DeepSeek V4 Flash 0731, ARC-AGI 점수보다 싸게 도는 추론 모델의 긴장감

DeepSeek V4 Flash 0731은 ARC Prize 결과표에서 숫자부터 눈에 띈다. ARC Prize가 공개한 검증 결과에 따르면 Max effort 기준 ARC-AGI-1 Semi-Private 89.0%, ARC-AGI-2 Semi-Private 61.4%를 기록했다. 비용 표기는 각각 task당 $0.02, $0.04다. High와 Low reasoning variant도 함께 올라와 있으며, High는 ARC-AGI-1 87.0%와 ARC-AGI-2 56.0%, Low는 84.0%와 46.0%다.

읽을 만한 지점은 점수 하나가 아니다. ARC-AGI-2는 단순 지식 회상이 아니라 새로운 퍼즐을 풀어내는 능력을 압박하는 벤치마크로 쓰인다. 여기서 가격이 낮게 찍히면 모델 평가는 “가장 똑똑한가”에서 “많이 돌려도 되는가”로 이동한다. 에이전트, 리팩터링, 문서 분석처럼 반복 호출이 많은 작업에서는 이 차이가 곧 제품 설계의 여유가 된다.

HN에서도 관심은 그쪽으로 흘렀다. 2026-08-07 17:56:20Z에 올라온 글은 크롤링 시점 기준 718점과 432개 댓글을 모았다. 댓글은 ARC 점수 자체보다 실제 코딩 작업에서의 속도, 캐시 비용, 장시간 세션 안정성을 따졌다. 일부 사용자는 디버깅과 문서 분석에서 체감 성능이 좋다고 했고, 다른 쪽은 tool call 루프나 엉뚱한 출력 같은 실패 사례를 짚었다.

그래서 이 결과는 “DeepSeek가 이겼다” 같은 단정으로 끝나지 않는다. 더 중요한 질문은 저렴한 reasoning model이 agent workflow의 기본값을 바꿀 만큼 안정적인가다. Max effort 수치가 높아도, 긴 작업에서 같은 실수를 반복하거나 도구 호출을 놓치면 비용 장점은 금방 줄어든다.

다만 ARC Prize 표가 보여주는 방향은 분명하다. 추론 모델 경쟁은 frontier 점수표와 별개로, task당 비용과 처리량까지 묶인 운영 경쟁으로 내려오고 있다. HN의 반응도 그 변화를 잘 보여준다. 모델을 한 번 시험해보는 호기심보다, 매일 쓰는 agent에 넣었을 때 얼마를 태우고 어디서 멈추는지가 더 큰 논점이었다.