1,000건당 0.75달러로 열린 딥시크 검색 엔진: 공공기관 스팸이 4점을 받는 권위도 점수의 민낯

거대 검색엔진의 블랙박스를 걷어낸 딥시크의 파격 실험과 그 이면

인공지능 모델이 웹에서 실시간 정보를 찾아 답변을 만드는 과정은 그동안 철저하게 가려진 블랙박스였다. 챗봇이 어떤 사이트를 검색하고 어떤 기준으로 출처를 골라내는지 개발자나 검색 최적화 담당자가 사전에 확인할 방법은 사실상 없었다.

딥시크(DeepSeek)가 플래시(Flash) 모델 개편과 함께 자체 검색 엔진의 뼈대를 외부로 개방했다. 수천억 개에 달하는 웹페이지를 색인하고 매일 수억 건의 질의를 소화하는 자체 검색 엔진을 ‘검색(Search)‘과 ‘웹 수집(Fetch)‘이라는 두 가지 프로그래밍 인터페이스(API)로 전격 출시한 것이다.

이번 공개가 업계에서 비상한 관심을 모은 이유는 검색 결과마다 인공지능이 매긴 두 가지 핵심 점수, 즉 ‘권위도 등급(authority_tier)‘과 ‘재정렬 점수(rerank_score)‘를 날것 그대로 반환하기 때문이다. 딥시크는 검색 스팸, 인위적인 검색 조작, 저품질 생성형 글을 걸러낸다고 공언했다.

실제 110회에 걸친 직접 질의 테스트 결과는 딥시크의 약속과 사뭇 달랐다. 10년 넘게 전문 글을 축적해 온 개인 연구 사이트는 최하위권인 권위도 1점을 받은 반면, 대학교와 정부 기관 웹서버를 해킹해 올려둔 도박·대출 스팸 PDF 파일은 최고 등급인 권위도 4점을 받았다. 딥시크 검색 엔진이 작동하는 실제 랭킹 메커니즘과 기업 실무 현장에서 맞닥뜨릴 위험 요소를 숫자로 파헤쳐 본다.

4,322개 결과가 증명한 팩트: 페이지 권위도가 아닌 도메인 권위도의 함정

딥시크의 공식 설명서에는 권위도 등급이 ‘개별 웹페이지의 고유한 자산’이라고 적혀 있다. 등급 체계는 -1부터 4까지 총 6단계로 나뉜다고 안내한다. 20개 검색어로 1,000개 결과를 뽑아내고 총 4,322개 결과값을 분석해 보면 공식 문서와 현장 데이터 사이에 뚜렷한 격차가 드러난다.

실제 추출된 4,322개 결과 전체에서 -1점과 0점은 단 한 번도 나타나지 않았다. 딥시크가 사실상 1점부터 4점까지의 4단계 점수판만 활용하고 있음을 보여준다.

권위도 등급 (Tier)	결과 내 비중	재정렬 점수 중앙값	주요 검출 출처 유형	실무 시뮬레이션 평가
4등급 (최상위)	3.2%	2.12점	정부(gov), 교육기관(edu), 학술 저장소(Zenodo)	도메인 덕분에 기생 스팸 문서까지 무조건 최고점 획득
3등급 (상위)	18.5%	1.84점	주류 언론사, 글로벌 기술 플랫폼 메인 도메인	기업 공식 블로그 중 인지도가 매우 높은 소수 도메인
2등급 (중위)	42.1%	1.62점	Reddit 메인(www), 일반 상업 웹사이트, 대형 커뮤니티	검색 결과의 중심축을 이루며 기본 신뢰성을 인정받은 구간
1등급 (하위)	36.2%	1.38점	독립 블로그, 전문 기술 연구소, 신규 도메인	고품질 콘텐츠를 갖춰도 점수 문턱(1.5점)을 넘기 어려움

더 결정적인 사실은 특정 도메인 단위의 검증에서 발견되었다. 동일한 웹 호스트 아래에 있는 서로 다른 50개의 개별 웹페이지를 호출했을 때, 50개 페이지 모두 토씨 하나 다르지 않고 똑같은 권위도 점수를 받았다.

예를 들어 레딧(Reddit)의 경우 메인 접속 주소(www.reddit.com)에서 나온 글들은 모두 권위도 2점을 받았지만, 지역 서브도메인(qh.reddit.com)에서 나온 글들은 예외 없이 권위도 1점으로 깎였다. 즉, 딥시크는 문서 자체의 글솜씨나 정보의 충실도를 따져 권위도를 계산하는 것이 아니라, 호스트 서버 이름표를 보고 점수를 통째로 찍어 누르는 방식을 쓰고 있다.

기업 개발팀과 데이터 공급망을 위협하는 3가지 실무 충격

딥시크의 검색 및 수집 API를 인공지능 에이전트나 내부 데이터 파이프라인에 연결하려는 기업은 세 가지 실무 병목과 품질 리스크를 정밀하게 계산해야 한다.

호스트 점수 맹신으로 인한 데이터 오염과 할루시네이션

딥시크 검색 결과를 그대로 인공지능 프롬프트의 검색 증강 생성(RAG) 출처로 주입하는 기업은 심각한 정보 왜곡을 겪을 수 있다. 정부 기관이나 대학교 도메인에 관리 소홀로 업로드된 기생 검색 스팸 PDF가 권위도 4점을 업고 상위권에 배치되기 때문이다.

실제 테스트에서 ‘생성형 엔진 최적화’를 검색했을 때 연구자들이 셀프 등록하는 오픈 아카이브 사이트(Zenodo)의 문서가 최고 권위도를 기록하며 1위와 3위를 차지했다. 기업의 지식 베이스를 구축할 때 딥시크의 권위도 등급만 믿고 신뢰할 만한 문서로 분류했다가는 엉뚱한 스팸 문서가 사내 인공지능의 정답으로 둔갑하게 된다.

호출 지역(IP) 기본값에 따른 검색 결과 편향

검색 API 호출 시 지역(IP) 매개변수를 지정하지 않으면 요청을 보낸 서버의 물리적 위치가 기본값으로 적용된다. 두바이 서버에서 호출한 결과는 아랍에미리트(UAE) 현지 IP를 명시했을 때와 완전히 일치했다.

반면 미국이나 영국 IP를 지정하자 상위 50개 결과 중 26개에서 41개 항목의 재정렬 점수가 바뀌었고, 검색 결과 목록에서 4개에서 15개의 웹사이트가 완전히 다른 곳으로 교체되었다. 클라우드 서버 위치에 따라 인공지능이 수집하는 외부 정보의 내용이 흔들릴 수 있으므로, Cursor 같은 도구로 자동화 스크립트를 작성할 때는 반드시 목표 국가의 IP를 헤더에 고정해야 한다.

웹 수집(Fetch) 엔진의 robots.txt 무단 수집과 법적 분쟁 소지

딥시크의 웹 수집 API는 외부 사이트를 긁어올 때 자신을 홍콩에서 접속한 일반 리서치팀톱 웹브라우저(Firefox)로 위장한다. 가장 큰 문제는 사이트 운영자가 수집을 거부한다는 뜻으로 선언한 로봇 배제 표준(robots.txt) 규약을 무시하고 콘텐츠를 긁어온다는 점이다.

기업이 딥시크 수집 API를 자사 서비스의 백엔드로 활용할 경우, 원작성자의 저작권 규약이나 수집 거부 선언을 정면으로 위반하는 법적 리스크를 함께 짊어지게 된다. 향후 데이터 출처 분쟁이 일어났을 때 수집 주체의 기술적 위반 사항이 면책되지 않을 위험이 상존한다.

기존 검색 인프라와의 1:1 대조: 딥시크가 내세운 완충벽의 실체

딥시크 검색 API의 가장 큰 매력은 압도적인 비용이다. 1,000회 성공 호출당 0.75달러라는 요율은 상용 검색 API 시장을 뒤흔들기에 충분하다. 실패한 요청이나 결과가 없는 빈 쿼리, 타임아웃은 요금을 청구하지 않으며, 50개 결과를 모두 받아도 단가는 동일하다.

비용 효율성은 뛰어나지만, 정밀도 면에서는 기존 상용 검색 엔진의 완충벽을 넘어서지 못했다. 수치가 이를 증명한다.

비교 항목	딥시크 (DeepSeek) 검색 API	구글 커스텀 검색 (Custom Search)	빙 웹 검색 (Bing Web Search)
1,000회당 호출 비용	0.75달러	5.00달러 (일 100건 무료 초과 시)	15.00–25.00달러
실패/빈 응답 과금 여부	무과금 (성공 건만 청구)	전수 과금	전수 과금
제공 고유 지표	권위도 등급, 재정렬 점수	스니펫, 검색 순위	스니펫, 순위, 딥링크
스팸 필터링 신뢰도	낮음 (기생 스팸 4등급 노출)	매우 높음 (알고리즘 정화)	높음 (스팸 감점 처리)
로봇 배제 규약(robots.txt)	무시 (무단 수집 진행)	엄격 준수	엄격 준수
수집기 신원(User-Agent)	일반 브라우저로 위장	공식 봇 명시	공식 봇 명시

딥시크의 내부 랭킹 엔진은 파이썬 패키지 색인(PyPI), 노드 패키지 저장소(npm), 크롬 웹스토어, 깃허브(GitHub) 같은 개발자 마켓플레이스 도메인에 대단히 높은 우선순위를 부여한다. 기술 도구나 라이브러리 관련 검색에서는 전문 블로그가 아무리 좋은 글을 작성해도 이들 플랫폼의 벽을 넘기 어렵다.

도입 판단 가이드: 기업 상황별 적합 대상 vs 보류 대상 판정

딥시크 검색 API는 저렴한 비용으로 대규모 웹 정보를 긁어모으는 데 강력한 무기가 될 수 있지만, 모든 시스템에 무턱대고 붙여서는 안 된다. 사내 시스템의 성격에 따라 도입 여부를 냉정하게 판정해야 한다.

지금 즉시 도입해야 할 기업 (Fit 조건 3가지)

• 월 수백만 건 단위의 대규모 웹 모니터링을 수행하는 기업: 검색 결과를 정답으로 바로 쓰는 것이 아니라, 시장 반응이나 브랜드 언급을 대량으로 긁어모아 사내 엔진에서 자체 2차 가공하는 경우 1,000건당 0.75달러라는 가격은 대체 불가능한 무기다.
• 검색 결과의 재정렬 알고리즘을 역추적하려는 마케팅 리서치 팀: 검색 엔진이 페이지를 바라보는 실제 점수(재정렬 점수 및 호스트 권위도)를 직접 뜯어보며 인공지능 검색 최적화 전략을 연구하려는 분석 조직에 최적의 실험 환경을 제공한다.
• 자체적인 텍스트 정제 파이프라인을 보유한 개발팀: 딥시크가 넘겨주는 원시 결과값에서 기생 스팸이나 저품질 도메인을 사내 화이트리스트나 블랙리스트로 걸러낼 수 있는 추가 정제 인프라를 갖춘 팀은 비용 대비 최대의 효율을 뽑아낼 수 있다.

도입을 보류하고 지켜봐야 할 기업 (Non-Fit 리스크 3가지)

• 정확도와 출처의 신뢰성이 절대적인 금융·의료·법률 인공지능 서비스: edu나 gov 도메인 뒤에 숨은 악성 스팸 문서가 최고 신뢰도로 판정되어 인공지능 답변에 섞여 들어가는 순간 서비스 전체의 신뢰도가 무너진다.
• 엄격한 규제와 데이터 컴플라이언스를 준수해야 하는 엔터프라이즈: 상대방 웹사이트의 robots.txt 선언을 무시하고 리서치팀톱 브라우저로 위장해 글을 긁어오는 수집 방식은 기업의 윤리적 운영 관리 규칙와 저작권 준수 지침에 정면으로 충돌한다.
• 검색 결과 점수를 개별 페이지의 품질 점수로 신뢰하는 팀: 딥시크의 권위도 점수는 페이지 품질이 아닌 호스트 서버의 인지도 점수다. 이를 개별 문서의 완성도로 오판하여 지식 랭킹 알고리즘을 설계하면 사내 정보 검색 시스템 전체의 순위가 왜곡된다.