DeepSeek가 Flash Preview의 정식 후속판 V4-Flash-0731을 공개했다. 회사는 활성 매개변수가 훨씬 적은 새 모델이 에이전트·코딩 평가 9개 모두에서 V4-Pro Preview를 앞섰다고 밝혔다. 격차가 가장 컸던 DeepSWE는 54.4점 대 12.8점이었다. 다만 DeepSeek가 직접 진행한 비교다. 공개 코드 에이전트 평가에는 아직 공개하지 않은 회사 하네스를 썼고 내부 평가 2종도 포함했다.
오늘 아침에는 GitHub의 자체 호스팅 러너 버전 규정 시행, Nexus Mods의 세분화된 생성형 AI 표시 제도, 컴퓨터 사용 에이전트 판정과 GUI 실행 연구, 시각 도구, 혼합현실 협업, 로봇 내비게이션·군집 예측·고속 촉각 센서 소식도 전한다. Game Access Conference 2027 참가권도 판매 중이다. 아래 연구 논문은 7월 30일 제출됐으며, 별도 설명이 없는 결과는 저자들의 보고로 독립적으로 재현되지 않았다.
밤사이 새로 확인한 소식
- DeepSeek는 7월 31일 V4-Flash-0731 가중치를 MIT 라이선스로 공개하고 Flash API를 새 체크포인트로 바꿔 공개 베타를 시작했다. Pro API와 DeepSeek 앱·웹 모델은 바뀌지 않았다.
- GitHub가 7월 31일로 예고한 Enterprise Cloud with Data Residency 전면 적용 시점이 지났다. 일반 Enterprise Cloud는 9월 25일부터 적용한다.
- Nexus Mods가 7월 29일 공개한 정책 변경 내용을 이번 호에서 새로 확인했다. PC Gamer는 7월 31일 이 소식을 보도했다. 생성형 AI 사용 사실을 숨기거나 잘못 표시한 모드는 제재받을 수 있다.
AI 모델과 코딩 에이전트
DeepSeek V4 Flash 0731, 에이전트 평가 9개에서 Pro Preview 제쳐
DeepSeek는 V4-Flash-0731이 Flash Preview의 구조와 크기를 유지하면서 사후 학습만 바꿨다고 설명한다. 체크포인트에는 회사의 DSpark 추측 디코딩 모듈도 포함됐다. DeepSeek가 공개한 비교에서 새 모델은 에이전트·코딩 평가 9개 모두에서 V4-Pro Preview를 앞섰다.
| 평가 | V4-Flash-0731 | V4-Pro Preview | 차이 |
|---|---|---|---|
| Terminal Bench 2.1 | 82.7 | 72.1 | +10.6 |
| NL2Repo | 54.2 | 38.5 | +15.7 |
| Cybergym | 76.7 | 52.7 | +24.0 |
| DeepSWE | 54.4 | 12.8 | +41.6 |
| Toolathlon-Verified | 70.3 | 55.9 | +14.4 |
| Agents’ Last Exam | 25.2 | 16.5 | +8.7 |
| AutomationBench Public | 25.1 | 12.8 | +12.3 |
| DSBench-FullStack | 68.7 | 41.8 | +26.9 |
| DSBench-Hard | 59.6 | 31.1 | +28.5 |
DeepSWE에서 Pro Preview와의 격차도, Flash Preview 대비 상승 폭도 가장 컸다. V4-Flash-0731은 54.4점, Pro Preview는 12.8점, Flash Preview는 7.3점이었다. DeepSeek가 GLM-5.2 점수를 함께 공개한 8개 평가에서는 모두 GLM-5.2를 앞섰고, Opus-4.8과 비교한 9개에서는 모두 뒤졌다. 모든 성능을 아우르는 종합 순위는 아니다. 에이전트·코딩 작업을 비교했을 뿐 일반 지식, 긴 문맥 처리, 다른 종류의 작업은 다루지 않았고 아직 공개되지 않은 정식 V4 Pro도 포함하지 않았다.
DeepSeek는 공개 수치를 낼 때 max 추론 강도, temperature 1.0, top-p 0.95를 사용했다. 공개 코드 에이전트 평가는 회사가 추후 공개하겠다고 밝힌 DeepSeek Harness의 최소 모드로 실행했다. DSBench-FullStack과 DSBench-Hard는 DeepSeek 내부 평가다. Wonder News는 8월 2일 기준으로 이 9개 결과를 독립적으로 재현한 자료를 찾지 못했다.
가중치는 MIT 라이선스로 공개됐다. deepseek-v4-flash API는 공개 베타 단계에서 0731 체크포인트를 제공하고 Responses API를 지원한다. 문맥 창은 100만 토큰, 최대 출력은 38만4천 토큰이다. 캐시에 없는 입력 토큰 100만 개당 0.14달러, 출력 토큰 100만 개당 0.28달러다. V4 Pro의 입력 0.435달러·출력 0.87달러와 비교하면 약 3분의 1이다. 동시 처리 한도는 Flash 2,500, Pro 500으로 안내돼 있다. 이 가격과 평가 결과는 AI 게임팀이 코딩·도구 사용·빌드 에이전트를 고를 때 직접 참고할 수 있다. 게임이나 자산을 더 잘 생성한다는 근거는 아니다.
빌드 파이프라인과 AI 사용 표시
GitHub, 오래된 자체 호스팅 러너에 작업 배정 중단
GitHub가 적용 대상 클라우드 서비스에서 자체 호스팅 러너를 새로 등록하거나 다시 등록할 때 요구하는 최소 버전은 2.329.0이다. 이미 연결된 러너도 새 버전이 나온 뒤 30일 안에 업데이트해야 계속 작업을 받을 수 있다. 중대한 보안 업데이트가 나오면 30일이 지나기 전에도 작업 배정이 중단될 수 있다.
Enterprise Cloud with Data Residency에는 7월 31일부터 이 규정을 전면 적용했다. 지원 대상에서 벗어난 러너는 등록할 수 없고, 실행 허용 기간을 넘긴 연결 장비에는 작업이 배정되지 않는다. 일반 Enterprise Cloud는 8~9월 시험 차단을 거쳐 9월 25일부터 적용한다. 자동 업데이트를 켠 러너는 GitHub 업데이트 서버에 접속할 수 있으면 새 규정을 따른다. 반면 특정 버전에 고정한 이미지나 외부망과 분리된 장비는 직접 관리해야 한다. 콘솔·모바일·독자 엔진 빌드를 사내 장비에서 처리하는 게임 스튜디오라면 대기열은 정상으로 보여도 작업을 가져갈 호환 장비가 없는 상황을 맞을 수 있다.
Nexus Mods, 생성형 AI 사용 태그 세 가지로 나눠
Nexus Mods는 하나였던 생성형 AI 표시를 세 가지로 나눴다. ‘AI-Generated Content’는 AI가 만든 코드, 화면 요소, 음성, 대사, 번역, 음악, 게임 안 자산에 붙인다. ‘AI Media’는 모드 바깥의 홍보 이미지, 썸네일, 영상, 설명문에 적용한다. ‘AI Assisted’는 개발자가 주도하면서 AI를 제한적으로 쓴 작업을 위한 태그다. 텍스처·음질 개선과 최종 모드에 들어가지 않는 콘셉트 그림 등이 여기에 해당한다.
제한적 보조 태그를 쓰려면 근거를 제시할 수 있어야 한다. 운영진은 프로젝트 기록, 버전 관리 커밋, 작성자가 코드나 콘텐츠를 이해하고 있음을 보여 주는 설명을 요구할 수 있다. 파일 등록 규칙에는 AI 사용 사실을 숨기거나 잘못 표시하면 제재할 수 있다는 문구가 추가됐다. 이용자는 분류가 잘못된 파일을 신고할 수 있다. AI 생성물을 금지한 것은 아니다. 제작자는 사용 사실을 정확히 밝혀야 하고 이용자는 더 세밀하게 걸러 볼 수 있다.
컴퓨터 사용 에이전트: 판정, 자기 성찰, 반응 속도
OSReward, 시각 판정 모델이 실패한 작업을 성공으로 보는 경향 확인
Qiushi Sun 연구진은 여러 컴퓨터 환경에서 서로 다른 에이전트가 수행한 과정을 모아 OSReward를 만들었다. 사람이 확인한 지시문과 여러 단계의 검토를 거친 정답 판정을 붙였다. 평가 결과, 시각언어 판정 모델은 실패한 실행을 성공으로 보는 쪽으로 치우쳤다. 연구진은 믿고 쓸 만큼 정확한 모델은 대규모 판정에 쓰기에는 비용이 높았다고 밝혔다.
연구진은 판정 근거가 달린 OS-Shepherd-100K를 공개하고 90억·350억 매개변수 판정 모델을 학습했다. 두 공개 모델은 상용 판정 모델과 비슷한 성능을 30~60% 낮은 비용으로 냈다고 보고했다. OSReward가 보는 것은 에이전트가 실행 과정을 통해 지시를 끝냈는지 여부다. 게임 빌드의 재미나 소프트웨어의 모든 규칙이 지켜졌는지는 측정하지 않는다.
같은 토큰이라면 자기 성찰보다 반복 표본 추출이 앞서
Iliya Mirzaei는 15억·30억·70억 매개변수 공개 모델, 수학 평가 두 종, 평가별 문제 150개로 일곱 가지 추론 방식을 비교했다. 비판, 답안 수정, 토론, 검증에 쓴 토큰을 모두 계산한 뒤 같은 비용의 반복 표본 추출과 맞췄다. 36번의 짝지은 비교에서 반복 표본 추출보다 확실히 나은 방식은 없었다. 열 번은 확실히 낮았고, 모델이 자기 답을 살펴본 18번은 모두 불리했다.
70억 매개변수 모델에서도 Self-Refine과 강제로 재시도한 Reflexion은 반복 표본 추출보다 3.6~10.1%포인트 낮았다. 시험 범위는 수학 문제와 비교적 작은 공개 모델에 한정된다. 그래도 성찰 단계에 토큰을 더 쓰는 에이전트라면 같은 비용으로 답을 여러 번 뽑는 방식과 비교해야 한다는 결과다.
미리 만든 GUI 행동 트리, 짧은 판정 구간 성공률 50%→79%
Zihan Dong 연구진은 에이전트가 다음 행동을 만드는 동안 사라지는 GUI 요소를 다뤘다. Adaptive Anticipatory Policy Trees는 화면이 조용할 때 가능한 행동을 제한된 트리로 미리 만든다. 화면이 바뀌면 가벼운 관찰기가 알맞은 가지를 고른다. 바탕이 되는 멀티모달 모델은 다시 학습하지 않았다.
짝지은 시험에서 짧은 판정 구간 안에 행동한 성공률은 0.50에서 0.79로 올랐고 잘못 실행한 행동은 없었다. 실행 순간에도 답을 생성해야 하는 open-loop와 predict-and-replan 기준 방식은 성공하지 못했다. 다른 범용 멀티모달 모델을 쓴 126번의 짝지은 시험에서도 효과가 재현됐다. 다음 행동 후보를 미리 열거할 수 있을 때 적합하며, 후보를 정하기 어려운 일에서는 상황을 보고 즉시 답을 만드는 방식이 더 나았다.
MANTA, 작업 도중 에이전트 통신 구조 바꿔
Mao-xun Huang 연구진은 여러 에이전트의 역할, 연결 관계, 실행 순서, 정보 공개 범위, 검증 경로를 추론 중에 바꾸는 MANTA를 만들었다. 과제에 맞는 초기 구조에서 시작해 협업 기록을 살피고, 에이전트 수를 늘리지 않은 채 제한된 범위에서 구조를 고친다.
정보 검색, 도구 사용, 계획, 업무 실행, 수학을 다룬 평가 다섯 종에서 평균 74.0점을 기록했다. 가장 강한 비교 대상보다 5.8%포인트 높았고 PlanCraft에서도 최고 점수를 냈다. 여러 협업 요소를 함께 바꿨기 때문에 각각의 성능 향상을 어느 구조 변경이 만들었는지는 따로 알 수 없다.
Beacon, 시각 도구가 필요한지 먼저 판단
Qixun Wang 연구진은 시각 추론 에이전트가 글만으로 풀 수 있는 문제에도 도구를 부르고, 어려운 문제에서 얻은 이득을 쉬운 문제의 새 오류로 상쇄하는 현상을 측정했다. Beacon은 도구 호출이 필요한지 판단하도록 보상하고, 기본 모델만으로 풀기 어려운 문제에 도구 사용 능력을 집중해 학습한다.
연구진은 여러 시각 평가에서 성능이 좋아졌다고 보고했지만 초록에는 평가 전체를 대표하는 향상 수치가 없다. 게임 시험에 적용한다면 화면 캡처 호출로 못 풀던 사례를 얼마나 더 해결했는지, 이미 맞히던 사례의 정확도가 떨어지지는 않았는지를 나눠 측정할 수 있다.
로봇과 공간 인터페이스, 이미지 진위 판별
X-NavDP, 어려운 실제 내비게이션 성공률 10%→65%
Tianyu Yang 연구진은 몸체가 서로 다른 로봇을 함께 사용해 내비게이션 확산 정책을 강화학습으로 추가 학습했다. 기존 정책이 익힌 행동을 바탕으로 탐색 범위를 넓히고, 여러 주행 결과의 Q 점수를 서로 비교해 학습 가중치를 정했다.
시뮬레이션 전체 성공률은 61.20%에서 84.28%로 올랐다. 처음 보는 몸체로 막다른 길을 빠져나오거나 긴 장애물을 우회하는 어려운 실제 시험에서는 10%에서 65%로 상승했다. 코드와 모델도 공개됐다. 장기간 목표나 게임 규칙을 따르는 능력은 다루지 않았지만, 하나의 제어 정책이 여러 형태의 로봇으로 옮겨 가는지를 직접 시험했다.
FasTac, 촉각 처리 지연 1.09밀리초로 줄여
Xiaofan Lu 연구진은 여러 파장의 빛, 광도 입체법, 힘 추정 신경망, FPGA 가속을 굽은 손끝 센서 하나에 결합했다. 근적외선 조명과 경계 정보를 사용하자 깊이 평균 절대 오차가 0.2730밀리미터에서 0.0415밀리미터로 줄었다. 수직 힘과 전단력의 정규화 평균 절대 오차는 각각 2.74%, 2.39%였다.
영상 입력부터 수직 힘 계산까지 전체 과정을 GPU에서 FPGA로 옮기자 지연은 3.26밀리초에서 1.09밀리초로 줄었다. 물체 형상 복원, 측정한 힘을 반영한 물체 잡기, 진동 측정도 시연했다. 완성된 조작 시스템보다 센서 성능을 본 연구다. 물체 접촉이 클라우드 왕복보다 빠르게 변하는 물리 놀이 장치에는 이 지연 수치가 직접적인 참고가 된다.
CS-JEPA, 로봇마다 본 장면 달라도 같은 미래 예측
Alan-Barsag Gazzaev 연구진은 군집의 모든 로봇이 같은 미래 상태를 예측하도록 학습했다. 각 로봇이 보는 정보는 최근 16프레임과 연결된 이웃마다 주고받는 64개 실수짜리 메시지 하나뿐이다. 실제 적용 때는 전체 정보를 한곳에 모으는 장치, 경과 시간, 미리 기록한 미래 행동을 사용하지 않는다.
통신 연결이 바뀌는 상황과 처음 보는 규모를 포함해 로봇 108대까지 시험했다. 별도의 행동 계획 평가에서는 CS-JEPA가 후보 행동 가치의 평균 제곱 오차를 45.5% 줄이고 후보 점수 상관계수를 0.1291 높였다. 여덟 번의 반복 시험에서 모두 같은 방향의 효과가 나왔다. 시뮬레이션에서 군집 예측을 평가한 결과이며, 실제 통신 손실과 센서 오차는 아직 시험하지 않았다.
CrossAtlas, PC와 VR에서 같은 장소 가리키는 법 비교
Haoyang Yang 연구진은 PC와 VR 이용자가 같은 공간을 보는 협업 도구를 만들었다. 3D 공간과 2D 화면을 오가는 평면 투영 세 종과 구면 투영 한 종을 넣었다. 두 명씩 짝지은 24개 팀이 공간 안의 위치를 설명하고 찾는 과제를 수행했다.
어떤 투영 방식을 쓰느냐에 따라 인접 관계, 방향, 범위를 전달하는 성과가 달라졌다. 구면 방식은 여러 물체 배치에서 대체로 평면 방식보다 높은 성과를 냈다. 배치에 따른 차이도 있어 한 가지 방식을 모든 상황의 답으로 제시하지는 않았다. 대신 3D 공간을 평면으로 바꿀 때 어떤 관계가 유지되는지 비교할 수 있는 근거를 마련했다.
시각언어 모델, AI로 고친 부분 설명한 뒤 위치 찾아
Darsha Udayanga 연구진은 이미지가 AI로 수정됐는지 판단하기 전에 근거를 구조화해 쓰도록 시각언어 모델을 강화학습했다. 가벼운 분할 모델은 이 설명을 받아 수정된 픽셀 위치를 찾는다. 사람이 작성한 추론 설명 대신 정답 여부와 출력 형식만 보상에 사용했다.
연구진은 더 적은 감독 정보로도 전문 이미지 위조 탐지기와 비슷한 탐지·위치 추정 성능을 냈다고 밝혔다. 두 작업을 함께 평가하는 effective intersection over union도 제안했다. 초록에는 전체 차이를 나타내는 단일 수치가 없다. 게임 자산 장터나 이용자 업로드 검사에 쓰려면 수정 방식, 생성 모델, 이미지 압축 수준별 오류율이 필요하다.
행사 일정
Game Access 2027, 개인 참가권 판매 중·기업 파트너 문의 접수
Game Access Conference 2027은 2027년 5월 7~8일 체코 브르노 BVV P홀에서 열린다. 주최 측은 10개 트랙, 발표자 100명 이상, 참가자 2천 명을 안내하고 있다. Lite·Developer·Premium Business 참가권을 판매 중이며 학생 할인권은 2026년 3분기에 판매할 예정이다. 최종 판매 마감일은 공개하지 않았다.
기업 파트너 문의는 개인 참가권과 별도로 받고 있으며 마감일은 명시하지 않았다. 2027년 게임·교육기술 행사 일정 보기.
다음에 볼 것
- DeepSeek가 에이전트 하네스와 정식 V4 Pro 체크포인트를 공개해야 같은 조건을 확인할 수 있는 형태로 비교를 다시 실행할 수 있다.
- GitHub가 8월에 진행하는 시험 차단에서 일반 Enterprise Cloud 고객의 러너가 9월 25일 전면 적용을 준비했는지 확인할 수 있다.
- Nexus Mods는 새 태그와 이용자 반응을 계속 살피겠다고 밝혔다. 제한적 보조와 대부분을 AI로 만든 모드를 운영진이 얼마나 일관되게 구분하는지가 다음 시험대다.
- OSReward와 자기 성찰 연구는 완료 여부를 자동으로 판단하기 어려운 게임 엔진, 자산 도구, 장시간 작업에서도 재현할 필요가 있다.
- AAPT는 언어 모델의 답변 생성뿐 아니라 화면 캡처와 네트워크 호출에서 생기는 지연에도 효과가 있는지 확인해야 한다.
- X-NavDP와 CS-JEPA는 움직이는 장애물, 센서 오차, 통신 손실, 긴 목표가 있는 실제 환경에서 시험해야 한다.
- FasTac은 마모, 온도 변화, 반복 충격이 있는 장시간 조작에서 같은 정확도와 속도를 유지하는지 비교해야 한다.
이 한국어 기사는 영어 원문을 번역한 것이며, 번역 과정에서 오류가 있을 수 있습니다. 이 글은 Wonder Bricks AI Agent의 도움을 받아 작성했으며 SunnyLabs가 편집했습니다.