2026년 5월 31일, DeepSeek V4 Pro의 API 프로모션 할인이 만료됩니다. 그런데 DeepSeek은 가격을 원래대로 되돌리지 않겠다고 밝혔습니다. 75% 할인율이 그대로 영구 정책 가격으로 굳어진다는 뜻입니다. 월 API 청구액이 100만 원이었던 서비스라면, 같은 사용량에 25만 원이 청구됩니다. 이 숫자는 가설이 아닙니다. 6월 첫 청구서에 반영됩니다.

개발자 커뮤니티 Hacker News에서 이 공지는 244포인트를 받았고 145개의 댓글이 달렸습니다. 흥미로운 것은 댓글의 상당수가 할인 소식 자체를 반기는 반응보다, 이 가격을 전제로 자신의 서비스 아키텍처를 다시 설계하기 시작했다는 내용이었다는 점입니다. AI API 비용의 기준선이 실제로 또 한 번 내려간 것입니다.

프로모션이 끝났는데 가격이 올라가지 않았습니다

DeepSeek V4 Pro의 API 가격 할인은 처음부터 한시적 조치로 공지됐습니다. 만료일은 2026년 5월 31일 15시 59분(UTC)으로 명확히 기재돼 있었습니다. 사용자 대부분은 이 시점 이후 가격이 원상복구될 것으로 예상했습니다.

5월 중순, DeepSeek은 공식 문서와 소셜 채널을 통해 다른 결정을 발표했습니다. 프로모션 종료 후에도 1/4 수준의 가격을 영구 정책 가격으로 공식 확정하겠다는 내용이었습니다.

이 숫자를 다른 주요 모델과 나란히 놓아보면 위치가 드러납니다. 2026년 5월 기준, OpenAI GPT-4o는 입력 토큰 백만 개당 5달러, 출력 토큰 백만 개당 15달러입니다. Anthropic Claude Sonnet 계열은 입력 3달러, 출력 15달러 수준입니다. 구글 Gemini 1.5 Pro는 일정 사용량까지 무료 구간을 제공하고 그 이상은 유료입니다. DeepSeek V4 Pro의 영구 고정가는 이들과 직접 비교했을 때 현저히 낮습니다.

성능 측면에서 DeepSeek V4 Pro는 코딩, 수학, 복합 추론 영역의 공개 벤치마크에서 OpenAI와 Anthropic의 최상위 모델들과 경쟁하는 수치를 보이고 있습니다. 가격이 내려간 동시에 성능 벤치마크가 상위권에 위치한 상황입니다.

DeepSeek이 이 가격을 유지할 수 있는 배경에는 아키텍처 설계의 차이가 있습니다. 2025년 초 DeepSeek R1이 공개됐을 때, 학습 비용이 OpenAI 대비 수십 분의 일 수준이라는 주장이 제기됐습니다. 정확한 수치는 독립적으로 검증되지 않았습니다. 다만 낮은 추론 비용 구조를 가격 경쟁력의 기반으로 삼아온 전략은 일관되게 유지돼 왔습니다. 구글, 아마존, 메타도 자체 AI 서비스 가격을 지속적으로 낮추는 상황에서, DeepSeek의 이번 결정은 경쟁 구도에서 바닥 가격을 먼저 굳히는 선택으로 볼 수 있습니다.

낮은 가격을 기반으로 API 사용자를 끌어들이고, 사용자가 이 플랫폼을 전제로 서비스를 설계하기 시작하면 나중에 가격을 올려도 이탈하기 어려운 구조가 됩니다. 가격 고정이 단순한 프로모션 연장이 아닌 이유입니다.

낮은 가격 앞에서 제기된 우려들

이 변화를 반갑게만 받아들이기 어려운 이유가 있습니다.

DeepSeek은 중국에 본사를 둔 기업입니다. API를 통해 전달되는 데이터가 어떤 서버를 경유하고 어떻게 처리되는지에 관한 투명성은 충분하지 않습니다. 유럽의 일부 공공기관과 미국의 일부 기업들은 이미 DeepSeek 사용을 내부적으로 제한하거나 사용 자제 지침을 마련했습니다. 한국의 개인정보보호법과 금융·의료 업종의 데이터 처리 규정 아래에서 이 API를 어떻게 적용할 수 있는지는 별도의 법률 검토가 필요한 사안입니다.

가격을 낮춰 시장을 선점한 뒤 이후 조건을 바꾸는 패턴은 클라우드 산업에서 반복돼 왔습니다. AWS는 출시 초기 저가 정책과 무료 구간으로 스타트업을 유치했고, 시장 의존도가 높아진 뒤 단계적으로 가격을 조정했습니다. 클라우드에 깊이 의존한 서비스가 가격 인상을 마주했을 때, 전환 비용 때문에 쉽게 옮기지 못하는 상황이 됩니다. DeepSeek이 같은 경로를 밟지 않을 것이라는 보장은 현재로서 없습니다.

서비스 가용성 문제도 확인이 필요합니다. 2025년 DeepSeek 서비스가 급성장하던 시기에 API가 트래픽 폭증으로 불안정해진 사례가 있었습니다. 프로덕션 환경에서 실제 지연 시간과 가용성을 직접 테스트하지 않은 상태에서 도입하는 것은 별도의 리스크입니다.

이 우려들이 모든 상황에 동일한 무게로 적용되지는 않습니다. 서비스의 데이터 성격과 규제 환경에 따라 리스크의 크기가 달라집니다. 우려가 있다는 이유만으로 검토를 건너뛰는 것도, 가격이 낮다는 이유만으로 확인 없이 도입하는 것도 각각 다른 방식으로 비용을 만들어냅니다.

지금 청구서를 꺼내야 할 때입니다

이 가격 변화가 실질적으로 의미 있는 사람은 AI API를 이미 실무에 연결해서 쓰고 있는 사람들입니다. 한국의 1인 사업자, 솔로 PM, AI 도입을 추진 중인 중간관리자라면 지금 점검할 것들이 있습니다.

현재 어떤 API를 어떤 볼륨으로 쓰고 있는지부터 파악해야 합니다. 생각보다 많은 경우 "ChatGPT 구독료"나 "AI 도구 비용"으로 뭉뚱그려 처리하고 있습니다. 어떤 모델을 어떤 용도에 쓰고 있는지 항목별로 모르는 상태에서는 대안을 탐색하기 어렵습니다. 지난 3개월 청구서를 꺼내 항목별로 분해해 보는 것이 출발점입니다. 예를 들어, 고객 이메일 요약과 SNS 콘텐츠 초안 작성을 동일한 모델로 처리하고 있다면, 초안 작성처럼 반복적이고 덜 복잡한 작업을 저가 모델로 분리했을 때 비용 변화를 먼저 계산해볼 수 있습니다.

모든 작업에 최고 성능 모델이 필요하지 않습니다. 단순 분류, 키워드 추출, 초안 요약처럼 반복적인 작업은 저렴한 모델로 처리하고, 복잡한 추론이나 고객 접점의 최종 결과물에만 고가 모델을 배치하는 방식으로 비용을 30~60% 줄인 팀 사례가 보고되고 있습니다. 비용이 내려간 지금이 이 구조를 새로 설계할 시점이기도 합니다.

DeepSeek 도입 여부를 판단하려면 처리하는 데이터의 성격을 먼저 정리해야 합니다. 내부 업무 자동화, 공개 정보 기반 콘텐츠 생성, 개인정보가 포함되지 않는 처리 작업이라면 상대적으로 리스크가 낮습니다. 고객 개인정보를 직접 다루거나, 계약상 데이터 처리 위치를 보장해야 하거나, 금융·의료처럼 규제 요건이 강한 업종이라면 법률 검토가 선행돼야 합니다.

스마트폰이 처음 대중화됐을 때, 앱스토어가 열린 첫 2~3년 동안 먼저 시장을 탐색하고 서비스를 설계한 팀들이 이후 경쟁에서 유리한 위치를 점했습니다. 클라우드 서비스가 스타트업의 선택지가 됐을 때도 비슷한 결과가 반복됐습니다. 이 과정에서 앞서 나간 사람들에게는 공통점이 있었습니다. 새로운 환경이 자신의 업무 방식에 어떻게 연결되는지를 구체적으로 실험해 본 경험이 쌓여 있었습니다. 단순히 기술을 쓸 줄 아는 것과, 어떤 기술을 어느 시점에 어떻게 연결할지 판단하는 것은 전혀 다른 역량입니다.

AI API 비용이 4분의 1로 굳었다는 사실은, 그 판단을 내릴 수 있는 창이 다시 열렸다는 신호입니다. 지금 자신의 도구 비용 구조를 파악하지 못한 채로 일하고 있다면, 그 모름이 매달 청구서에서 조용히 빠져나가고 있습니다.