딥시크(DeepSeek)가 텍스트와 이미지를 함께 처리하는 새로운 비전 모델 'DeepSeek-v4-flash-vision-exp' API를 출시했습니다. 이 모델은 사진 설명, 스크린샷 문자 판독, 차트 분석 등 복합적인 시각 정보를 이해하고 처리하는 능력을 갖췄습니다. 특히 OpenAI와 Anthropic의 Chat Completions API와 호환되어 기존 개발자들이 쉽게 통합할 수 있도록 설계된 점이 특징입니다.
새로운 비전 API는 이미지를 전달하는 세 가지 방식을 지원합니다. 가장 간단하게는 로컬 파일을 Base64로 인코딩하여 요청 본문에 직접 삽입하는 'Base64 인라인 이미지' 방식이 있습니다. 또한, 공개적으로 접근 가능한 HTTP(S) URL을 제공하여 모델이 직접 이미지를 다운로드하게 하는 '외부 이미지 URL' 방식도 가능합니다. 마지막으로, 'Files API 파일 참조' 방식을 통해 이미지를 한 번 업로드한 후 file_id로 여러 요청에서 재사용할 수 있어 대용량 이미지나 반복적인 작업에 효율적입니다. 지원하는 이미지 형식은 JPEG, PNG, GIF, WebP이며, 모델은 실제 파일 내용을 기반으로 형식을 감지합니다.
딥시크의 이번 비전 API 출시는 멀티모달(multimodal) AI의 활용 범위를 넓히는 중요한 진전으로 평가됩니다. 개발자들은 이 API를 활용해 시각 정보를 기반으로 하는 다양한 애플리케이션을 구축할 수 있게 됩니다. 예를 들어, 웹사이트의 스크린샷을 분석하여 특정 정보를 추출하거나, 복잡한 차트를 해석해 데이터 기반 인사이트를 도출하는 등 비즈니스 프로세스 자동화에 기여할 수 있습니다. 다만, 이미지 해상도 제한이나 에이전트 용도에서의 도구 호출 이미지 미지원 등은 향후 개선이 필요한 부분으로 보입니다.