DeepSeek-V4는 pre-training 측면에서 미국과 동등하거나 일부 더 나은 부분을 보여주었으나, post-training의 질에서는 아직 격차가 있다고 평가된다. 이는 pre-training이 “충분히 좋은 base model”을 만드는 단계를 넘어, 이제는 post-training의 정교함이 실제 사용자 경험을 결정하는 시대에 진입했음을 의미한다. DeepSeek이 On-Policy Distillation, Rubric Reward, 1M 컨텍스트 RL 등에 집중한 것도 이 같은 인식의 반영이다.
근거
“pre-training에 대해서는 중국이 미국을 따라잡았거나 혹은 어쩌면 기술적으로 더 나은 부분도 있을 것이라는 얘기를 했었는데, … 동시에 여전히 중국이 post-training에서 미국에 밀리는 점이 있다는 이야기도 하고 있습니다.”
“아직은 제 생각에 post-training에 들어간 연산은 pre-training의 일부 정도일 것 같습니다. … 이 post-training에 대해서 더더욱 더 많은 연산을 투입하고 이제 pre-training 수준으로 연산을 투입하게 되겠죠.”
노정석 님도 “이제 더 이상 모델 성능보다 어떻게 사업 가치를 만들 것인지로 이동하고 있다”고 언급했다.
연결된 생각
- 20260606-deepseek-v4-sparse-attention — pre-training 혁신
- 20260606-long-context-importance-shift — post-training에서 long-context 활용
출처
- 📎 클리핑: 20260613-ep95-ko-transcript