DeepSeek, 이미지 대응 실험적 모델 공개

중국의 인공지능 기업 DeepSeek은 텍스트와 이미지를 모두 다룰 수 있는 실험적 멀티모달 모델 「V4-Flash-Vision-Exp」를 공개했다. 이는 동사가 이미 제공하고 있는 텍스트 특화 모델 「V4-Flash」에 이미지 이해 기능을 추가한 것으로, 현재는 실험 단계(Experimental)라는 위치 설정이 되어 있다.

멀티모달이란 텍스트뿐만 아니라 이미지나 영상 등도 함께 처리할 수 있는 능력을 가리킨다. 지금까지의 인공지능 모델의 대다수는 텍스트의 교환에 특화되어 있었으나, 최근에는 「이미지를 보여주고 그 내용을 설명받는다」「도표를 읽어내고 답변한다」라는 사용법에 대한 수요가 높아지고 있으며, 주요 개발 각사가 멀티모달 대응을 경쟁하고 있다. V4-Flash-Vision-Exp는 그러한 흐름에 맞춘 DeepSeek의 새로운 움직임으로 위치 지어진다.

DeepSeek이 자사의 에이전트 벤치마크(인공지능이 자율적으로 작업을 수행하는 능력을 측정하는 평가 기준)로 테스트한 결과, V4-Flash-Vision-Exp는 Anthropic이 제공하는 모델 「Claude Opus 4.8」에 근접한 성능을 보여주었으며, 일부 항목에서는 이를 초과하는 결과를 냈다고 한다. 다만 이 평가는 어디까지나 DeepSeek 자신이 실시한 것이며, 제삼자에 의한 독립적인 검증이 아닌 점에는 유의할 필요가 있다.

왜 이것이 주목할 가치가 있는가 하면, DeepSeek은 지금까지도 비교적 적은 비용으로 높은 성능을 실현하는 모델을 잇달아 발표하여 인공지능 업계에 강한 임팩트를 끼쳐온 경력이 있기 때문이다. 이번의 신 모델도, Anthropic의 상위 모델에 필적한다는 평가 결과를 가진 멀티모달 기능을 실험 단계이면서도 공개함으로써, 다시 한번 그 개발 속도의 빠름을 보여주고 있다.

한편, 「실험적(Experimental)」이라는 명칭이 나타내는 바와 같이, 이 모델은 아직 정식 출시가 아니며, 실운영 환경에서의 안정성이나 광범위한 작업에 대한 대응력은 향후의 검증이 필요하다. 에이전트용 벤치마크 결과가 우수하더라도, 그것이 실제 사용자 이용에 있어 어느 정도 재현되는지는 별개의 문제이며, 향후의 제삼자 평가나 실제 이용 보고가 판단의 자료가 되어올 것이다.

인공지능의 활용 장면은 이미 텍스트 생성에 그치지 않으며, 문서 읽기나 이미지 분석, 복수의 도구를 결합한 자율적인 작업 지원 등, 보다 복잡한 사용법으로 확대되고 있다. DeepSeek이 이미지 대응 모델을 실험적이나마 공개한 것은, 이러한 다양한 필요에 대응하는 경쟁이 중국의 인공지능 기업을 포함하여 글로벌하게 확대되고 있음을 보여주는 움직임으로 볼 수 있다. 향후, 정식판으로의 전환이나 독립적인 벤치마크 평가의 결과가, 이 모델의 실력을 측정하는 중요한 지표가 될 것이다.