문서 하나를 통째로 스캔해 넣거나, 영상에서 프레임을 뽑아 한꺼번에 물어보는 일이 커피값 한참 아래에서 가능해진다는 뜻이다.

다만 조건이 세 개 붙는다.

해상도 상한이 장수에 따라 바뀐다. 한 변 8,192픽셀까지 받는데, 요청에 이미지가 15장 이상 들어가면 한 변 4,096픽셀로 떨어진다. 대량으로 넣을 계획이면 원본을 미리 줄여 두는 게 안전하다.

용량 상한이 있다. 이미지 전체 합계가 64MiB까지다. 파일 API를 거쳐 넣으면 200MiB까지 올라간다. 넣는 방식은 세 가지 — base64로 인라인, 외부 HTTP(S) 주소, 파일 API의 file_id다. 외부 주소를 쓸 땐 주소 길이가 8,192자를 넘으면 안 된다.

이미지는 사용자 메시지에만 넣을 수 있다. 시스템 메시지나 어시스턴트 메시지에 이미지를 넣으면 400 에러가 돌아온다. “역할 설정할 때 예시 이미지를 미리 깔아 두는” 방식이 안 된다는 뜻이라, 프롬프트 설계를 여기 맞춰야 한다.

남들은 어떻게 세나 — 패치와 타일

384토큰 상한이 왜 눈에 띄는지는 다른 API의 계산법과 나란히 놓으면 분명해진다.

오픈AI 공식 문서를 보면 이미지 과금 방식이 두 갈래다.

패치 방식(GPT-5.4·5.5·5.6 계열)은 이미지를 32픽셀 정사각형으로 덮고 그 개수를 센다. 문서의 공식은 ceil(가로/32) × ceil(세로/32). 그리고 모델별로 상한이 있는데, GPT-5.5와 5.6의 경우 “high” 설정은 2,500패치, “original” 설정은 1만 패치까지 지원한다.

타일 방식(gpt-4o·4.1과 일부 o 시리즈)은 이미지를 512픽셀 사각형으로 쪼개 센다. gpt-4o와 gpt-4.1은 기본 85토큰에 타일당 170토큰이 붙고, gpt-5는 기본 70에 타일당 140이다.

숫자를 맞대 보자.

• 딥시크 비전 상한: 384토큰
• GPT-5.6 “high” 상한: 2,500패치 → 약 6.5배
• GPT-5.6 “original” 상한: 1만 패치 → 약 26배

타일 방식도 계산해 볼 수 있다. 1024×1024 이미지를 gpt-4o에 넣으면 문서의 규칙대로 짧은 변이 768이 되도록 줄인 뒤 512픽셀 사각형을 세게 되는데, 2×2=4타일이 나온다. 85 + 170×4 = 765토큰. 딥시크 상한의 약 2배다.

여기서 오해하면 안 되는 게 하나 있다. 패치 수와 청구 토큰 수가 항상 1:1은 아니다. 오픈AI 문서는 mini·nano 계열에 배수를 따로 적어 두고 있다(gpt-5.4-mini 1.62배, gpt-5.4-nano 2.46배, o4-mini 1.72배). 그래서 위 비교는 “상한선의 크기 차이”로 읽는 게 정확하고, 실제 청구액은 모델·설정·이미지 크기에 따라 달라진다.

그래도 방향은 분명하다. 다른 쪽은 이미지를 키우면 값이 따라 오르는 구조고, 딥시크 쪽은 어느 지점에서 값이 평평해지는 구조다.

가격 구조가 경로에 따라 갈리는 이야기는 GPT-5.6 Sol 반값 건에서도 한 번 다뤘다. 같은 모델도 어디로 부르느냐에 따라 2.2배까지 벌어졌었다.

공개된 점수 9개

딥시크가 변경 로그에 함께 올린 벤치마크 점수는 아홉 개다. 전부 이 비전 모델의 점수다.

앞쪽 여섯 개는 터미널을 다루고 코드 저장소를 만드는 에이전트·코딩 계열이고, 뒤쪽 둘(Chartography·ZeroBench)이 그림과 차트를 읽는 능력을 재는 쪽이다.

여기서 조심할 부분. 변경 로그에는 비교 대상 모델의 점수가 같이 실려 있지 않다. V4 Flash 원본은 몇 점인지, 경쟁 모델은 몇 점인지가 표에 없다.

딥시크는 공식 계정 발표에서 “멀티모달 에이전트 벤치마크에서 V4 Flash 대비 큰 도약을 이뤘고, Opus 4.8에 근접한다”고 밝혔다. 이건 만든 쪽의 주장이고, 우리가 대조할 수 있는 숫자표는 아직 공개되지 않았다.

벤치표를 어디까지 믿을지에 대해서는 큐원 3.8-27B 공개 때 표 아래 각주를 읽어야 한다고 썼는데, 이번 건은 각주 이전에 비교 열 자체가 없다.

텍스트 값이 그대로라는 게 왜 중요한가

이 모델의 설명문은 “V4 Flash 0731에 이미지 이해를 더한 실험 버전이며, 텍스트 능력은 원본과 동등하다”는 것이다.

값도 같다. 앞의 요금표에서 확인했듯 입력·출력 단가가 V4 Flash와 동일하다.

이게 실무에서 뜻하는 바는 하나다. 이미지를 안 넣는 요청에서 손해가 없다.

보통은 이렇게 안 된다. 이미지를 받는 모델은 텍스트 전용 모델보다 비싸서, “혹시 이미지가 올 수도 있으니” 비전 모델을 기본으로 깔면 텍스트만 오가는 대다수 요청에서 웃돈을 내게 된다. 그래서 모델을 두 개 띄우고 요청을 갈라 보내는 작업이 필요했다.

단가가 같으면 그 분기를 지울 수 있다. 비전 모델 하나로 통일해 두고, 이미지가 오면 오는 대로 처리하면 된다.

곁들여진 사양도 텍스트 쪽과 같다. 컨텍스트(한 번에 넣을 수 있는 분량) 1,048,576토큰, 최대 출력 384,000토큰. 구조는 희소 MoE 방식으로 전체 2,840억 개 중 130억 개만 활성화해 돈다.

API 비용을 게이트웨이 단에서 통제하는 방법은 클라우드플레어 AI 게이트웨이 글에 정리해 뒀다. 모델을 하나로 합치면 그쪽 설정도 같이 단순해진다.

exp라는 꼬리표

모델 이름 끝에 붙은 exp는 experimental, 실험이라는 뜻이다.

딥시크 문서도 이걸 감추지 않는다. “이것은 model='deepseek-v4-flash-vision-exp'로 설정해 접근할 수 있는 실험 모델이다”라고 적혀 있다.

실험 딱지가 붙은 모델을 다룰 때 실무에서 잡아야 할 것은 세 가지다.

모델 이름을 코드에 박지 않는다. 설정 파일이나 환경 변수로 빼 둔다. 실험 모델은 정식 버전이 나오면서 이름이 바뀌는 게 정상이라, 하드코딩해 두면 그날 서비스가 멈춘다.

폴백 경로를 만들어 둔다. 호출이 실패하면 텍스트 전용 V4 Flash로 떨어지게 하거나, 최소한 “이미지 처리는 지금 불가”라는 응답이 나가게 해 둔다.

종료 공지를 기다리지 말고 주기적으로 확인한다. 변경 로그에는 중단 시점이나 지원 기간에 대한 언급이 전혀 없다. 언제까지 쓸 수 있는지 아무도 약속하지 않았다는 뜻이다.

바꿔 말하면 지금 이 값과 이 상한은 오늘 기준으로 확인된 것이고, 내일도 같으리라는 보장은 문서 어디에도 없다.

첫 호출까지, 실제로 해야 할 것

순서는 이렇다.

1. 모델 이름을 deepseek-v4-flash-vision-exp로 바꾼다. 딥시크 API는 OpenAI 호환 형식이라, 이미 다른 딥시크 모델을 쓰고 있었다면 문자열 하나만 갈아 끼우면 된다.

2. 이미지를 사용자 메시지에 넣는다. 시스템 메시지가 아니다. base64 인라인이 가장 간단하고, 이미지가 이미 웹에 올라가 있으면 주소를 그대로 넘겨도 된다.

3. 원본을 미리 줄인다. 어차피 800×800 픽셀 수준으로 축소되므로 4000×3000 사진을 그대로 올리는 건 업로드 시간과 대역폭만 쓴다. 여러 장 넣을 계획이면 15장 기준 해상도 규칙(한 변 4,096픽셀)도 여기서 같이 맞춘다.

4. 시간대를 고른다. 급하지 않은 대량 작업이라면 한국 시간 오후 7시 이후나 새벽에 돌린다. 할인 시간대라 같은 일이 정확히 절반 값에 끝난다.

5. 첫 청구서를 눈으로 확인한다. 384토큰 상한은 문서에 적힌 값이고, 실제 사용량 대시보드에서 이미지 한 장이 몇 토큰으로 잡히는지 대조해 보는 게 안전하다.

아직 답이 없는 질문 셋

오늘 공개된 자료로는 확인되지 않는 것들이다. 여기에 대해서는 어떤 수치도 쓰지 않았다.

첫째, 384토큰으로 줄여도 정확도가 버티는가. 800×800으로 축소된다는 건 작은 글씨가 뭉개질 수 있다는 뜻이다. 영수증이나 계약서처럼 잔글씨를 읽어야 하는 작업에서 어디까지 되는지는 직접 넣어 보는 수밖에 없다.

둘째, 경쟁 모델과 나란히 놓으면 몇 점인가. 앞서 적었듯 비교 열이 없다. Opus 4.8 근접이라는 표현은 제조사 발표문이고, 제3자 검증은 아직이다.

셋째, 얼마나 오래 쓸 수 있는가. 실험 모델이고 종료 공지는 없다.

계산기를 한 번 더 두드리며

정리하면 이 모델이 바꾸는 건 성능 순위가 아니라 견적서다.

이미지 100장을 넣는 기능을 기획할 때 예전에는 “얼마 나올지 모르니 일단 10장으로 제한하자”는 결론이 나기 쉬웠다. 이미지가 클수록 값이 오르니 상한을 걸 수밖에 없었다.

지금은 곱셈 한 번이면 끝난다. 장수 × 384 × 단가. 100장이면 23원, 1,000장이면 234원이다.

그래서 오늘 해 볼 만한 건 하나다. 막아 뒀던 이미지 장수 제한을 꺼내서, 그 숫자에 384와 단가를 곱해 보라. 예전에 못 하겠다고 판단했던 이유가 아직 유효한지 그 자리에서 확인된다.

그 숫자가 생각보다 작게 나온다면, 기획을 다시 열어 볼 때가 된 것이다.