Что нового в DeepSeek V4 GA по сравнению с preview?

Стабильные агенты, математика и код, впервые пик/внепик тарификация API, окончательное отключение deepseek-chat и deepseek-reasoner 24 июля 2026.

Как работает пик/внепик тарификация?

В будни 09:00-12:00 и 14:00-18:00 по Пекину тарифы удваиваются. Планируйте batch-задачи ночью или в выходные, чтобы сократить счёт вдвое.

Нужно ли мигрировать с deepseek-chat?

Да, до 24 июля 2026 15:59 UTC. Замените deepseek-chat на deepseek-v4-flash, deepseek-reasoner — на Flash с thinking или deepseek-v4-pro.

Как V4-Pro сравнивается с GPT-5.6?

V4-Pro лидирует в LiveCodeBench и SWE-bench Verified среди open-weight; GPT-5.6 Sol сильнее в terminal-агентах. Output $0,87/M против ~$15/M.

Можно ли self-host V4-Pro?

Да, лицензия MIT с апреля 2026. Inference MoE 1,6T требует GPU/NPU; см. гид Mac cloud VPSMAC для Agent gateway.

Какие режимы reasoning доступны?

Non-think для быстрых ответов, Think High с явной цепочкой рассуждений, Think Max для сложной математики и multi-step агентов (рекомендуется контекст 384K+).

DeepSeek V4 полный релиз (июль 2026): цены, бенчмарки и сравнение с GPT-5.6

20 июля 2026 DeepSeek V4 вышел в General Availability (GA) — через три месяца после preview. Для AI-разработчиков и лиц, принимающих решения о моделях, это означает: улучшенные агенты, впервые пик/внепик цены API, SWE-bench Verified 80,6 % и жёсткий дедлайн миграции 24 июля. В этом руководстве — хронология, архитектура CSA/HCA/mHC, бенчмарки, таблицы цен, миграция кода и матрица выбора против GPT-5.6 и Claude Fable 5.

Кратко: DeepSeek V4 GA улучшает агентов, математику и код, вводит пик-тарифы в будни и отключает deepseek-chat 24 июля. V4-Pro даёт 80,6 % SWE-bench Verified (рекорд open-weight), контекст 1M с 10 % KV-cache vs V3.2 — output от $0,87/M (внепик).

Болевые точки: почему GA меняет расстановку сил

Legacy API отключится через дни: deepseek-chat и deepseek-reasoner прекращают работу 24 июля 2026, 15:59 UTC. Без миграции — простой production, а не только рост счёта.
Пик-тарифы бьют по 24/7 pipeline: в будни 09:00–12:00 и 14:00–18:00 по Пекину тарифы ×2. Agent-циклы без планирования удваивают счёт, хотя внепик остаётся крайне дешёвым.
Выбор модели без матрицы cost/performance: Claude Fable 5 лидирует SWE-bench Pro (80,3 %), но output ~$50/M; V4-Pro на Strategy & Ops — 38 vs 50 баллов за $0,03 vs $3,48 за задачу (в 116 раз дешевле). Без routing команды сжигают бюджет на closed source.

I. Хронология: от preview к полной версии

Дата	Событие
24 апр. 2026	Preview V4 + open weights (MIT): V4-Pro (1,6T) и V4-Flash (284B)
Май 2026	Production-tuned V4-Flash и V4-Pro, API live
Июнь 2026	Output V4-Pro −75 % навсегда ($0,87/M) — исторически дешевлее frontier
29 июн. 2026	Email всем API-пользователям: GA в середине июля + пик/внепик
19 июл. 2026	GA grey tests; СМИ «полная версия завтра»
20 июл. 2026	Официальный GA
24 июл. 2026	`deepseek-chat` / `deepseek-reasoner` offline навсегда

Одной фразой: та же MoE-архитектура, что в апреле — GA добавляет стабильность, оптимизацию агентов и дисциплинированные цены вместо «почти бесплатно».

II. Архитектура: как 1M токенов становится практичным

Семейство моделей

Спецификация	V4-Pro	V4-Flash
Всего параметров	1,6T	284B
Активно на token	49B (3 %)	13B (4,6 %)
Слои Transformer	61	43
Контекст	1 000 000 tokens	1 000 000 tokens
Max output	384K	384K
Точность	FP4 (experts) + FP8	FP4 + FP8
Pretraining	33T+ tokens	32T+ tokens
Лицензия	MIT	MIT

① CSA + HCA — гибридное внимание вместо MLA

CSA (Compressed Sparse Attention): KV сжатие 4× через Softmax-gating; FP4 «Lightning Indexer» top-1024 (Pro) / top-512 (Flash); sliding window 128 tokens.
HCA (Heavily Compressed Attention): сжатие 128×, затем global dense attention; у Flash первые 2 слоя HCA, далее чередование CSA/HCA.

На 1M контексте: только 27 % FLOPs vs V3.2; KV-cache 10 % (Flash: 7 %).

② mHC — Manifold-Constrained Hyper-Connections

Четыре канала residual stream с doubly stochastic mixing matrix (Birkhoff polytope) — стабильные градиенты через 61 глубокий слой.

③ Оптимизатор Muon

Обучение Muon вместо AdamW: Newton-Schulz orthogonalization → быстрее сходимость на MoE-масштабе.

Три режима reasoning

Режим	Особенность	Сценарий
Non-think	Без CoT, быстро	Routing, FAQ, классификация
Think High	Явное рассуждение	Debug кода, средняя сложность
Think Max	Максимальная глубина	Математика, multi-step агенты (384K+)

Рекомендуемый sampling (официально): temperature=1.0, top_p=1.0.

III. Бенчмарки: где V4-Pro побеждает — и где нет

Benchmark	DeepSeek V4-Pro	Claude Fable 5	GPT-5.6 Ultra	Claude Opus 4.8
SWE-bench Verified	80,6 % ★ рекорд open-weight	96,0 %	н/д	~69 %
SWE-bench Pro	55,4 %	80,3 %	78,1 %	69,2 %
LiveCodeBench (Pass@1)	93,5 %	88,1 %	87,4 %	83,2 %
Codeforces Elo	3 206	—	—	—
Terminal-Bench 2.1	83,9 %	88,0 %	85,1 %	82,7 %

Реальность cost (Artificial Analysis, Strategy & Ops): Fable 5 — 50 баллов, $3,48/задача; V4-Pro — 38 баллов, $0,03/задача (в 116 раз дешевле). V4-Flash — ниже $0,04/задача по всем шести индексам.

⚠️ Часть данных — self-reported; решайте по pilot-задачам.

IV. DeepSeek V4 vs GPT-5.6 vs Claude Fable 5

Измерение	DeepSeek V4-Pro	GPT-5.6 Sol	Claude Fable 5
Open weights / self-host	✅ MIT	❌	❌
Контекст 1M	✅	не подтверждено	✅
Лучший repo-coding (SWE-bench Pro)	Второй tier	Второй tier	✅ Лидер
Алгоритмы / LiveCodeBench	✅ Лидер	Силён	—
Output (внепик)	$0,87/M	~$15/M	~$50/M
Output (пик)	$1,74/M	—	—
Суверенитет данных	✅ Self-host	❌	❌

V. Пик/внепик цены: экономия без потери качества

Модель	Статья	Внепик	Пик (×2)
V4-Pro	Input cache hit	¥0,025 / $0,0035 / 1M	×2
V4-Pro	Input cache miss	¥3,00 / $0,435 / 1M	¥6,00 / $0,87
V4-Pro	Output	¥6,00 / $0,87 / 1M	¥12,00 / $1,74
V4-Flash	Input cache hit	¥0,02 / $0,0028 / 1M	×2
V4-Flash	Input cache miss	¥1,00 / $0,14 / 1M	¥2,00 / $0,28
V4-Flash	Output	¥2,00 / $0,28 / 1M	¥4,00 / $0,56

Пик (Пекин): будни 09:00–12:00 и 14:00–18:00.

Советы по экономии

Batch (docs, code review) после 18:00 или до 09:00.
Кэшировать system prompts — Flash cache hit $0,0028/M.
Flash для routing/intent, Pro для тяжёлого reasoning (типично −60–80 % cost).
DeepSeek уведомляет об изменении тарифов за 24 ч.

Даже в пик: output V4-Pro $1,74/M — в 8,6 раз дешевле Claude Opus 4.8 ($15/M) или GPT-5.6 Sol (~$15/M).

VI. Миграция API — дедлайн 24 июля ⚠️

Старое	Новое	Примечание
`deepseek-chat`	`deepseek-v4-flash` (Non-think)	Drop-in для chat
`deepseek-reasoner`	`deepseek-v4-flash` (Think) или `deepseek-v4-pro`	Pro для сильнее reasoning

OpenAI SDK (Python)

from openai import OpenAI

client = OpenAI(
    api_key="your_deepseek_api_key",
    base_url="https://api.deepseek.com"
)

# ❌ Старое — мёртво после 24.07
# client.chat.completions.create(model="deepseek-chat", messages=[...])

# ✅ Новое
response = client.chat.completions.create(
    model="deepseek-v4-pro",
    messages=[{"role": "user", "content": "Проанализируй этот репозиторий..."}]
)

# ✅ Think mode (замена deepseek-reasoner)
response = client.chat.completions.create(
    model="deepseek-v4-pro",
    messages=[{"role": "user", "content": "Пошагово..."}],
    extra_body={"thinking": {"type": "enabled", "budget_tokens": 8000}}
)

Anthropic SDK

import anthropic

client = anthropic.Anthropic(
    api_key="your_deepseek_api_key",
    base_url="https://api.deepseek.com"
)

message = client.messages.create(
    model="deepseek-v4-pro",
    max_tokens=4096,
    messages=[{"role": "user", "content": "Что изменилось в V4 GA?"}]
)

VII. Матрица выбора

Сценарий	Рекомендация	Причина
Бюджет / высокий API volume / self-host	V4-Pro или V4-Flash	$0,87/M output, MIT, 1M контекст
Максимальный repo-coding	Claude Fable 5	80,3 % SWE-bench Pro
Terminal/shell агенты	GPT-5.6 Sol	Terminal-Bench 85,1 %
Массовые docs/logs дёшево	V4-Flash	Cache hit $0,0028/M input
Алгоритмы / соревновательное программирование	V4-Pro	LiveCodeBench 93,5 %, Elo 3 206
Compliance / без облака	V4-Pro self-host	MIT, private inference

EEAT — проверяемые факты

MoE scale: 1,6T total, 49B active — 3 % sparsity на token.
KV efficiency: 1M контекст с 10 % KV-памяти vs V3.2 (Flash: 7 %).
Open-weight coding: SWE-bench Verified 80,6 %, лучший open-weight вместе с Gemini 3.1 Pro.
Cost lever: Strategy & Ops $0,03 vs $3,48 за задачу (×116).
Peak surcharge: ×2 в будни; внепик ниже любого closed-source flagship.

VIII. Runbook миграции в 5 шагов

Шаг 1  Сканировать код на deepseek-chat / deepseek-reasoner; изолировать staging keys
Шаг 2  Mapping: chat → deepseek-v4-flash; reasoning → deepseek-v4-pro или Flash+thinking
Шаг 3  SDK: base_url=https://api.deepseek.com, model=deepseek-v4-pro или deepseek-v4-flash
Шаг 4  Внепик: batch после 18:00 Пекин; system prompt cache; routing Flash→Pro
Шаг 5  20 pilot-задач до 24.07; логировать quality/tokens/cost; production до дедлайна

IX. Частые вопросы

В: Что нового в GA vs preview?

О: Оптимизация агентов/математики/кода, пик-тарифы, legacy имена отключены 24 июля. Архитектура та же.

В: Как экономить на пик-тарифах?

О: Внепик, cache, Flash как first-pass — раздел V.

В: Нужна ли миграция?

О: Да, до 24.07 15:59 UTC. Замените chat/reasoner на v4-flash или v4-pro.

В: V4-Pro vs GPT-5.6?

О: V4 дешевле и self-hostable; GPT-5.6 сильнее в terminal-агентах. $0,87/M vs ~$15/M.

В: Self-hosting реалистичен?

О: MIT weights доступны; MoE 1,6T требует GPU/NPU — см. гид Mac cloud inference.

В: Режимы reasoning?

О: Non-think, Think High, Think Max — temperature=1.0, top_p=1.0.

Итог

DeepSeek V4 GA — переход от «почти бесплатного preview» к production-ready open-weight платформе с дисциплинированным pricing. Ценность не в мгновенном обгоне Claude Fable 5, а в frontier-уровне за 1/10–1/100 стоимости closed source — с рабочим контекстом 1M и MIT для compliance-команд.

Agent pipeline только на laptop, Linux VPS или смешанных dev-машинах означает прерывания сна, API keys рядом с prod-репозиториями и отсутствие Apple toolchain (Xcode, Fastlane, notarytool) для параллельного iOS CI. Для DeepSeek V4 агентов 7×24 плюс OpenClaw gateway и native macOS builds VPSMAC M4 Mac cloud — SSH, launchd, изолированные keys — стабильнее DIY или API-only без auditable runtime.

Источники: DeepSeek API Docs · arXiv:2606.19348 · HuggingFace · Artificial Analysis · LLMReference

Данные на 20 июля 2026. Бенчмарки частично self-reported; проверяйте официальные docs перед production.