DeepSeek сохраняет ставку на низкую стоимость
Официальный выпуск DeepSeek-V4-Flash состоялся 31 июля. Модель стала доступна через API в режиме публичного тестирования, при этом способ её подключения не изменился.
Компания сообщает, что новая версия сохранила прежнюю архитектуру и размер. Улучшения были получены за счёт дополнительного обучения после основной стадии подготовки модели.
Основное внимание привлекла стоимость эксплуатации системы.
Один миллион входных токенов обходится в 0,14 доллара, а один миллион выходных — в 0,28 доллара. По расчётам Artificial Analysis, средняя стоимость выполнения одного комплексного теста составила около трёх центов.
Модель оказалась более чем в сто раз дешевле Claude
Для сопоставления Artificial Analysis использовала единый набор тестовых заданий.
Выполнение такого набора на Kimi K3 от Moonshot AI оценивалось в 86 центов. Для OpenAI GPT-5.6 Sol показатель составил 1,86 доллара, а для Claude Fable 5 — 3,15 доллара.
Таким образом, V4-Flash оказалась приблизительно в 105 раз дешевле Claude Fable 5 в рамках использованной методики.
Исследователи учитывали не только заявленный тариф, но и количество данных, которое модель должна обработать и создать для выполнения задачи. Это позволяет точнее оценить реальную стоимость эксплуатации.
«Модель с низкой заявленной ценой всё равно может оказаться дорогой, если ей требуется значительно больше шагов».
— Artificial Analysis, независимая исследовательская компания, специализирующаяся на сравнении ИИ-моделей.
Производительность соответствует Gemini 3.6 Flash
В рейтинге Intelligence Index модель набрала 50 баллов из 100. Индекс объединяет результаты девяти тестов, охватывающих программирование, рассуждения и задания, близкие к реальной офисной работе.
Такой же результат получила Gemini 3.6 Flash от Google. V4-Flash отстала на один балл от Muse Spark 1.1 компании Meta и GLM-5.2 от Z.AI.
Более дорогие модели Anthropic, OpenAI и Moonshot AI показали результаты выше. Kimi K3 получила 57 баллов, а отдельные модели Anthropic и OpenAI опередили DeepSeek минимум на девять баллов.
V4-Flash не претендует на абсолютное лидерство по качеству. Её преимущество заключается в соотношении производительности и стоимости.
Модель получила усиленные агентные возможности
DeepSeek сообщает о значительном улучшении работы модели в задачах, связанных с программными агентами, использованием терминала и автоматизацией разработки.
Официальная документация приводит результаты в Terminal Bench 2.1, NL2Repo, Cybergym, DeepSWE и других тестах, оценивающих способность системы работать с инструментами и выполнять последовательности действий.
V4-Flash также получила встроенную поддержку формата Responses API и была отдельно адаптирована для использования с Codex-подобными инструментами программирования.
Это указывает на то, что модель рассчитана не только на генерацию текста, но и на массовое выполнение программных и агентных операций.
Где экономия может быть наиболее заметной
Низкая стоимость делает V4-Flash подходящей для процессов с большим количеством стандартных запросов:
- первичной классификации обращений;
- извлечения данных из документов;
- обработки товарных каталогов;
- подготовки черновиков;
- внутренних поисковых систем;
- массовых программных операций;
- работы агентов с контролируемым набором инструментов.
При таких объёмах разница в стоимости одного запроса может существенно влиять на экономику продукта.
Однако компании необходимо учитывать не только цену токенов. Ошибки, повторные запросы и ручная проверка также входят в стоимость полностью выполненной операции.
Рынок переходит к распределению задач между моделями
V4-Flash усиливает тенденцию, при которой компании используют несколько ИИ-моделей одновременно.
Стандартные операции можно направлять в дешёвую систему, а сложные рассуждения и критические задачи — в более производительную модель. Такой подход позволяет контролировать расходы без полного отказа от систем верхнего уровня.
DeepSeek также готовит V4-Pro, однако дата официального выпуска более мощной версии пока не названа.
