DeepSeek의 긴 추론은 토큰 낭비 위험을 보여준다
는 첫 문단에서 수학 오류를 찾았지만, 그 뒤에도 약 5쪽 분량의 을 계속했다. 공개된 정보만으로는 어떤 수학 문제였는지, 어떤 모델을 썼는지, 실제로 몇 개의 토큰을 썼는지는 확인할 수 없다.
핵심은 모델이 초반에 문제의 결함을 발견하고도 바로 멈추거나 짧게 정리하지 못했다는 점이다. 이런 행동은 가 잘못된 입력이나 막힌 문제를 만났을 때 불필요하게 오래 생각하며 비용을 늘릴 수 있음을 보여준다.
핵심 포인트
- 는 초반에 수학 오류를 발견했다.
- 그 뒤에도 약 5쪽 분량의 을 이어갔다.
- , 문제 내용, 실제 은 확인되지 않았다.
- 에는 오류 발견 후 멈추는 이 필요하다.
- 긴 은 답 품질보다 비용 증가로 이어질 수 있다.