중국 AI 스타트업 딥시크(DeepSeek)가 텍스트와 이미지를 함께 이해하고 처리할 수 있는 새로운 멀티모달 AI 모델 'deepseek-v4-flash-vision-exp'를 공개했습니다. 이 모델은 사용자가 이미지와 텍스트 프롬프트를 동시에 제공하면, 사진 묘사, 스크린샷 텍스트 읽기, 차트 분석 등 복합적인 시각 정보 관련 작업을 수행할 수 있습니다. JPEG, PNG, GIF, WebP 등 다양한 이미지 형식을 지원하며, 개발자들이 기존 OpenAI 호환 API 형식을 통해 쉽게 접근하고 통합할 수 있도록 설계되었습니다.
개발자들은 이미지를 모델에 전달하는 세 가지 주요 방식을 활용할 수 있습니다. 첫째, Base64 인코딩을 통해 이미지를 직접 요청 본문에 포함하는 방식은 로컬 파일을 처리할 때 가장 간단합니다. 둘째, 공개적으로 접근 가능한 외부 이미지 URL을 제공하여 모델이 직접 이미지를 다운로드하게 할 수 있습니다. 마지막으로, 딥시크의 파일 API(Files API)를 통해 이미지를 한 번 업로드한 후 해당 파일 ID를 참조하는 방식은 동일한 이미지를 여러 요청에 재사용하거나 대용량 이미지를 처리할 때 특히 유용합니다. 이미지 크기, 요청 본문 제한, 토큰 사용량 등은 효율적인 처리를 위해 최적화되어 있으며, 이미지의 시각적 디테일 수준을 'low'로 설정하여 처리 속도와 비용을 절감할 수도 있습니다.
딥시크의 이번 멀티모달 모델 출시는 AI 애플리케이션 개발에 있어 새로운 가능성을 열어줍니다. 텍스트와 이미지를 통합적으로 이해하는 능력은 고객 서비스 챗봇, 시각 보조 도구, 데이터 분석 플랫폼 등 다양한 분야에서 혁신적인 사용자 경험을 제공할 수 있습니다. 특히, 효율적인 이미지 토큰화 방식과 유연한 API는 개발자들이 비용 효율적으로 고성능 멀티모달 기능을 자신들의 서비스에 통합할 수 있도록 지원하며, 이는 AI 기술의 대중화와 상용화를 더욱 가속화할 것으로 기대됩니다.