데일리 트렌드
· 약 4분 읽기
[데일리 트렌드] DeepSeek V4 Flash 정식 출시·EU AI Act 8월 시행 범위·에이전트 온콜 벤치마크 3가지
오늘 눈여겨본 변화가 실무에 무엇을 요구하는지 핵심만 추려 정리했습니다. 각 항목은 사실을 짧게 밝히고, 한 줄 판단과 이번 주 확인할 일을 남깁니다.
오늘의 핵심
1. DeepSeek이 V4-Flash를 프리뷰에서 정식판으로 올렸습니다
- 사실: DeepSeek이 7월 31일 DeepSeek-V4-Flash-0731을 허깅페이스에 공식 게시하며 프리뷰 버전을 대체했고, API도 정식 베타로 전환했습니다.
- 모델 카드에 명시된 스펙은 MoE(입력마다 일부 전문가 블록만 켜는 구조) 총 3,040억 파라미터, 100만 토큰 컨텍스트, MIT 라이선스(상업적 사용·수정 자유)입니다. 활성 파라미터 수는 공식 카드에 정확한 숫자가 없고, “이전보다 훨씬 작은 활성 파라미터로도”라는 표현만 있습니다 — 독립 벤치마크 사이트 Artificial Analysis는 이를 총 2,840억 중 130억으로 추산합니다(DeepSeek 공식 수치 아님).
- 같은 모델 카드의 벤치마크 표에서 이번에 대체된 DeepSeek-V4-Flash(Preview) 대비 점수가 크게 올랐습니다 — Terminal Bench 2.1 61.8→82.7, 에이전트형 코딩 벤치마크 DeepSWE 7.3→54.4, 보안 침투 평가 Cybergym 38.7→76.7. 다만 이 상승을 어떤 학습 방식 변경으로 얻었는지는 카드에 설명이 없습니다.
- 한 줄 판단: 구조는 그대로 두고 벤치마크 점수만 이렇게 뛰었다는 결과는, 어떤 방법으로 얻은 점수인지도 함께 물어야 한다는 뜻입니다. 오픈웨이트(학습된 가중치 파일을 공개해 내려받아 실행·파인튜닝) 모델이 몇 주 간격으로 프리뷰→정식판을 이 정도 폭으로 갱신한다는 사실 자체는 팀의 벤더 종속 계산에 들어가는 변수를 늘리지만, 방법론이 공개되지 않은 점수를 그대로 인용하는 것과는 별개 문제입니다.
- 이번 주 할 일: 무거운 워크로드를 자체 호스팅으로 옮길 계획이 있다면 MIT 라이선스 조건과 실제 구동 하드웨어 요구치를 자체 벤치마크로 먼저 재보시길 권합니다. 단, 직접 운영은 API 요금 대신 GPU·운영 인력이라는 다른 종류의 비용을 떠안는 선택입니다. 개인 기여자라면 양자화(GGUF) 배포판 하나를 내려받아 짧은 프롬프트로 응답 속도만 재봐도 감이 옵니다.
2. “EU AI Act가 8월에 시행된다”는 절반만 맞습니다
- 사실: EU 집행위원회 공식 발표에 따르면, 7월 27일 발효된 AI 옴니버스(AI Omnibus)로 고위험 AI 시스템 인증 의무는 애초 이달 예정이었다가 연기됐습니다.
- 독립 고위험 시스템(Annex III)은 2027년 12월 2일로, 기계·완구·승강기 등 제품에 내장된 고위험 AI는 2028년 8월 2일로 각각 미뤄졌습니다.
- 반면 EU AI 법 규제 프레임워크 공식 안내는 투명성 규칙 — 사람이 AI와 상호작용 중임을 알게 하는 의무, 생성 콘텐츠 식별 가능성 확보, 딥페이크·공익 관련 텍스트 표시 — 이 예정대로 2026년 8월부터 적용된다고 명시합니다. 이번 옴니버스는 이 시점을 건드리지 않았습니다.
- 같은 옴니버스에 중소기업 지원 확대, 규제 샌드박스(실사용 전 통제된 환경에서 한시적으로 시험하는 제도) 확대, 비동의 성적 콘텐츠 생성 AI 금지 강화도 함께 담겼습니다 — 고위험 인증만 미루고 나머지 규제 손질은 그대로 진행한 셈입니다.
- 한 줄 판단: 몸통(고위험 인증)은 미루고 표면(공개 의무)만 먼저 세우는 이번 시행은 그 자체로 느슨한 결합 설계입니다. 규제 하나를 통째로 걸지 않고 독립적으로 검증 가능한 조각으로 쪼갠 사례로 읽을 수 있어, 규모가 클수록 난이도가 오른다는 판단과도 맞아떨어집니다.
- 이번 주 할 일: EU 사용자를 상대하는 챗봇·생성 콘텐츠 제품이 있다면 투명성 고지 문구부터 점검하시길 권합니다. 단, 지금 여유가 생겼다고 고위험 인증 준비를 손 놓으면 2027년 말 마감이 한꺼번에 몰립니다. 개인 기여자라면 자사 제품이 “AI와 상호작용 중임을 고지해야 하는 서비스”에 해당하는지 한 줄로 판정해보는 정도면 충분합니다.
3. AI 에이전트의 장애 대응 정확도는 아직 25%대입니다
- 사실: 연구팀이 ORCA-bench 논문을 공개했습니다. 온콜(장애 발생 시 당직 대응) 근본원인분석 과제 1,079개를, 실제 6일치 원격측정 데이터(Prometheus·Jaeger·OpenSearch 접근 포함)로 재현한 벤치마크입니다.
- 에이전트는 메트릭·로그·추적 데이터를 직접 조회하며 원인을 추론해야 하고, 과제마다 난이도와 시나리오가 달라 단순 암기로는 통과할 수 없게 설계됐습니다.
- Claude를 포함한 여러 모델을 평가한 결과, 최고 성능 에이전트도 중간 난이도 과제에서 25.3%, 고난도 과제에서 10.0% 정확도에 그쳤습니다.
- 한 줄 판단: 돈이나 물리, 그리고 이번처럼 서비스 가용성이 걸린 자리에서는 작은 오진단도 봐주지 않는다는 기준을 그대로 확인시켜 준 결과입니다. 25%대 정확도는 “장애 대응을 맡길 제품”이 아니라 “숙련자 옆에서 후보를 골라주는 보조 자료” 수준이라는 뜻입니다. 어제 다룬 SWE-Bench Verified 검증 결함과 같은 결로, 벤치마크 점수를 인용하기 전에 그 숫자가 어떤 난이도·범위를 재는지부터 확인할 필요가 있습니다.
- 이번 주 할 일: 온콜에 에이전트 도입을 검토 중이라면 전체 위임 대신 원인 후보 3~5개를 순위 매겨 제시하는 보조 역할로 범위를 좁혀 시작하시길 권합니다. 단, 범위를 좁히면 자동화 효과도 그만큼 줄어드는 트레이드오프가 있습니다. 개인 기여자라면 최근 처리한 인시던트 하나를 골라 25% 정확도짜리 에이전트가 어느 지점에서 헛짚었을지 상상해보는 것만으로도 벤치마크의 의미가 잡힙니다.
그래서, 무엇이 바뀌나
오늘 세 소식은 같은 주에 나란히 나왔다는 사실 하나로 묶입니다 — 모델은 더 강해졌고(DeepSeek), 규제는 조각내어 조여오기 시작했으며(EU AI Act), 그런데도 신뢰성 검증은 여전히 25%에 갇혀 있습니다(ORCA-bench). 세 흐름의 속도가 다르다는 게 핵심입니다. 모델 성능 곡선은 항상 규제와 신뢰성 검증보다 먼저 움직이고, 그 격차를 메우는 건 더 큰 벤치마크 점수가 아니라 현장에서 역할 범위를 좁힌 배치 방식입니다.