딥시크·큐원으로 논문 쓴다는 것, 실제로 뭘 뜻하나

클코단에서 중국계 모델로 논문을 쓴다는 이야기가 나오자 낯설다는 반응부터 나왔다. 중국 모델이 논문 관련 작업에 강점이 있다는 의견과, 로컬로 돌리는 소형 모델만으로는 한 편을 제대로 완성하기 어렵다는 반론이 맞붙었다. 정확한 글을 쓰는 건 모델 크기보다 근거 확인에 달려 있다는 견해도 나왔다. 이 세 주장이 실제로 어디까지 맞는지 웹에 나온 비교 연구와 사고 사례로 따라가 본다.

열 개 모델을 나란히 놓고 쓴 논문이 있다

딥시크와 큐원이 논문 작업에 강점이 있다는 말을 검증할 자료가 이미 나와 있다. 아이든 등 연구진이 arXiv에 올린 논문은 딥시크, 큐원, 챗GPT, 제미나이, 라마, 미스트랄, 젬마 계열의 열 개 모델에 같은 조건을 주고 디지털트윈·헬스케어 분야 논문 40편을 각각 요약·재구성하게 했다. 결과는 한쪽의 압승이 아니었다. 큐원2.5 맥스가 분량은 가장 길게 뽑았지만 표절 탐지율은 모델별로 9%에서 57%까지 벌어졌다. 챗GPT-4o 미니가 오히려 가장 높은 축에 들었다. 열 개 모델 모두 AI 탐지 도구에 높은 정확도로 걸렸고 가독성 점수도 전반적으로 낮았다.

이 결과를 그대로 읽으면 중국 모델이 논문 작업에서 유독 뛰어나다고 볼 근거는 약하다. 분량과 구조 잡기에서는 쓸 만하지만 표절률이나 문장 완성도에서 서구 모델을 일관되게 앞서지는 못했다. 방에서 나온 "중국 모델이 강점이 있다"는 의견은 특정 작업—개요 뽑기, 문헌 요약틀 잡기—에서는 맞을 수 있지만 논문 전체 품질로 확장하면 근거가 얇아진다.

로컬 소형 모델로는 왜 안 된다는 말이 나오나

딥시크 R1은 추론·수학·코딩 벤치마크에서 오픈AI의 o1급과 맞먹거나 일부 앞선다. 여기서 나온 지식 증류 기법으로 만든 DeepSeek-R1-Distill-Qwen-1.5B 소형 모델은 수학 추론 벤치마크 한정으로 GPT-4o나 클로드보다 높은 점수를 내기도 한다. 다만 이 결과는 좁은 과제에 한정된 증류 효과다.

문헌 종합, 논증 구성, 각주와 본문 사이 맥락 유지처럼 넓은 범위를 오래 붙들고 있어야 하는 작업은 다르다. 수십억 파라미터급 로컬 모델이 좁은 벤치마크에서 큰 모델급 점수를 낸다고 해서 그 능력이 논문 한 편을 관통하는 논지 유지로 그대로 옮겨가지는 않는다. "로컬 소형 모델만으로 논문을 양산하기는 어렵다"던 방의 반론은 이 지점과 맞아떨어진다.

참고문헌이 그럴듯하게 지어지는 순간

정확성이 모델 성능보다 근거 확인에 달려 있다는 방의 의견을 뒷받침하는 사례는 중국 모델이 아니라 챗GPT에서 나왔다. 국제 학술지 저널오브파이낸스에 실린 논문 저자들은 2024년 수정 과정에서 참고문헌 10개를 GPT-4에 넣어 저널 양식으로 재포맷하도록 시켰다. 모델은 그중 4개를 실제로 존재하지 않는 논문 제목, 저자, 학술지로 바꿔치기했고 이 상태로 동료 심사를 통과해 게재됐다. arXiv는 이후 확인되지 않은 AI 생성 오류가 담긴 원고를 제출한 저자에게 1년간 제출을 금지하고, 이후 제출물도 평판 있는 동료 심사 학술지에 먼저 게재 승인을 받도록 정책을 조였다.

이 사고의 핵심은 모델이 중국산이냐 서구산이냐가 아니다. 재포맷이라는 기계적 작업에 검증 단계 없이 결과를 그대로 붙여 넣은 과정 자체가 문제였다. "정확성은 근거 확인에 달려 있다"는 견해가 정확히 이 지점을 가리킨다. 모델을 무엇으로 바꾸든 인용 하나하나를 원문과 대조하는 단계가 빠지면 같은 사고가 반복된다.

정치적으로 민감한 대목에서는 검열이 답을 바꾼다

다만 중국 모델에는 다른 층위의 정확성 문제가 따로 있다. 딥시크의 검열 양상을 분석한 연구는 DeepSeek-V3-0324 기반 챗봇 API가 중국 관련 민감 주제를 평균 30.9% 거부한다고 밝혔다. 별도의 평가에서는 톈안먼·대만 지위·위구르 문제·문화대혁명 등 중국 관련 민감 주제 1,360개 프롬프트 중 약 85%에 상투적 거부 응답이 나왔다. 더 눈에 띄는 대목은 완전 거부가 아니라 의미 층위의 검열이다. 또 다른 연구에서는 모델의 내부 사고 과정에 있던 주제 관련 키워드가 최종 답변에서 모두 빠진 사례가 비어 있지 않은 응답의 11.1%에서 확인됐다. 모델 가중치를 내려받아 API 밖에서 실행한 평가에서도 검열 성향은 관찰됐다.

논문 주제가 중국 관련 정치·역사·정책을 건드리는 경우라면 이 문제가 실제 정확성에 영향을 준다. 근거가 왜곡되는 게 아니라 아예 회피되거나 뭉개지는 방식이어서 표절이나 환각과는 다른 결의 검증이 필요하다.

초안을 어디에 입력하느냐의 문제

미공개 데이터나 초고를 중국계 클라우드 API에 넣는 일에는 또 다른 잣대가 필요하다. 오픈AI는 중국 법이 자국 기업에 정부의 사용자 데이터 제출 요구에 응할 의무를 지운다는 점을 들어 딥시크 등 중국 AI 모델 사용에 반대 입장을 냈다. 이미 출판된 논문을 요약시키는 정도라면 이 우려의 무게가 가볍지만 아직 심사 전인 원고나 미공개 실험 데이터를 통째로 넣는 경우라면 얘기가 달라진다. 저장 위치와 법적 열람 요구 가능성은 모델 성능과 별개의 위험으로 따로 챙겨야 한다.

실제로 쓴다면 어떤 순서로 하는가

교육부는 2026년 대학 AI 활용 윤리 지침 시안을 마련했다.

이 틀에 맞추면 실제 작업 순서가 나온다. 딥시크나 큐원 같은 모델에는 문헌 요약틀 잡기, 개요 초안, 문장 다듬기처럼 되돌리기 쉬운 보조 작업만 맡긴다. 인용은 모델이 뽑아준 문장을 그대로 쓰지 않고 Elicit이나 Consensus 같은 근거 검증 도구로 원문 존재 여부와 주장 일치 여부를 한 번 더 대조한 뒤 반영한다. 저널오브파이낸스 사고가 보여준 것처럼, 이 대조 단계 하나가 빠지느냐 있느냐가 참고문헌이 실존하는 논문이 되느냐 지어낸 이름이 되느냐를 갈랐다. 모델이 중국산인지 아닌지보다, 이 대조 단계를 누가 넣었는지가 논문의 정확성을 갈랐다.