DeepSeek V4.1을 GPT Astra와 결합해 비용을 낮추는 활용 전략을 제시한다.

01핵심 개요

• 영상은 DeepSeek V4.1이 GPT Astra보다 88배 저렴하면서 GPT 5.6 Soul과 같은 성능을 보인다고 소개한다.
• 자동화 벤치마크는 V4의 37.7에서 V4.1의 54.8로 상승했으며, Terminal Bench 2.1은 90.6%를 기록했다.
• 발표자는 5만 행 이상 데이터와 17개 질문을 분석해 Astra와 DeepSeek 모두 100% 정확한 답을 냈다고 말한다.
• 기존 디자인 시스템 수정, 데이터 분석, 워크플로 구축은 DeepSeek에 맡기고 고난도 작업은 Astra에 맡기는 방식을 권한다.
• DeepSeek V4.1은 로컬 실행도 가능하지만 RTX 5090과 RAM 구성에 약 1만3,000달러 이상이 든다고 설명한다.

02핵심 주장 / 논점 구조

• 발표자는 DeepSeek V4.1을 저비용 핵심 작업 도구로, GPT Astra를 최첨단 고난도 작업용으로 구분한다.
• DeepAstra 방식은 Astra가 기존 파일·도구·ChatGPT 접근 환경을 활용해 DeepSeek에 작업을 위임하는 구조다.
• 기존 시스템의 수정·발전, 데이터 분석, 비즈니스 워크플로에는 DeepSeek을 쓰고 복잡한 코딩과 사실 확인은 Astra를 권한다.
• 가격만이 아니라 토큰당 처리 효율도 고려해야 하며, Astra는 토큰 지출당 더 많은 작업을 처리한다고 설명한다.

03Codex와 DeepSeek Harness 연결 방법

• 무료 GitHub 저장소의 내용을 복사해 Codex에 전달하고, ChatGPT Codex 프레임워크 터미널에서 DeepSeek을 열도록 요청하는 방식을 소개한다.
• DeepSeek Harness는 DeepSeek이 만든 Claude Code 버전으로 설명되며, 코드 작성과 개발에 활용할 수 있다.
• 발표자는 OpenRouter 사용 중 속도 제한을 겪었으나 DeepSeek에서 직접 API 키를 만든 뒤 더 원활하게 사용했다고 말한다.
• DeepSeek 플랫폼에서 API 키를 만들기 위해 약 20달러를 입금했으며, 수십 건의 테스트로 이를 검증했다고 밝힌다.

04자동화·코딩 벤치마크 성과

• 자동화 벤치마크에서 DeepSeek V4.1은 V4의 37.7 대비 54.8을 기록하며 크게 상승했다고 제시한다.
• 코드베이스 소프트웨어 엔지니어링 작업을 측정하는 Deep Suite V.1 점수는 74.2%로 소개된다.
• 발표자는 74.2%가 Opus 5를 앞서고 Soul 5.6과도 1% 조금 넘는 차이로 앞선다고 설명한다.
• 터미널과 도구를 활용한 작업 지표인 Terminal Bench 2.1은 90.6%이며, 모델은 멀티모달 방식도 지원한다고 말한다.

05Higfield 연동과 프레젠테이션 제작 테스트

• Higfield는 이미지와 비디오를 제작·생성하는 도구로 소개되며, MCP 메뉴와 CLI를 통해 컴퓨터를 연결하는 절차를 보여준다.
• GPT Astra에 모델 연결을 요청할 수도 있고, CLI가 전역 설치된 뒤 이미지와 비디오를 생성할 수 있다고 설명한다.
• DeepSeek V4.1 Frontier Reasoning만으로 프레젠테이션을 만들었고, 백만 토큰 컨텍스트와 공개 가중치를 언급한다.
• 참고 디자인을 제공한 프레젠테이션은 서너 번 수정이 필요했으며, 지시를 구체화하면 디자인 작업을 수행할 수 있었다고 평가한다.

06기존 디자인 시스템과 데이터 분석 실험

• Astra로 만든 웹사이트를 DeepSeek에 제공하고 AI 인프라 회사 ‘Bricks’용으로 텍스트를 바꾸게 하자 텍스트·로고·이미지가 변경됐다고 말한다.
• DeepSeek은 기존 디자인 시스템과 디자인 아키텍처의 일관성을 유지했지만, 완전히 처음부터 새로 만드는 작업에는 강점이 낮다고 평가한다.
• 발표자는 5만 행 이상 데이터와 17개 질문을 분석했으며, Astra와 DeepSeek이 모두 100% 정확한 답을 냈다고 주장한다.
• 분석 시스템은 4만5,000건 이상의 유료 주문을 검토했고, 수익 발생과 수익 흐름에 관한 답을 보고서로 제공했다고 설명한다.

07에이전트 운영체제 재설계와 비용 비교

• 계정 개요를 보는 에이전트 운영체제 대시보드를 DeepSeek에 재설계하도록 요청했고, 약 8시간 들여 만든 온보딩 기능도 언급한다.
• 결과물은 동일 서체를 유지하면서 AI 지출·절감·개선 활동·모델 성능·메모리 시스템을 여러 섹션으로 나눠 보여줬다.
• 대시보드 작업은 7분 18초 만에 완료됐고 비용은 10센트 미만이라고 말하며, 비교 대상으로 9달러와 9.5달러 비용도 언급한다.
• 입출력 가격 비교에서 GPT Astra는 60달러, GPT 5.6은 24달러, DeepSeek V4.1은 75로 제시되며 성수기에는 거의 두 배라고 설명한다.
• 한계, 로컬 실행과 권장 역할 분담: DeepSeek V4.1은 처음부터 디자인을 만드는 일, 가장 복잡한 코딩, 복잡한 PDF 처리에서 Astra 6보다 약하다고 평가한다.
• 한계, 로컬 실행과 권장 역할 분담: 사실적 신뢰도도 세계 최고 수준은 아니므로, 사실 확인에는 DeepSeek V4.1을 사용하지 말라고 권고한다.
• 한계, 로컬 실행과 권장 역할 분담: 로컬 양자화 모델 실행은 가능하지만 RTX 5090과 RAM 구성에 약 1만3,000달러 이상이 들고 초당 약 5토큰을 얻는다고 설명한다.
• 한계, 로컬 실행과 권장 역할 분담: 발표자는 DeepSeek V4.1을 주력 핵심 작업 도구로, Astra와 Claude 시스템을 최고 수준의 사고와 최첨단 개발용으로 사용하겠다고 말한다.

08용어 사전