사용 가이드 · 모델 소식 · 제품 업데이트

TokenLab에서 deepseek-v4-pro와 deepseek-v4-flash 간의 코딩 에이전트 단계 라우팅을 위한 튜토리얼입니다. 제한 및 가격 표, 비용 추정 예시, 도구 호출(tool-calling) 요청, 그리고 재시도 및 폴백(fallback) 코드를 포함합니다. ### 라우팅 전략 개요 코딩 에이전트 워크플로우에서 복잡한 추론 작업에는 `deepseek-v4-pro`를 사용하고, 단순한 코드 생성이나 반복적인 작업에는 `deepseek-v4-flash`를 사용하여 비용을 최적화할 수 있습니다. ### 제한 및 가격 표 | 모델 | 토큰 제한 (입력) | 가격 (1M 토큰당) | | :--- | :--- | :--- | | `deepseek-v4-pro` | 128k | $3.00 | | `deepseek-v4-flash` | 128k | $0.15 | ### 비용 추정 예시 월간 1,000만 토큰을 처리하는 에이전트의 경우: * **전체 `deepseek-v4-pro` 사용 시:** $30.00 * **라우팅 적용 시 (Pro 20%, Flash 80%):** ($3.00 * 2M) + ($0.15 * 8M) = $6.00 + $1.20 = **$7.20** * **절감액:** 약 76% 비용 절감 ### 도구 호출(tool-calling) 요청 예시 ```json { "model": "deepseek-v4-flash", "messages": [ {"role": "user", "content": "파일 시스템의 파일 목록을 가져와줘."} ], "tools": [ { "type": "function", "function": { "name": "list_files", "description": "현재 디렉토리의 파일 목록을 반환합니다." } } ] } ``` ### 재시도 및 폴백(fallback) 코드 ```python import openai def call_model(messages, model="deepseek-v4-pro"): try: return openai.ChatCompletion.create(model=model, messages=messages) except Exception as e: print(f"Error with {model}, falling back to deepseek-v4-flash: {e}") return openai.ChatCompletion.create(model="deepseek-v4-flash", messages=messages) # 사용 예시 messages = [{"role": "user", "content": "이 코드를 리팩토링해줘."}] response = call_model(messages, model="deepseek-v4-pro") ```