2026년 1월, 딥시크(DeepSeek)가 추론 모델 R1을 오픈소스로 직접 공개했다. 커뮤니티의 반응은 즉각적이었다. 오픈소스가 이 정도 수준까지 발전할 줄은 아무도 예상하지 못했다.
먼저 구체적인 수치를 살펴보자.
- AIME 수학 경시대회: 77.5점
- MATH-500: 96.2점
- Codeforces 프로그래밍: 94백분위
- MMLU: 0.849
이 결과들을 종합하면 R1은 오픈AI의 o1과 거의 동등한 수준이다. 수학, 코드, 논리 추론 세 분야에서 모두 뛰어난 성능을 보이는 모델이다.
하지만 더 놀라운 것은 증류 버전이었다. R1-Distill-Qwen-32B는 32B 파라미터의 '소형' 증류 모델임에도 여러 벤치마크에서 o1-mini를 직접 능가했다. 32B 파라미터 모델이 클로즈드소스 추론 모델을 따라잡거나 심지어 앞지르는 것은 소규모 팀과 개인 개발자에게 큰 혜택이다. 소비자용 GPU에서도 실행할 수 있기 때문이다.
R1의 추론 방식은 구조화된 Chain-of-Thought 경로를 따른다. 긴 컨텍스트 시나리오에서는 '계획 → 실행 → 반성 → 수정'이라는 워크플로우가 명확하게 나타난다. 128K 컨텍스트 윈도우는 추론 체인이 중간에 잘리지 않고 완전히 전개될 수 있는 충분한 공간을 제공한다.
업계 전체의 관점에서 볼 때, R1의 진정한 충격은 가격 책정 로직에 있다. 그동안 클로즈드소스 모델의 프리미엄은 주로 '추론 능력이라는 해자(moat)'에 의존해 왔다. 좋은 추론을 원한다면 비용을 지불해야 했던 것이다. 이제 R1이 그 벽에 큰 구멍을 뚫었다. 클로즈드소스 벤더들은 무엇으로 가격 우위를 유지할 것인가? 브랜드와 생태계만으로는 어려울 것이다.
이 질문은 앞으로 몇 분기 동안 점점 더 날카로워질 것이다.
출처: CocoLoop, InfoQ DeepSeek R1 출시 보도, Hugging Face 모델 페이지