DeepSeek выпустила DeepSeek V4 Preview — предварительную версию новой линейки, и сразу открыла веса: файлы лежат на Hugging Face, технический отчёт выложен рядом. Контекст в 1 млн токенов объявлен штатным для всех официальных сервисов компании, а старшая модель, по заявлению разработчиков, конкурирует с топовыми закрытыми системами. Попробовать можно в чате на chat.deepseek.com в режимах Expert Mode и Instant Mode, API обновили в день релиза.
Моделей в релизе две, и различаются они не только размером. V4-Pro — 1,6 трлн параметров при 49 млрд активных. V4-Flash — 284 млрд всего и 13 млрд активных. Отсюда разная экономика запроса: младшая версия отвечает быстрее и стоит дешевле, но уступает там, где нужна длинная цепочка рассуждений.
Чем V4-Pro отличается от V4-Flash на практике
Обе модели получили одинаковый контекст в 1 млн токенов и два режима работы — Thinking и Non-Thinking. Переключатель влияет не только на скорость ответа. В режиме размышления модель тратит токены на промежуточные шаги, поэтому один и тот же документ обойдётся дороже, чем при обычном запросе. Для потоковых задач вроде сортировки обращений или переписывания писем разница в счёте накапливается за неделю.
| Параметр | V4-Pro | V4-Flash |
|---|---|---|
| Параметры | 1,6 трлн всего, 49 млрд активных | 284 млрд всего, 13 млрд активных |
| Под какие задачи | Многошаговые расчёты, код, наука | Массовые вызовы и простые агентные цепочки |
| Контекст | 1 млн токенов | 1 млн токенов |
| Режимы | Thinking и Non-Thinking | Thinking и Non-Thinking |
Заявленное позиционирование совпадает с тем, как такие модели встраивают в конвейеры. Flash берут на рутину с предсказуемой задержкой: извлечение полей из PDF, разметка, короткие ответы в поддержке. Pro включают точечно — на планирование, разбор кода, расчёты, где ошибка на первом шаге портит весь результат. В анонсе отдельно сказано, что на простых агентных задачах Flash идёт наравне со старшей версией.
Почему контекст 1M — это в первую очередь про вычисления
Длинное окно упирается не в его размер, а в память и время обработки. Классическое внимание растёт квадратично от длины последовательности, поэтому документ на сотни страниц обходится заметно дороже десяти коротких запросов. В V4 применили сжатие по токенам вместе с DSA (DeepSeek Sparse Attention) — разреженным вниманием, которое отбрасывает малозначимые связи между токенами.
Практический смысл простой: длинный контекст перестаёт быть деморежимом для скриншотов. Когда обработка дешевеет, отпадает привычка резать файл на куски и терять связи между разделами — в договоре между пунктом об оплате и приложением, в отчёте между методикой и таблицей результатов.
Дробить или не дробить: если ответ требует сопоставления фактов из разных частей файла, документ лучше подавать целиком, потому что при нарезке модель видит только фрагмент и уверенно отвечает по нему. Если нужен один абзац или одна цифра, дешевле вытащить нужную страницу заранее и не гонять мегабайты через API.
Ограничение держать в голове стоит: 1 млн токенов задаёт верхнюю границу, а не гарантию качества. Точность ответа на дальней части окна зависит от задачи, и проверять её нужно на своих данных, а не на рекламных примерах из отчёта.
API: смена имени модели и один дедлайн
Миграция выглядит скромно. base_url остаётся прежним, меняется только имя модели — deepseek-v4-pro или deepseek-v4-flash. Поддерживаются оба формата запросов, OpenAI ChatCompletions и Anthropic API, так что существующие SDK и обёртки обычно не требуют переписывания логики.
- Заменить имя модели в конфигурации и прогнать тестовый набор на Flash — он дешевле и быстро показывает, хватает ли качества на типовых запросах.
- Включить Thinking точечно, только для тех сценариев, где раньше ловились ошибки в рассуждениях.
- Зафиксировать конкретную версию в коде вместо алиаса, чтобы поведение сервиса не поменялось в день релиза следующего обновления.
Отдельный пункт — сроки. Имена deepseek-chat и deepseek-reasoner отключат после 24 июля 2026 года, 15:59 по UTC. До этой даты запросы к ним автоматически маршрутизируются на deepseek-v4-flash: chat — в режиме Non-Thinking, reasoner — в Thinking. Проект, который годами работал на старом алиасе, после дедлайна получит ошибку, и менять имя модели придётся уже в спешке.
Агентные сценарии: интеграции и заявленные бенчмарки
V4 заявлена совместимой с популярными агентными средами — Claude Code, OpenClaw, OpenCode. Внутри DeepSeek модель уже используют в собственной разработке, и это единственный намёк на реальную нагрузку: бенчмарки проходят в чистых условиях, а агентный цикл с десятками вызовов инструментов проверяет устойчивость совсем иначе.
Что именно обещают: лучшее среди открытых моделей качество в агентном кодировании, лидерство по мировым знаниям среди открытых моделей с отставанием только от Gemini-3.1-Pro, превосходство над открытыми конкурентами в математике, STEM и коде. Числа взяты из анонса и техотчёта, независимых прогонов на момент публикации нет.
Когда релиз не решает задачу
Статус Preview означает, что поведение модели может измениться без долгого предупреждения. Для эксперимента это нормально, для продакшена — источник внезапных регрессий на ровном месте.
- Открытые веса не отменяют расходов: inference на 1,6 трлн параметров требует серьёзного железа, и для большинства команд API остаётся дешевле собственного развёртывания.
- Если корпоративные правила запрещают отправлять документы во внешние сервисы, локальная копия не спасёт от вопроса о том, кто отвечает за обработку персональных данных.
- Анонс не описывает доступность сервиса из России и способы оплаты API — это стоит проверить до того, как на модели построят рабочий процесс.
- Гарантий по доступности и SLA для preview-версии не заявлено.
С чего начать, если V4 нужна в работе уже сейчас
Первым делом стоит выписать в конфиг явное имя модели и проверить, не осталось ли в коде deepseek-chat или deepseek-reasoner — до 24 июля 2026 года это тихая замена, после — отказ. Дальше прогнать три-четыре своих реальных запроса на Flash и Pro в режимах Thinking и Non-Thinking и сравнить не только качество, но и расход токенов: у длинного контекста счёт растёт быстрее, чем кажется по демонстрациям. Решение о переходе лучше принимать по своей выборке, а не по таблице бенчмарков из анонса.
