DeepSeek V4: когда выбрать Flash, а когда оставить Pro

DeepSeek V4 сегодня: две модели и переход, который нужно проверить

DeepSeek — семейство моделей, доступных через API и в виде скачиваемых весов. В документации вашего рабочего сервиса обязательно указывайте конкретную версию. Обозначения «V4» уже недостаточно, чтобы понять, какая модель обработала запрос. В текущем облачном API DeepSeek имя deepseek-flash соответствует DeepSeek-V4.1-Flash-1017, а deepseek-v4-pro — DeepSeek-V4-Pro-0813. Модели и цены.

Сведения проверены 18 октября 2026 года по актуальной странице моделей и цен DeepSeek и карточкам именно этих версий на Hugging Face. Рекомендации в статье основаны на документированных возможностях, требованиях к развёртыванию и подходах к оценке; это не результаты собственных тестов производительности.

Когда вышла новая DeepSeek V4: что изменилось 17 октября

Октябрьское обновление затронуло Flash. Оба прежних имени — deepseek-v4-flash и deepseek-v4-flash-vision-exp — по-прежнему принимаются API, но модели, которые за ними стояли, уже выведены из эксплуатации. Теперь запросы направляются к V4.1-Flash-1017 с сохранением тарифов Flash. Для новых интеграций используйте deepseek-flash. Актуальное соответствие имён и моделей.

Для команды, которая поддерживает сервис, это означает следующее: успешный запрос ещё не доказывает, что его обработала прежняя модель. Псевдоним модели похож на телефон отдела: номер остаётся тем же, а отвечает уже другой сотрудник. Если внутренний инструмент стал иначе писать, выбирать инструменты или определять длину ответа, хотя настройки не менялись, проверьте в том числе переход на другую обслуживающую модель.

Первое действие — повторно прогнать характерные задачи и сравнить результаты, прошедшие проверку. Замена строки в настройках на рекомендуемое имя сделает конфигурацию понятнее, но не вернёт выведенную из эксплуатации модель.

Это ограничения облачного API из таблицы моделей DeepSeek. Токен — единица текста, которую обрабатывает модель. Контекст — рабочее пространство запроса, а максимальный объём ответа ограничивает длину генерации. Ни один из этих показателей не гарантирует, что модель точно воспроизведёт любую часть переданных ей данных.

Если вы как технический директор оцениваете анализ репозиториев, явно указывайте нужные файлы и критерии приёмки. Большое окно позволяет передать больше материала, но само по себе не доказывает, что модель нашла нужные подтверждения или учла все ограничения.

Какую модель выбрать для своего продукта?

Сначала определите, какие входные данные нужны и какие результаты вас устраивают, затем сравнивайте эксплуатационные расходы. Для новой оценки я рекомендую начать с Flash: она поддерживает больше типов входных данных, а опубликованные тарифы на токены у неё ниже. Выделять задачи для Pro стоит, когда она даёт по ним лучшие результаты, прошедшие проверку, или когда существующая интеграция с Pro уже отвечает требованиям.

DeepSeek V4 Flash: начните с чётко ограниченной задачи

Если ваш стартап уже привлёк финансирование и вы добавляете классификацию обращений в поддержку или подготовку черновиков ответов, начните с Flash и задачи, результат которой можно проверить. Передайте нужный регламент, задайте допустимые категории и измерьте, как часто проверяющий принимает результат. Это примеры задач для оценки, а не утверждение, что модель уже справилась с вашей нагрузкой.

Если вы разрабатываете продукт самостоятельно, применяйте тот же подход к коду: выберите небольшое изменение с ясными границами, сохраните пример, воспроизводящий ошибку, и требуйте, чтобы полученный патч проходил проверки проекта. Модель, которая убедительно объясняет решение, но оставляет ошибку на месте, задачу не выполнила.

DeepSeek V4 и изображения: выбор определяется входными данными

Flash принимает изображения, Pro — нет. Поэтому для разбора ошибки интерфейса по скриншоту, обработки фотографии формы или чтения графика выбор определяется ещё до обсуждения бенчмарков. Поддержка изображений по моделям.

Если приложение передаёт сложные запросы в Pro, предусмотрите отдельную маршрутизацию для запросов с изображениями. Отправка того же запроса в модель без поддержки изображений не сохраняет исходную задачу. Если сначала превратить изображение в текстовое описание, получится уже другой процесс с дополнительным риском потерять информацию.

Оставляйте Pro для текстовых задач, где она уже доказала свою полезность. Техническому директору средней компании со стабильным внутренним помощником на Pro стоит сохранить его как точку отсчёта при оценке Flash. Опытному специалисту по эксплуатации нужно сравнивать не только готовые ответы, но и трудозатраты на проверку и обработку сбоев. Не переводите надёжный текстовый процесс на другую модель только потому, что появилась более новая версия.

В часы низкой нагрузки тарифы за 1M токенов составляют $0.15 на входе / $0.60 на выходе для Flash и $0.66 / $1.98 для Pro; в обоих случаях речь о входных токенах без кэширования. Полная сетка тарифов приведена в источнике DeepSeek и в нашем разборе цен DeepSeek.

Режим рассуждений меняет запрос, а не имя модели

Режим с рассуждениями и режим без них — настройки обеих моделей, а не отдельные продукты. В режиме рассуждений модель проходит явный этап обдумывания перед итоговым ответом. Попробуйте его для планирования, сложной отладки и задач со взаимосвязанными ограничениями. Режим без рассуждений стоит оценить для извлечения данных по заданной схеме или классификации, где дополнительное обдумывание может мало что дать.

В облачном API рассуждения включены по умолчанию. В запросах Chat Completions задайте для thinking.type значение enabled или disabled; документированные уровни усилий на рассуждение — low, high и max, по умолчанию используется high. Указывайте эти настройки явно, чтобы сравнение можно было воспроизвести. Управление режимом рассуждений.

При переносе агента проверяйте не только итоговый ответ, но и сохранение состояния диалога. Если запрос содержит tools, DeepSeek требует передавать обратно предыдущий reasoning_content, в том числе для шагов без вызова инструмента. Если его пропустить, можно получить ошибку 400. Поэтому один успешный обмен сообщениями ещё не подтверждает работоспособность многошагового агента. Требования к состоянию при работе с инструментами.

Как вызвать актуальную модель через API DeepSeek

В поле model указывайте псевдоним для API, а не имя репозитория на Hugging Face. Если ключ DeepSeek уже задан в переменной окружения DEEPSEEK_API_KEY, следующий запрос соответствует документированному интерфейсу Chat Completions:

curl --fail-with-body https://api.deepseek.com/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer ${DEEPSEEK_API_KEY}" \
  -d '{
    "model": "deepseek-flash",
    "messages": [
      {"role": "user", "content": "List the checks before releasing a small API change."}
    ],
    "thinking": {"type": "enabled"},
    "reasoning_effort": "high",
    "stream": false
  }'

Для оценки Pro на текстовых задачах замените значение модели на deepseek-v4-pro. Чтобы отключить рассуждения, задайте для thinking.type значение disabled. Документация указывает базовые URL https://api.deepseek.com для формата, совместимого с OpenAI, и https://api.deepseek.com/anthropic для формата, совместимого с Anthropic. Быстрый старт с API DeepSeek.

Пример составлен по документации; при подготовке статьи этот запрос не выполнялся. Когда подключение заработает, проверьте разбор ответов, полный цикл вызова инструментов и передачи их результатов, ошибки и тайм-ауты через тот клиент, который использует ваш продукт. Именно эти проверки определяют готовность интеграции.

Бенчмарки DeepSeek V4: без точной версии результат неполон

Конкретный чекпойнт и условия оценки важнее заголовка «Flash против Pro». Бенчмарк — это определённый набор задач, а агентная обвязка — программная среда, которая запускает инструменты и возвращает модели их результаты. Изменение любого из этих компонентов может повлиять на итог.

В карточке Flash-1017 DeepSeek приводит результат 77.0 на DeepSWE v1.1 с использованием Mini-SWE-V2 и 42.3 на Terminal-Bench 4.0 с использованием Claude Code. Это собственные показатели DeepSeek: здесь они воспроизведены с теми названиями бенчмарков и сведениями об обвязке, которые указаны в карточке. Это не независимые замеры для вашего приложения. Карточка модели Flash-1017.

Бенчмарки DeepSeek V4 Pro: всегда указывайте набор задач

В карточке Pro-0813 DeepSeek сообщает о результате 87.9 на Terminal Bench 2.1. Для публичных задач, предназначенных для агентов программирования, описано использование DeepSeek Harness в минимальном режиме с максимальными усилиями на рассуждение. Это собственный результат DeepSeek на указанной версии бенчмарка. Его нельзя ставить в один рейтинг с показателем Flash-1017 на Terminal-Bench 4.0 так, будто наборы задач были одинаковыми. Карточка модели Pro-0813.

Разработчику, который выбирает помощника для программирования, полезнее провести эксперимент с неизменными репозиторием, задачей, инструментами и критериями приёмки. Фиксируйте, работает ли патч и сколько проверки он требует. Опубликованные результаты дают основание попробовать модель, но не определяют, какой из них доверить запросы вашего работающего продукта.

Если кто-то делится старым результатом, начните с карточки конкретной версии. Оценка с подписью только «V4.1 Flash» может относиться к более раннему чекпойнту.

Открытые веса: кто будет обслуживать модель?

Для обеих рассматриваемых версий опубликованы репозитории и веса под лицензией MIT. Веса — это параметры, полученные при обучении модели. Скачав их, вы можете организовать инференс на собственной инфраструктуре. Обращение к облачному API — отдельный вариант развёртывания. Flash-1017, Pro-0813.

Для самостоятельного разработчика проба через облачный API потребует меньше работы по интеграции. Для компании, которая уже обслуживает инфраструктуру моделей, скачиваемые веса дают ещё один вариант. Главный вопрос — кто будет обеспечивать нужные мощности, устанавливать обновления, вести журналы и реагировать на инциденты.

Технический отчёт DeepSeek V4 и инструкции по развёртыванию

Карточка Flash-1017 содержит ссылки на технический отчёт V4.1 и собственные инструкции по локальному инференсу, включая преобразование весов. Карточка Pro-0813 ссылается на отчёт V4 и явно описывает обслуживание запросов с помощью vLLM и SGLang — программ для запуска инференса моделей. Следуйте инструкции именно того чекпойнта, который скачиваете. Инструкции для Flash, инструкции для Pro.

При планировании интеграции учтите конкретную особенность: обе карточки предлагают специальные реализации кодирования промптов вместо шаблона диалога в формате Jinja, который многие системы обслуживания моделей используют для компоновки сообщений. Карточка Flash также описывает deepseek-recipe для кодирования запросов и разбора ответов, но инференс, выполнение инструментов и HTTP-транспорт оставляет вызывающей стороне. Скачивание весов само по себе не собирает эти компоненты в готовую систему.

Больше вариантов для самостоятельного развёртывания — в нашем обзоре открытых LLM. Решение о способе развёртывания принимайте отдельно от оценки места модели в бенчмарках.

Search и Fetch: что теперь нужно учитывать в работе агента

Учитывайте запросы к веб-инструментам отдельно от токенов модели. На странице моделей и цен DeepSeek Search и Fetch представлены как самостоятельные API с оплатой за успешный запрос. Там же указано, что серверные инструменты в DeepSeek Harness, Claude Code и Codex уже используют эти API. Сейчас такие встроенные вызовы бесплатны, а оплата за запрос начнётся в 00:00 по пекинскому времени 1 ноября 2026 года. Уведомление об оплате Search и Fetch.

Для команды, которая поддерживает исследовательского агента, один готовый ответ может включать генерацию модели и несколько веб-операций. Панель, учитывающая только токены, не показывает всю эту нагрузку. Добавьте отдельные счётчики успешных запросов Search и Fetch и проверьте, приносят ли пользу повторы после сбоев и повторные обращения за теми же сведениями.

Эта дата меняет условия эксплуатации существующего агента, но не требует пересобирать его. До начала оплаты сделайте обращения к инструментам видимыми в учёте и установите подходящий для задачи бюджет запросов. Подробности тарифов приведены в разборе цен по ссылке.

Где ожидания завышены и что делать дальше

Новое имя, увеличенное окно контекста и открытые веса отвечают на разные вопросы. Ни одно из этих свойств не делает модель безусловным выбором для любой задачи.

Название «Pro» не задаёт универсального рейтинга качества. Большой контекст не гарантирует надёжного воспроизведения информации. Веса под лицензией MIT не означают ни готовой системы обслуживания запросов, ни бесплатного облачного инференса. А поддержка прежнего псевдонима не означает, что старая модель всё ещё доступна.

Действуйте сейчас, если продукт использует любое из прежних имён Flash: повторите приёмочные задачи и проверьте поведение текущей версии, которая обслуживает запросы. То же касается агентов со встроенными Search или Fetch: учёт использования должен отражать момент начала оплаты.

Не спешите переходить, если существующий процесс обработки текста на Pro соответствует требованиям и у вас нет измеримых причин его менять. Смена модели за псевдонимами Flash не меняет настроенный маршрут запросов к Pro: он по-прежнему ведёт к Pro-0813. Продолжайте обычные проверки, необходимые для любой внешней облачной зависимости.

Выбор поставщика — отдельный вопрос; здесь помогут сравнения DeepSeek и Claude или DeepSeek и ChatGPT. Модель должна подходить продукту и тому, как устроена работа вокруг него.

План на понедельник: выберите частую задачу с проверяемым результатом и прогоните сохранённые примеры через текущую модель и подходящего кандидата. Включите пример с изображением, если продукт их принимает, длинные входные данные и неудачный вызов инструмента. Фиксируйте результаты, прошедшие проверку, трудозатраты на проверку, затраченное время, токены модели и запросы к веб-инструментам. Переводите кандидата в рабочую эксплуатацию только тогда, когда результаты оправдывают переход.

Частые вопросы

Подпишитесь на рассылку, чтобы получать практические заметки о выборе и эксплуатации ИИ-инструментов.