딥시크는 기업에 안전한가? 보안, 데이터, 검열

딥시크 V4 Pro는 2026년 초에 사람들이 평가하던 모델이 아닙니다. 4월 릴리스에서 컨텍스트 윈도가 100만 토큰으로 늘었고, 사고(thinking) 모드와 비사고 모드를 모두 지원하며, 공식 모델 카드에서 MIT 라이선스로 배포됩니다. 딥시크는 또한 7월 24일에 기존 deepseek-chat과 deepseek-reasoner API 별칭을 폐기했습니다. API 변경 로그가 분명히 보여 주듯, 기술적으로 정확했던 리스크 검토도 이제는 운영상 시효가 지났을 수 있습니다. 그렇다고 핵심 보안 질문이 달라진 것은 아닙니다. 데이터가 어디로 가는가는 계약의 문제입니다. 모델이 무엇을 말하고 말하지 않는가는 콘텐츠의 문제입니다. 여러분이 실행하는 산출물을 신뢰할 수 있는가는 공급망의 문제입니다. 셋을 분리해 볼 것은 각각 답할 수 있는 질문임이 드러납니다.

핵심 요약- "딥시크는 안전한가?"에는 데이터 보관 위치, 검열, 공급망 보안이라는 별개의 세 질문이 숨어 있습니다. 따로따로 답하십시오.- 이 질문들을 결정으로 바꾸는 세 가지 변수가 있습니다. 업무 민감도, 배포 방식, 거버넌스 성숙도입니다.- 배포 방식이 가장 큰 단일 지렛대입니다. MIT 라이선스의 V4 가중치를 자체 호스팅하면 추론이 여러분의 환경 안에 머물지만, 딥시크 공식 API는 별개의 호스티드 서비스입니다.- 민감한 주제(대만, 톈안먼, 신장)에 대한 검열은 제품 품질과 평판의 문제로, 사용자 대면 출력에서만 의미가 있습니다.- 정확한 체크포인트와 엔드포인트를 고정하십시오. 이제 deepseek-flash가 표준 Flash 명칭으로 V4.1-Flash에 라우팅되고, V4 Pro는 V4-Pro-0813 스냅샷을 서빙하며, 기존 API 별칭은 더 이상 작동하지 않습니다.

딜로이트에 입사한 첫 주에 우리는 컨설턴트가 거의 모든 질문에 답하는 방식을 뼛속까지 새겼습니다. "경우에 따라 다르다"는 것이죠. 그리고 여기서는, 짜증 날 정도로, 정말 그렇습니다. 달라지는 기준은 배포 방식입니다. 이미 결론이 난 모델 성능에 달려 있지는 않습니다. 이 모든 것의 한 단계 위에는 중국이 AI 경쟁에서 이기고 있는가라는 질문이 놓여 있고, 그에 대한 솔직한 답은 "막상막하"입니다. 막상막하이기 때문에 바로 이 보안 질문이 댓글창에 머물지 않고 실제 의사결정권자의 책상 위에 올라와 있는 것입니다.

사람들이 뭉뚱그리는 세 가지 리스크

"딥시크는 안전한가"에 서로 모순되는 답이 나오는 이유는 사람들이 서로 무관한 세 가지를 동시에 묻고 있기 때문입니다. 데이터가 어디로 가는가, 모델이 무엇을 말하는가, 모델 안에 무엇이 들어 있는가. 원인도 다르고, 대응책도 다르고, 배포 방식도 다릅니다. 이 목록에 없는 것에 주목하십시오. "충분히 좋은가"는 사람들이 가장 먼저 꺼내는 질문이지만, 그것은 별도의 평가에 속합니다. 이 논쟁에서 자주 인용되는 2026년 3월의 벤치마크 격차는 V4와 다른 여름 릴리스 이전의 것이므로, 현재의 순위표라기보다 흐름의 방향을 보여 주는 증거입니다.

0.5초면 충분하니 구분해 둘 가치가 있는 또 하나의 분리가 있습니다. 대부분의 "딥시크 보안" 공포는 소비자용 앱과 모델을 은근히 하나로 취급하기 때문입니다. 딥시크 휴지폰 앱과 공식 API는 하나의 제품이며, 중국에서 데이터를 처리합니다. 오픈 가중치는 다른 산출물입니다. 다운로드해서 외부로 나가는 연결 없이 실행할 수 있습니다. 앱의 개인정보 처리방침으로 모델을 판단하는 것은 대리점의 이용 약관으로 엔진을 판단하는 것과 같습니다. 관련된 물건이지 같은 물건이 아닙니다. 둘을 분리하면 경보의 상당 부분이 붙을 곳을 잃습니다.

"딥시크는 안전한가?"라는 기업의 질문은 데이터 보관 위치, 출력 검열, 공급망 보안이라는 각기 다른 완화책을 가진 세 가지 별개의 리스크로 분필됩니다. 딥시크 V4 Pro는 활성 파라미터 490억 개와 100만 토큰 컨텍스트 윈도를 갖춘 1.6조 파라미터 MoE(mixture-of-experts) 모델로, 공식 모델 카드에서 MIT 라이선스로 배포됩니다. 성능과 안전성은 여전히 별도로 평가해야 합니다.

결정을 좌우하는 것: 업무, 배포, 거버넌스

이 리스크들을 결정으로 바꾸는 세 가지 변수가 있으며, 어느 하나라도 건그리는 것이 팀이 화를 입는 방식입니다. 업무가 얼마나 민감한지부터 시작해, 이를 완화하는 배포 방식을 고른 다음, 여러분의 거버넌스가 그 결과를 감당할 수 있는지 솔직하게 물어보십시오.

업무 민감도는 사용 사례가 다루는 데이터와 출력입니다. 자사 제품 문서를 요약하는 난부 도구는 척도의 맨 아래에 있습니다. 이름, 이메일, 건강 데이터를 다루는 고객 대면 챗봇은 꼭대기 근처에 있습니다. 민감도가 높을수록 배포 방식과 거버넌스가 그만큼 더 열심히 보완해야 합니다. 다른 둘에 대한 여러분의 허용 범위를 정해 주므로, 이것부터 결론 내리십시오.

배포 방식은 모델을 어떻게 실행하는가이며, 여러분이 가진 가장 큰 단일 지렛대입니다. 오픈 가중치를 자체 호스팅하거나, 같은 가중치를 서구권 호스트에서 실행하거나, 중국 공식 API를 호출하는 것입니다. 사람들은 이를 상호 교환 가능한 것으로 취급하지만, 결코 그렇지 않습니다. 자세한 내용은 아래 리스크 1에 있습니다.

거버넌스 성숙도는 여러분이 떠안는 리스크를 실제로 관리할 수 있는가입니다. 데이터 흐름 매핑, 출력 모니터링, 승인에 서명하는 지정된 책임자. 성숙한 팀은 덜 성숙한 팀이 손대지 말아야 할 업묘도 안전하게 운영할 수 있으며, 팀들이 스스로를 과대평가하는 변수가 바로 이것입니다. 거버넌스할 수 없는 역량을 빌려 쓰는 것이, 합리적인 모델 선택이 사고 검토 보고서로 변하는 경로입니다.

쉬운 말로 정리하면 이렇습니다. 민감도가 낮은 업무인가요? 거의 어떤 배포 방식이든 괜찮습니다. 개인정병이나 규제 대상 데이터를 다루는 고민감도 업무인가요? 그 데이터를 중국 밖에 두어야 하므로, 자체 호스팅이나 서구권 호스트에 그에 맞는 거버넌스를 갖춰야 합니다. 민감도는 높은데 거버넌스가 변변치 않은가요? 아직 그 위에 구축하지 마십시오. 거버넌스부터 고치십시오. 구체적으로, 자체 호스팅 가중치 위의 난부 코딩 어시스턴트는 그린입니다. 서구권 호스트에서 자사 문서를 대상으로 하는 난부 지식 검색은 그린에서 앰버 사이입니다. 중국 공식 API 위에서 개인정보를 다루는 고객 대면 챗봇은, 논의의 여지 없이, 레드입니다.

리스크 1: 데이터 보관 위치와 개인정보

데이터 보관 위치는 셋 중 가장 심각하면서도 가장 해결하기 쉬운 리스크이며, 전적으로 배포 방식에 달려 있습니다. 딥시크를 중국 공식 API로 호출하면 여러분의 프롬프트가 중국 관할권 아래에서, 중국을 경유해 처리될 수 있습니다. 오픈 가중치를 자체 호스팅하면 데이터는 결코 여러분의 인프라를 떠나지 않습니다. 같은 모델입니다. 완전히 다른 데이터 경로입니다.

대화가 소문으로 미끄러지기 쉬운 지점이 여기이므로, 실제로 알려진 것을 정확히 짚겠습니다. 문서화된 리스크는 API 호출이 어디로 가는가입니다. 공식 엔드포인트는 중국에서 데이터를 처리합니다. 오픈 가중치에서 은밀한 텔레메트리나 데이터 유출이 일어난다는 주장은 하지 않겠습니다. 입증된 바가 아니며, 이 결정을 내리는 데 그런 주장이 필요하지도 않습니다. 라우팅이라는 사실 하나가 논증을 다 떠받칩니다. 데이터가 물리적으로 어디를 지나는가는 여러분이 통제하는 것이고, GDPR과 고객 신뢰에 중요한 것도 바로 그것입니다.

완화책은 데이터 보관 위치 리스크가 낮은 순으로 세 가지 배포 방식으로 쌓입니다.

1. 오픈 가중치 자체 호스팅(리스크 최저). 가중치를 다운로드해 자체 인프라에서 실행합니다. 지금 잡아야 할 체크포인트는 V4.1-Flash입니다. 5,520억 파라미터 모델이지만 토큰당 활성 파라미터는 약 80억 개뿐이며, MIT 라이선스에 네이티브 비전을 갖추고 공식 모델 카드에 있습니다. 외부 호출도, 제3자 처리도, 국경 간 전송도 없습니다. 제가 직접 운용하는 방식이며, 데이터 보관 위치 우려를 완전히 제거합니다.
2. 서구권 호스트(중간 경로). OpenRouter, Azure, Together가 같은 가중치를 서구권 데이터센터에서 서구권 약관 아래 실행합니다. 여러분의 데이터는 중국이 아니라 서구권 제공업체로 갑니다. 제공업체의 로고로 추측하지 말고 실제 리전, 재하청업체, 보존 조건, 계약을 확인한다면, 합리적인 절충안입니다.
3. 중국 공식 API(데이터 보관 위치 리스크 최고). 가장 저렴하고 쉽지만 데이터가 중국에서 처리될 수 있습니다. 개인정병이나 규제 대상 데이터에 닿는 것이라면 피하십시오.

첫 번째 선택지에는 제가 소리 내어 말하면 사람들이 정말 이상하게 여기는 디테일이 하나 있습니다. 딥시크를 만든 펀드인 하이플라이어(High-Flyer)는 제가 사는 항저우 아파트에서 지하철로 잠깐이면 닿는 곳에 있지만, 제 보안 태세에는 조금도 차이가 없습니다. 가중치가 장비에 올라가는 순간, 모델은 제가 소유한 하나의 프로세스입니다. API 키도, 외부 연결도, 제 프롬프트를 규율하는 이용 약관도 없습니다. 아무것도 기계를 떠나지 않으면 "중국으로 데이터를 본내는가"라는 질문이 붙을 표면 자체가 없으며, 그 기계가 프랑크푸르트에 있든 모델을 훈련한 연구소에서 네 정거장 거리에 있든 마찬가지입니다. 대가는 법적인 것이 아니라 운영상의 것입니다. GPU와 패치, 가동 시간을 제가 책임집니다. 영국의 컴플라이언스 관점에 관해서는 딥시크, 큐원, 그리고 GDPR을 참고하십시오.

데이터 보관 위치는 딥시크에서 가장 큰 기업 리스크이자 가장 해결하기 쉬운 리스크입니다. 중국 공식 API는 프롬프트를 중국에서 처리할 수 있는 반면, 오픈 가중치를 자체 호스팅하면 데이터가 전적으로 여러분의 환경에 머뭅니다. 데이터가 어디로 가는지를 결정하는 것은 모델이 아니라 배포 방식입니다.

리스크 2: 검열과 출력 편향

검열은 중국 모델의 실제 속성입니다. 데이터 보안 속성은 아니며, 특정 지점에서만 물립니다. 이 모델들은 자신들이 만들어진 규제 환경을 반영해 정치적으로 민감한 주제(대만, 톈안먼, 신장)에 콘텐츠 통제와 정렬(alignment)을 적용합니다. NewsGuard가 2025년 7월에 딥시크를 포함한 중국 선두 챗봇 다섯 개를 감사했을 때, 이들은 베이징이 밀어붙이는 서사에 관한 프롬프트의 60%에서 정확한 답을 주지 못했고, 그 동작은 영어와 중국어에서 거의 동일했습니다. 진지하게 받아들일 만하지만 재앙화할 일은 아니며, 이것이 여러분에게 닿는지 시험하는 방법은 간단합니다. 출력이 사용자에게 도달하는가, 그리고 그런 주제에 가까이 가는가?

그러니 출력을 따라가 보십시오. 난부 코딩 어시스턴트나 자사 제품 문서를 요약하는 도구는 정치적으로 민감한 주제 근처에도 갈 일이 거의 없고, 정렬 동작은 보이지 않은 채로 머뭅니다. 고객 대면 챗봇, 지정학을 다루는 리서치 도구, 공개 콘텐츠를 생성하는 무언가는 사정이 다릅니다. 거기서 민감한 주제에 대한 거부나 편향된 답변은 품질 결함이자 평판상의 결함입니다. 여러분 브랜드의 어시스턴트가 고객이 보는 화면에서 톈안먼 질문을 빤히 회피하기를 바라겠습니까? 아니죠. 결정하는 데 오래 걸릴 일도 아닙니다.

제가 고객에게 쓰는 프레이밍은 이것이 어떤 모델의 정렬 선택과도 종류가 다르지 않다는 것입니다. 다만 주제가 의료 같은 것이 아니라 지정학적이라 더 눈에 띌 뿐입니다. CIGI는 이 더 큰 문제를 널리 쓰이는 모델에 누구의 가치가 새겨지는가를 둘러싼 싸움으로 규정하는데, 이는 이 분야의 진정으로 열린 질문이지 공포의 이유가 아닙니다. 완화책은 평범합니다. 민감한 주제에 닿는 사용자 대면 영역에서 이 모델들을 배제하십시오. 출력이 공개되는 곳에는 출력 모니터링과 가드레일 계층을 두십시오. 출시 전에 여러분 자신의 민감 주제 프롬프트로 모델을 시험하십시오. 오후 반나절이면 되고, 어떤 칼럼보다 더 많은 것을 알려 줍니다. 그리고 일부 사용 사례에서는 파인튜닝이나 다른 모델이 그저 더 나은 선택이며, 그것이 답이 되어도 됩니다.

딥시크를 포함한 중국 AI 모델은 대만, 톈안먼, 신장 같은 정치적으로 민감한 주제에 정렬과 콘텐츠 통제를 적용합니다. NewsGuard의 2025년 7월 감사는 중국 선두 챗봇 다섯 개에서 친베이징 서사에 60%의 실패율을 측정했습니다. 이는 제품 품질과 평판의 리스크로, 주로 사용자 대면 출력에서 의미가 있습니다.

리스크 3: 모델 및 공급망 보안

공포가 가장 빗나가는 곳이 여기입니다. 다운로드 가능한 가중치는 공급망상의 이점이 될 수 있기 때문입니다. 폐쇄형 API는 남의 말만 믿어야 하는 블랙박스입니다. V4 Pro와 V4.1-Flash는 다운로드하고, 검사하고, 스캔하고, 인터넷으로 나가는 경로가 없는 여러분 자신의 샌드박스 안에서 실행할 수 있는 산출물입니다. 그렇다고 파일이 마법처럼 신뢰할 만해지는 것은 아니지만, 폐쇄형 모델 API가 줄 수 없는 통제력을 여러분 팀에 줍니다.

일반적인 머신러닝 공급망 위생 수칙은 여전히 적용되며, 여전히 지켜야 합니다. 출처를 검증하십시오. 가중치는 공식 저장소나 신뢰할 수 있는 미러에서 받고 해시를 확인하십시오. 제3자 의존성을 스캔하듯, 알려진 직렬화 및 역직렬화 리스크에 대해 모델 파일을 스캔하십시오. 특히 평가 단계에서는 불필요한 네트워크 송신이 없는 샌드박스에서 모델을 실행하십시오. 버전을 고정하고 무엇을 배포했는지 추적하십시오. 이 중 딥시크에만 해당하는 것은 없습니다. 어떤 오픈소스 구성 요소에든 적용할 위생 수칙이며, 도구도 이미 존재합니다.

실제 결정이 이것이므로, 대비를 분명히 짚을 가치가 있습니다. 공식 API에서는 신뢰를 외주화하고 편의를 얻습니다. 자체 호스팅 오픈 가중치에서는 운영상의 수고를 떠안고 진정한 검사 가능성을 얻습니다. 보안 의식이 높은 기업에는 대개 두 번째 거래가 더 낫습니다. AI 에이전트 거버넌스에서 다루는 자체 운영 대 남의 서비스라는 더 큰 질문 아래에도 같은 논리가 놓여 있습니다.

측정값이 아닌 자문 평가입니다. 세 가지 리스크가 배포 방식에 따라 어떻게 달라지는지 보여 줍니다. 오픈 가중치 자체 호스팅은 데이터 및 공급망 리스크를 낮추고, 검열은 모델 자체의 속성입니다(저자의 프레임워크, CIGI 2026 및 MIT Technology Review 2026 참고).

안전 배포 체크리스트

안전한 딥시크 배포는 보안 팀이 낮려주는 단일한 예/아니오 판정이라기보다, 승인 전에 답하는 짧은 거버넌스 질문의 연속에 가깝습니다. 모델을 고르는 것은 쉬운 부분입니다. 안전하게 배포하는 팀과 화를 입는 팀을 가르는 것은 누군가 실제로 데이터 흐름을 매핑했는지, 체크포인트를 고정했는지, 배포 방식을 업무에 맞췄는지입니다. 결정은 제공업체 벤치마크 표가 아니라 바로 이 체크리스트에 있습니다.

도입을 확정하기 전에 다음을 점검하십시오.

• 데이터 흐름을 매핑하라. 이 배포 방식에서 여러분의 데이터는 물리적으로 어디로 가는가? 자체 호스팅, 서구권 호스트, 중국 API. 구체적으로 밝히십시오.
• 배포 방식을 민감도에 맞춰라. 개인정병이나 규제 대상 데이터인가? 중국 밖에 두십시오. 가중치를 자체 호스팅하거나 서구권 호스트에서 실행하십시오. 영국과 GDPR 관련 입장을 확인하십시오.
• 출력이 어디로 가는지 정하라. 사용자 대면이거나 민감한 주제에 닿는가? 출력 모니터링과 가드레일을 추가하고, 여러분 자신의 민감 주제 프롬프트로 시험하십시오.
• ML 공급망 위생을 적용하라. 출처와 해시를 검증하고, 모델 파일을 스캔하고, 평가 단계에서 샌드박스로 격리하고, 버전을 고정하십시오.
• 서빙 가능 여부를 확인하라. 정확한 체크포인트를 다운로드할 수 있는가? 필요한 컨텍스트 길이로 실행할 GPU 용량과 역량이 있는가?
• 통합을 업데이트하라. deepseek-v4-pro 또는 deepseek-flash를 사용하십시오. 레거시 deepseek-v4-flash 명칭도 여전히 라우팅되며 이제 V4.1-Flash에 연결되고, deepseek-chat과 deepseek-reasoner는 2026년 7월 24일에 폐기되었습니다(변경 로그 기록). V4 Pro는 V4-Pro-0813 스냅샷을 서빙합니다. 선택 전에 알아 둘 가치가 있는 비대칭이 하나 있습니다. V4.1-Flash에는 네이티브 비전이 있지만 V4 Pro에는 없습니다.
• 보존 및 롤백 방침을 정하라. 호스트나 API 제공업체의 보존·삭제 정책은 무엇인가? 모델이 프로덕션에서 문제를 일으킬 때 여러분의 롤백은 무엇인가?
• 책임자를 지정하라. 누가 승인하고, 누가 프로덕션에서 모니터링하는가?
• 올바른 모델을 골라라. 확정하기 전에 Qwen 대 DeepSeek 대 Llama에서 선택지를 비교하십시오.

이 모두에 깔끔하게 답했다면 배포할 준비가 된 것입니다. 한두 가지에서 움찔했다면, 그 움찔함이 곧 발견입니다. 그것이 여러분의 거버넌스 공백이며, 사고 검토 단계에서보다 지금 그것을 맞닥뜨리는 편이 훨씬 저렴합니다.

안전한 기업용 딥시크 배포는 데이터 흐름을 매핑하고, 정확한 V4 체크포인트를 고정하고, 배포 방식을 업무 민감도에 맞추고, 사용자 대면 출력에서 정렬 동작을 모니터링하고, 표준 ML 공급망 위생 수칙을 적용합니다. 딥시크는 2026년 7월에 레거시 API 별칭을 폐기했고 2026년 9월에 Flash 엔드포인트를 deepseek-flash로 개명했습니다. API 변경 로그가 기록하듯, 버전 관리가 이제 운영 검토의 일부입니다.

자주 묻는 질문

딥시크는 사용하기에 안전한가?

배포 방식, 그리고 어떤 리스크를 말하는가에 달려 있습니다. V4 가중치를 자체 호스팅하면 추론이 여러분 자신의 환경 안에 머물고 공식 API가 데이터 경로에서 빠집니다. 딥시크 공식 API는 데이터 보관 위치 리스크가 가장 높습니다. 민감한 주제에 대한 검열은 주로 사용자 대면 출력에서 의미가 있습니다. 여기서 안전성은 벤치마크 점수가 부여하는 속성이 아니라 거버넌스의 선택입니다.

딥시크는 데이터를 중국으로 본내는가?

중국 공식 API를 통하면 여러분의 프롬프트가 중국 관할권 아래에서, 중국을 경유해 처리될 수 있습니다. 자체 호스팅 오픈 가중치를 통하면 데이터는 결코 여러분의 인프라를 떠나지 않고, OpenRouter, Azure, Together 같은 서구권 호스트를 통하면 서구권 제공업체에 머뭅니다. 모델은 같습니다. 데이터가 어디로 가는지는 배포 방식이 결정합니다. 저라면 개인정보에는 공식 API를 피하겠습니다.

딥시크는 검염되는가?

그렇습니다. 정치적으로 민감한 주제에 한해서입니다. 중국 모델은 자국의 규제 환경을 반영해 대만, 톈안먼, 신장 같은 주제에 정렬과 콘텐츠 통제를 적용하며, NewsGuard의 2025년 감사가 그 동작을 직접 측정했습니다. 이는 데이터 유출 문제가 아니라 제품 품질과 평판의 문제입니다. 사용자 대면 출력과 그런 주제에 닿는 콘텐츠에서 의미가 있고, 그런 주제에 다가갈 일이 없는 난부 도구에서는 대체로 보이지 않습니다.

딥시크를 자체 호스팅하는 것은 안전한가?

자체 호스팅은 리스크가 가장 낮은 배포 방식입니다. 오픈 가중치는 외부 연결 없이 여러분 자신의 환경에서 실행되어, 데이터 보관 위치 우려를 완전히 제거하고 모델을 샌드박스로 격리해 감사할 수 있게 합니다. 표준 공급망 위생 수칙을 적용하십시오. 출처와 해시를 검증하고, 모델 파일을 스캔하고, 버전을 고정하십시오. 대가는 운영상의 것입니다. 하드웨어와 가동 시간을 여러분이 책임지는 것이죠. 더 넓은 그림은 AI 에이전트 거버넌스를 참고하십시오.

결론

딥시크는 기업에 안전한가? 조걼부로 그렇습니다. 이제 누가 물었든 엇갈린 논쟁 대신 제대로 답할 수 있습니다. "안전"이라는 단어를 셋으로 나누십시오. 데이터 보관 위치가 큰 지렛대이며, V4 가중치를 자체 호스팅하거나 적합한 제3자 호스트를 쓰면 딥시크 공식 서비스가 경로에서 빠집니다. 검열은 사용자 대면의 민감 주제 출력에서 물리는 제품과 평판의 문제입니다. 공급망 리스크는 관리 가능하며, 다운로드 가능한 가중치는 폐쇄형 API에 대한 감사상의 이점을 줍니다. 그런 다음 세 가지 변수를 돌리십시오. 업무가 얼마나 민감한가, 어떤 배포 방식이 그것을 완화하는가, 여러분의 거버넌스가 그 결과를 감당할 수 있는가. 체크포인트를 고정하고 데이터 경로를 매핑하면, 논쟁이 아니라 결정을 하고 있는 것입니다.

다음 두 단계입니다. 컴플라이언스가 걸림돌이라면 딥시크, 큐원, 그리고 영국 GDPR에서 시작하십시오. 그리고 여러분 자신의 배포에 또 한 쌍의 눈이 필요하다면, 그것이 바로 제가 고객과 함께 내리는 종류의 판단입니다.

출처

• Stanford HAI, "2026 AI Index Report": https://hai.stanford.edu/ai-index/2026-ai-index-report (검색일 2026-06-16)
• MIT Technology Review, "What's next for Chinese open-source AI": https://www.technologyreview.com/2026/02/12/1132811/whats-next-for-chinese-open-source-ai/ (검색일 2026-06-16)
• DeepSeek, API 변경 로그: https://api-docs.deepseek.com/updates/ (검색일 2026-10-04)
• DeepSeek, API 가격 및 모델 목록: https://api-docs.deepseek.com/quick_start/pricing (검색일 2026-10-04)
• DeepSeek, V4 Pro 모델 카드: https://huggingface.co/deepseek-ai/DeepSeek-V4-Pro (검색일 2026-08-11)
• DeepSeek, V4.1-Flash 모델 카드: https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash (검색일 2026-10-04)
• CIGI, "Chinese AI models and the high-stakes fight for AI neutrality": https://www.cigionline.org/articles/chinese-ai-models-and-the-high-stakes-fight-for-ai-neutrality/ (검색일 2026-06-16)
• NewsGuard, "Chinese AI Models Register a 60 Percent Fail Rate in NewsGuard Audit of Pro-China Claims": https://www.newsguardtech.com/special-reports/chinese-ai-models-60-percent-fail-rate-pro-china-claims/ (검색일 2026-08-11)
• Unsplash, 커버 이미지: https://images.unsplash.com/photo-1563013544-824ae1b704d3 (검색일 2026-06-16)