Это самый значительный релиз DeepSeek с тех пор, как R1 потряс мировые рынки в январе 2025 года. Вот все, что вам нужно знать.

Что такое DeepSeek V4?

DeepSeek V4 — это флагманское семейство моделей четвертого поколения от DeepSeek, расположенной в Ханчжоу лаборатории искусственного интеллекта, которая в январе 2025 года произвела фурор на мировых рынках благодаря недорогой модели рассуждений R1. V4 заменяет DeepSeek V3 и V3.2, которые будут сняты с производства после 24 июля 2026 года.

DeepSeek V4 — это двухмодельная версия, построенная на архитектуре «смешанных экспертов» (Mixture-of-Experts, MoE). Обе модели поддерживают контекстное окно в 1 миллион токенов с максимальным выходом в 384 000 токенов, и обе распространяются под лицензией MIT, что означает бесплатное коммерческое использование и полный доступ к весам на Hugging Face.

DeepSeek-V4-Pro — флагманская модель: 1,6 триллиона параметров, 49 миллиардов активных токенов на токен, предварительно обучена на 33 триллионах токенов. DeepSeek-V4-Flash — модель, ориентированная на эффективность: 284 миллиарда параметров, 13 миллиардов активных токенов на токен, обучена на 32 триллионах токенов.

Таким образом, DeepSeek-V4-Pro становится новой самой большой моделью с открытыми грузиками. Она больше, чем Kimi K2.6 (1,1 Тл) и GLM-5.1 (754 Бл), и более чем в два раза превышает размер DeepSeek V3.2 (685 Бл).

Обе модели в настоящее время находятся на стадии предварительного тестирования. Агентство Reuters сообщило, что DeepSeek использует период предварительного тестирования для сбора отзывов от реальных пользователей перед окончательной доработкой модели, и не предоставило сроков завершения разработки.

Архитектура, которая делает это возможным

DeepSeek V4 — это не просто увеличенная версия V3. V4 вносит три архитектурных изменения, которые отличают её от V3.2: гибридный механизм внимания CSA+HCA, гиперсвязи с ограничениями на многообразии (mHC) и оптимизатор Muon. Вместе они объясняют, как такая большая модель может работать с гораздо меньшими затратами на вывод, чем V3.2.

Гибридное внимание: CSA + HCA

Основная инженерная проблема, решаемая V4, — это стоимость внимания при работе с длинным контекстом. Стандартное внимание трансформеров масштабируется квадратично с длиной последовательности — запуск модели такого размера с 1 миллионом токенов был бы экономически нецелесообразен.

Ключевое нововведение — это гибридный механизм внимания, который чередует сжатое разреженное внимание (CSA) и сильно сжатое внимание (HCA) в слоях трансформера. CSA сжимает кэш «ключ-значение» для каждых m токенов в одну запись с помощью обученного компрессора на уровне токенов, а затем применяет зависящий от запроса выбор k лучших значений «ключ-значение». HCA обеспечивает дальнейшее сжатие для слоев, допускающих более высокую степень аппроксимации.

Практический результат впечатляет. В контексте с 1 миллионом токенов DeepSeek-V4-Pro требует всего лишь... 27% операций вывода с одним токеном и 10% кэша KV По сравнению с DeepSeek-V3.2, V4-Flash позволяет достичь еще более высоких показателей: 10% от общего числа операций с плавающей запятой и 7% от объема кэша ключ-значение.

Ключевой вывод заключается в том, что показатели эффективности недостижимы ни с помощью CSA, ни с помощью HCA по отдельности — именно чередующийся гибридный подход обеспечивает сохранение качества долговременного контекста, одновременно снижая количество операций с плавающей запятой и размер кэша ключ-значение на порядок.

Гиперсвязи с ограничениями на уровне многообразий (mHC)

mHC решает фундаментальную проблему в обучении глубоких нейронных сетей: по мере роста моделей до сотен или тысяч слоев стандартные остаточные связи создают нестабильность распространения сигнала. mHC ограничивает матрицы смешивания политопом Биркхофа с помощью алгоритма Синкхорна-Кноппа, который сохраняет величину сигнала в сети. Проще говоря: он обеспечивает стабильность обучения с триллионом параметров, в то время как предыдущие архитектуры давали бы сбой.

Оптимизатор мюонов

V4 обучается с использованием оптимизатора Muon, который применяет итерации Ньютона-Шульца для приблизительной ортогонализации матрицы обновления градиента перед применением ее в качестве обновления весов. По сравнению с AdamW, Muon обеспечивает более быструю сходимость и большую стабильность обучения — что особенно важно при обучении модели с 1,6T параметрами, где нестабильность оптимизатора была бы катастрофической.

Три режима рассуждения

Каждая модель V4 предлагает три уровня сложности рассуждений: Не-Мыслить, Думай высоко, и Думай, МаксВ режиме Max используются более длинные контексты и уменьшены штрафы за длину в задачах обучения с подкреплением, и именно этот режим следует использовать для самых сложных задач рассуждения. Разница существенна: в HLE V4-Pro показывает результат от 7,7 (без размышлений) до 37,7 (Max) — почти пятикратный скачок по сравнению с той же моделью просто за счет выделения большего объема вычислительных ресурсов для рассуждений.

Результаты тестов DeepSeek V4: полная картина

Показатели V4-Pro-Max 80,6% подтверждено на SWE-bench и 93,5 на LiveCodeBench — наивысший результат в тестах на точность кодирования среди всех доступных в настоящее время моделей.

В данном случае важен контекст конкуренции. Claude Opus 4.6 имеет незначительное преимущество перед SWE-bench Verified (80,8% против 80,6%) и существенное преимущество перед HLE (40,0% против 37,7%) и HMMT 2026 math (96,2% против 95,2%). Стоимость V4-Pro в 7 раз ниже за миллион токенов.

В области формальной математики результаты исключительны. На Putnam-2025, который сочетает неформальные рассуждения с формальной проверкой и более сложными вычислениями, V4 достигает безупречного доказательства 120/120, сравнявшись с Axiom и опередив Aristotle (100/120) и Seed-1.5-Prover (110/120). В математических бенчмарках для соревнований HMMT 2026 (февраль) с результатом 95,2 и IMOAnswerBench (89,8) V4-Pro-Max находится в пределах диапазона GPT-5,4.

В соревновательном программировании V4-Pro получает рейтинг Codeforces: 3206, 23-е место среди участников-людей.

В чем V4-Pro-Max отстает от лидеров: V4-Pro-Max уступает Gemini 3.1 Pro в большинстве ресурсоемких тестов, включая MMLU-Pro, SimpleQA, GPQA Diamond и HLE. Разрыв существенно сократился, но не исчез полностью.

Сравнение DeepSeek V4, GPT-5.5, Claude Opus 4.7 и Gemini 3.1 Pro

Модель V4 Pro стоит 0,145 доллара за миллион входных токенов и 3,48 доллара за миллион выходных токенов, что дешевле, чем Gemini 3.1 Pro, GPT-5.5, Claude Opus 4.7 и GPT-5.4. Расчет соотношения производительности и цены при такой стоимости представляет собой сложную задачу для конкурентов с закрытым исходным кодом.

DeepSeek-V4-Pro демонстрирует превосходные результаты по сравнению с GPT-5.2 и Gemini 3.0 Pro в стандартных тестах логического мышления, хотя его производительность немного уступает GPT-5.4 и Gemini 3.1 Pro, что указывает на то, что разработка этой модели отстает от передовых моделей примерно на 3-6 месяцев.

Цена: цифра, которая меняет всё.

Меньшая по размеру модель V4-Flash стоит 0,14 доллара за миллион входных токенов и 0,28 доллара за миллион выходных токенов, что дешевле, чем GPT-5.4 Nano, Gemini 3.1 Flash, GPT-5.4 Mini и Claude Haiku 4.5.

При частоте промахов кэша V4-Pro обходится примерно в одну седьмую часть от GPT-5.5 и около одной шестой части от Claude Opus 4.7 при эквивалентной пропускной способности.

V4-Pro-Max по цене 3,48 доллара за миллион токенов обеспечивает производительность в бенчмарке SWE, отличающуюся всего на 0,2 пункта от Claude Opus 4.6 по цене 75 долларов за миллион токенов. Это 21-кратное снижение затрат При практически идентичных результатах в тестах на программирование. Для команд, выполняющих тысячи задач по программированию с использованием агентов в день, это меняет представление об экономической целесообразности.

Ценовая политика V4-Flash заслуживает особого внимания для сценариев с большими объемами данных. Разница между Flash и Pro невелика — Flash уступает примерно 1-2 пункта в большинстве бенчмарков в обмен на 12-кратное снижение стоимости API. Для большинства производственных приложений, не требующих максимальной производительности, V4-Flash является оптимальным экономическим вариантом по умолчанию.

Как получить доступ к DeepSeek V4 уже сегодня

DeepSeek V4 доступен тремя способами. Во-первых, через chat.deepseek.com — Веб-чат-бот предоставляет доступ к V4 через два переключателя: экспертный режим (V4-Pro) и мгновенный режим (V4-Flash). Во-вторых, через API DeepSeek с использованием идентификаторов моделей. deepseek-v4-pro и deepseek-v4-flashВо-третьих, в виде открытых весов в Hugging Face под лицензией MIT, что позволяет использовать их в коммерческих целях и развертывать локально.

Обе модели поддерживают контекст 1M и два режима (мышление и немышление). Обратите внимание, что deepseek-chat и deepseek-reasoner После этого он будет полностью выведен из эксплуатации и станет недоступным. 24 июля 2026 г.Разработчикам, использующим существующие псевдонимы, следует перейти на явные идентификаторы моделей V4 до указанного срока.

И V4-Pro, и V4-Flash поддерживают формат OpenAI ChatCompletions и формат Anthropic API. Для большинства команд это означает, что интеграция требует лишь обновления параметра модели — изменение базового URL-адреса не требуется.

Для самостоятельного размещения: весовые коэффициенты V4-Flash являются практической целью для самостоятельного размещения. При 284 байтах параметров с 13 байтами активированных параметров на токен, V4-Flash может работать на многопроцессорной конфигурации, доступной большинству средних команд. V4-Pro с общим количеством параметров 1,6 ТБ требует значительной мощности кластера для обеспечения задержки в производственной среде — большинство команд будут использовать API DeepSeek для Pro и рассматривать самостоятельное размещение только для Flash.

В чём недостатки DeepSeek V4

Для честного анализа необходимо признать реальные ограничения, которые сама DeepSeek документирует.

Как V4 Flash, так и V4 Pro поддерживают только текст, в отличие от многих закрытых аналогов, которые предлагают поддержку распознавания и генерации аудио, видео и изображений. Для многомодальных приложений V4 в настоящее время не является конкурентоспособным.

В задачах, требующих больших объемов знаний, разрыв с передовыми моделями с закрытым исходным кодом сохраняется. DeepSeek в своем техническом отчете необычно откровенно говорит о сохраняющихся ограничениях V4: V4-Pro-Max отстает от Gemini 3.1 Pro в большинстве тестов, требующих больших объемов знаний. Разрыв существенно сократился, но не исчез полностью.

Для передовых решений в области агентских рабочих процессов V4-Pro-Max делит первое место по показателю SWE Verified (80,6), но отстает по SWE Pro (55,4) и Terminal-Bench 2.0. Для чисто агентского программирования на переднем крае технологий GPT-5.5 и Opus 4.7 по-прежнему выглядят более перспективными.

DeepSeek также признает архитектурную сложность как собственное ограничение — команда описывает архитектуру V4 как «относительно сложную» и заявляет, что в будущих версиях будет предпринята попытка свести ее к наиболее важным элементам.

Геополитический аспект, который нельзя игнорировать

DeepSeek V4 появился не на пустом месте. Его запуск состоялся на следующий день после того, как США обвинили Китай в краже интеллектуальной собственности американских лабораторий искусственного интеллекта в промышленных масштабах с использованием тысяч прокси-аккаунтов. Саму компанию DeepSeek обвинили Anthropic и OpenAI в «дистилляции», по сути, копировании их моделей ИИ.

Не менее важна и история с аппаратным обеспечением. DeepSeek заключила партнерство с китайским технологическим гигантом Huawei, который подтвердил свою поддержку стартапа в области искусственного интеллекта с помощью своей технологии «Supernode», объединяющей большие кластеры чипов Ascend 950 для обеспечения большей вычислительной мощности.

Иван Су, старший аналитик по акциям в Morningstar, заявил CNBC, что дебют V4 вряд ли окажет такое же влияние на рынок, как R1, поскольку трейдеры уже учли тот факт, что китайский ИИ конкурентоспособен и дешевле в использовании. Однако последняя позиция DeepSeek ставит другие китайские модели с открытым исходным кодом в качестве прямых конкурентов. «Такой подход не существовал в случае с R1, и уже одно это говорит о том, насколько усилилась конкуренция на внутреннем рынке».

Кому следует использовать DeepSeek V4?

Часто задаваемые вопросы