> ## Content Index
> Fetch the complete content index at: https://matveev.tech/llms.txt
> Use this file to discover other available public pages before exploring further.

# DeepSeek V4 Pro: обзор открытой модели для кодинга
- URL: https://matveev.tech/deepseek-v4-pro/
- Published: 2026-06-21T12:59:52.000Z
- Updated: 2026-06-21T12:59:52.000Z
- Description: Китайский DeepSeek V4 Pro это крупнейшая открытая модель на 1.6 трлн параметров с контекстом в миллион токенов. Разбираю архитектуру, реальные бенчмарки и цены, которыми уже заинтересовался Microsoft.
- Author: Pavel Matveev
- Tags: LLM, AI, Open Source, Агенты, Обзор

> TL;DR: DeepSeek V4 Pro это самая большая открытая модель на сегодня: 1.6 трлн параметров (49 млрд активных), контекст в миллион токенов и агентный кодинг почти на уровне топовых закрытых моделей по бенчмаркам самой DeepSeek. Главный козырь это цена: выходные токены стоят в разы дешевле, чем у Claude или GPT-5.5\. Веса лежат под MIT, моделью уже заинтересовался Microsoft.

Я разобрал почти весь китайский десант последних месяцев: [MiniMax M3](https://matveev.tech/minimax-m3-obzor/), [Kimi K2.7](https://matveev.tech/kimi-k2-7-code/), [GLM-5.2](https://matveev.tech/glm-5-2-claude-code/), [Qwen 3.6-Plus](https://matveev.tech/qwen-3-6-plus-obzor/). А DeepSeek V4 как-то проскочил мимо, хотя это сейчас крупнейшая открытая модель в мире. Повод разобраться нашёлся сам: на этой неделе Microsoft признался, что присматривается к DeepSeek V4 ради удешевления Copilot. Когда китайскую модель рассматривают вместо OpenAI и Anthropic в собственных продуктах, это уже не игрушка.

## Что такое DeepSeek V4 Pro

DeepSeek выложила V4 в конце апреля 2026 года, сразу открытым релизом под лицензией MIT. Серия состоит из двух MoE-моделей: флагман **V4 Pro на 1.6 трлн параметров с 49 млрд активных** и младшая **V4 Flash на 284 млрд (13 млрд активных)**. Обе держат контекст в миллион токенов и выдают до 384 тысяч токенов на выходе. Цифры подтверждены [официальной карточкой модели на Hugging Face](https://huggingface.co/deepseek-ai/DeepSeek-V4-Pro?ref=matveev.tech), а не пересказами из твиттера, где параметры гуляли от 800 млрд до 1.6 трлн.

Зачем всё это. DeepSeek метит в дешёвый агентный кодинг с гигантским контекстом, чтобы можно было закинуть в модель целый репозиторий и попросить связную правку. Под капотом несколько инженерных решений, которые делают миллион токенов рабочими, а не маркетинговыми:

- Гибридная attention из Compressed Sparse Attention и Heavily Compressed Attention. На контексте в 1M токенов Pro тратит около 27% вычислений на токен и 10% KV-кэша по сравнению с прошлой V3.2\. Именно отсюда берётся дешевизна длинного контекста.
- Manifold-Constrained Hyper-Connections поверх обычных residual-связей для стабильности на глубоких слоях.
- Оптимизатор Muon вместо AdamW для более быстрой и стабильной тренировки.

Претрейн прошёл на 32 трлн токенов, дальше двухстадийный пост-трейн: сначала отдельно растят доменных экспертов через SFT и RL, потом сшивают их в одну модель дистилляцией. Контекст для самой компании не абстрактный: DeepSeek недавно подняла раунд на 7.4 млрд долларов при оценке выше 50 млрд и возглавила рейтинг самых быстрорастущих корпоративных AI-сервисов в июне. Плюс модель работает на китайских чипах Huawei Ascend, что в нынешней санкционной обстановке отдельный сюжет.

## Быстрый старт

Попробовать V4 Pro можно четырьмя путями, от «открыть в браузере» до «поднять у себя».

**Чат.** Проще всего открыть [chat.deepseek.com](https://chat.deepseek.com/?ref=matveev.tech): там есть Expert Mode и Instant Mode, и это бесплатно.

**API.** DeepSeek держит OpenAI-совместимый формат, так что подключение сводится к смене `base_url` и имени модели:

```python
from openai import OpenAI

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

resp = client.chat.completions.create(
    model="deepseek-v4-pro",          # или deepseek-v4-flash
    messages=[{"role": "user", "content": "Перепиши эту функцию без рекурсии"}],
)
print(resp.choices[0].message.content)

```

Есть и Anthropic-совместимый endpoint (`https://api.deepseek.com/anthropic`), поэтому модель спокойно цепляется в инструменты, заточенные под Claude. В релизе DeepSeek прямо упомянула интеграцию с Claude Code, OpenCode и OpenClaw. Если ты живёшь в [Claude Code](https://matveev.tech/glm-5-2-claude-code/), подменить движок на дешёвый DeepSeek реально без переписывания харнеса.

**Self-host.** Веса открыты под MIT и лежат на Hugging Face в смешанной точности FP4 + FP8\. Flash в 4-битном кванте влезает на одну мощную рабочую станцию, Pro требует небольшого кластера или арендованного GPU-бокса. Один нюанс: в релизе нет привычного Jinja-шаблона чата, вместо него DeepSeek даёт папку с Python-скриптами для кодирования сообщений. Для локального запуска придётся повозиться с этим `encoding`.

Маленькая деталь для тех, кто уже сидит на DeepSeek: старые имена `deepseek-chat` и `deepseek-reasoner` отключат 24 июля 2026 года, после этого они просто роутятся в V4 Flash. Лучше переехать на новые имена заранее.

## Ключевые возможности

### Миллион токенов, который не разоряет

Тут фишка не в самом размере окна (его сейчас показывают многие), а в эффективности. За счёт гибридной attention длинный контекст у V4 стоит в разы меньше вычислений, чем у предыдущего поколения. Для агентного кодинга, где репозиторий гоняется по кругу через десятки итераций, это решает.

### Три режима размышления

V4 переключается между Non-think (быстрые ответы для рутины), Think High (осознанный разбор для планирования) и Think Max (максимум усилий на сложных задачах). Разница огромная: на SWE-bench Verified одна и та же V4 Pro даёт 73.6 без размышления и 80.6 в режиме Max. Это важно понимать, когда читаешь чужие бенчмарки, об этом ниже.

### Агентный кодинг

По собственным замерам DeepSeek модель в режиме Max берёт 80.6 на SWE-bench Verified, 93.5 на LiveCodeBench и рейтинг 3206 на Codeforces. По этим цифрам V4 Pro идёт вровень с Opus 4.6 и Gemini 3.1 Pro, а на чистом написании кода даже впереди. DeepSeek честно говорит, что гоняет V4 на собственной внутренней разработке.

### Открытость как рычаг

MIT-лицензия снимает вопросы про данные и egress: код можно не отправлять в чужой API вообще. Даже если ты никогда не поднимешь модель сам, сама возможность ограничивает твои риски, если API однажды подорожает.

## Бенчмарки: где здесь правда

Это самый скользкий раздел любого обзора китайских моделей, поэтому давай по-честному. Когда я собирал материал, цифры по SWE-bench для V4 Pro скакали от 59% до 91% в зависимости от источника. Разгадка простая и состоит из двух частей.

Первое: режимы. Официальная карточка модели даёт по SWE-bench Verified 73.6 в режиме без размышления, 79.4 на Think High и 80.6 на Think Max. Любой блогер мог взять удобную ему цифру и выдать за «настоящую». 91% и подобные рекорды это либо нестандартный scaffolding, либо просто выдумка.

Второе, и куда важнее: кто меряет. Бенчмарки от самого вендора всегда оптимистичны. Тут на сцену выходит независимая оценка от [американского CAISI при NIST](https://www.nist.gov/news-events/news/2026/05/caisi-evaluation-deepseek-v4-pro?ref=matveev.tech), и она отрезвляет. На своём scaffolding CAISI намерил V4 Pro 74% на SWE-bench Verified против 81% у GPT-5.5\. Но интереснее held-out бенчмарки, которых не было в отчёте DeepSeek: на PortBench (портирование CLI-инструментов) модель дала 44% против 78% у GPT-5.5, на ARC-AGI-2 показала 46% против 79%. Вывод CAISI: по совокупности способностей DeepSeek V4 отстаёт от американского фронтира примерно на восемь месяцев и ближе к уровню GPT-5, чем к Opus 4.6, хотя это и самая сильная китайская модель на сегодня.

⚠️

Главное про бенчмарки: независимая оценка NIST CAISI ставит V4 Pro примерно на восемь месяцев позади фронтира, ближе к GPT-5, чем к Opus 4.6\. А громкие 80.6 на SWE-bench относятся к режиму Think Max на задачах, которые модель уже могла видеть.

Получается двойственная картина. На задачах, которые модель «видела», она блестит и реально вровень с топом. На незагрязнённых, held-out задачах разрыв с лучшими закрытыми моделями ощутимый. Мой вывод простой: не верь громкому заголовку с одной цифрой, смотри на характер задачи. Для типового кода V4 Pro отличная, для самого края сложности фронтир пока выигрывает.

## Тарифы

Вот где DeepSeek реально кусается за рынок. Цены на миллион токенов с [официальной страницы](https://api-docs.deepseek.com/quick%5Fstart/pricing?ref=matveev.tech):

| Модель                        | Кэш-хит (вход) | Вход    | Выход    |
| ----------------------------- | -------------- | ------- | -------- |
| DeepSeek V4 Flash             | $0.0028        | $0.14   | $0.28    |
| DeepSeek V4 Pro               | $0.003625      | $0.435  | $0.87    |
| Claude Sonnet (для сравнения) | —              | \~$3.00 | \~$15.00 |

Пара выводов прямо из таблицы. Выход у V4 Pro стоит примерно в семнадцать раз дешевле, чем у Claude Sonnet, а именно выходные токены съедают основной бюджет в агентном кодинге, где модель целый день пишет диффы и рассуждения. Цена кэш-хита вообще копеечная, так что стабильный системный промпт сверху и переменная задача снизу почти обнуляют входной счёт на повторяющихся задачах.

Текущие цены это результат той самой постоянной скидки 75%, о которой писали в июне. На старте в апреле Pro стоил $1.74 за вход и $3.48 за выход, теперь $0.435 и $0.87\. Снижение ровно на три четверти, и DeepSeek объявила его бессрочным.

Чтобы было предметно: одна средняя агентная задача (читать файлы, спланировать, поправить четыре файла, прогнать тесты, пару раз пофиксить) при кэш-дружелюбной структуре обходится примерно в 12 центов на V4 Pro. Та же задача на топовом фронтире по референсным ставкам обойдётся примерно в 10 долларов. Это прикидка, а не закон, но разрыв такого порядка и объясняет, почему Microsoft вообще сел считать. Один нюанс по лимитам: у Pro конкурентность ограничена 500 параллельными запросами против 2500 у Flash.

✈️

Слежу, как дешёвые открытые модели из Китая ломают экономику кодинга, и разбираю каждую новинку — [подписывайся в телеге](https://t.me/ctospeech?ref=matveev.tech).

## Вердикт

DeepSeek V4 Pro не забрала корону бенчмарков, да ей это и не нужно. Она сделала другое: сдвинула границу цена/качество так далеко, что «бери топовый фронтир на всё» перестало быть очевидным выбором для тех, кто считает деньги.

Кому зайдёт. Командам, которые гоняют много агентного кода и чувствительны к счёту за токены. Тем, кому нужен реально рабочий миллион токенов под целый репозиторий. Тем, кто хочет self-host под MIT без вопросов про данные. Самый трезвый сценарий это маршрутизация: Flash на дешёвый внутренний цикл агента, Pro на сложные, но проверяемые задачи, а топовый закрытый фронтир приберечь для критичных правок, где незаметная ошибка дороже всего.

Где осторожнее. Если задача на самом верху кривой сложности или цена ошибки высокая и её трудно отловить (продакшен-миграции, безопасность), независимые замеры CAISI намекают, что фронтир тут пока надёжнее. Режим Think Max, который даёт лучшие цифры, заметно медленнее и жрёт токены, так что экономия не бесплатна. Ну и возня с локальным запуском из-за отсутствия привычного chat template отпугнёт тех, кто хотел просто скачать и запустить.

В целом это самый интересный релиз среди открытых моделей за последние месяцы. Microsoft присматривается к V4 не из любви к Китаю, а потому что экономика бьёт в лоб. Думаю, к концу года мы увидим её движок под капотом куда большего числа продуктов, чем ожидали.

[DeepSeekПопробовать V4 Pro и Flash в чате: Expert Mode и Instant Mode, бесплатно. Веса открыты под MIT.chat.deepseek.com](https://chat.deepseek.com/?ref=matveev.tech)

## Частые вопросы

**DeepSeek V4 Pro лучше Claude или GPT-5.5?** По бенчмаркам самой DeepSeek она вровень с Opus 4.6 на агентном кодинге, но независимая оценка NIST CAISI ставит её ближе к GPT-5 (примерно на восемь месяцев позади текущего фронтира). На обычных задачах разница невелика, на самых сложных топовые закрытые модели выигрывают.

**Сколько стоит DeepSeek V4 Pro?** $0.435 за миллион входных токенов и $0.87 за миллион выходных, кэш-хит стоит $0.003625\. Это после постоянной скидки 75% от стартовой цены. Веб-чат на chat.deepseek.com бесплатный.

**Можно ли запустить DeepSeek V4 локально?** Да, веса открыты под MIT на Hugging Face. Flash в 4-битном кванте влезает на одну мощную станцию, Pro нужен небольшой кластер. Готового Jinja chat template нет, кодирование сообщений идёт через скрипты из папки encoding.

**Чем V4 Pro отличается от V4 Flash?** Pro это 1.6 трлн параметров для сложных задач и долгого планирования. Flash меньше, 284 млрд, зато быстрее и дешевле, под высокочастотную работу и внутренние циклы агента. Обе держат миллион токенов контекста.

## Что ещё почитать

- [MiniMax M3: открытая модель бьёт GPT-5.5 в кодинге](https://matveev.tech/minimax-m3-obzor/) — ещё один китайский тяжеловес для разработки
- [Kimi K2.7 Code: обзор открытой модели для кодинга](https://matveev.tech/kimi-k2-7-code/) — прямой конкурент V4 Pro на SWE-bench
- [GLM-5.2 в Claude Code: 1M контекста дешевле Claude](https://matveev.tech/glm-5-2-claude-code/) — как подключить дешёвую модель с большим контекстом в Claude Code
- [Qwen 3.6-Plus: Alibaba бросает вызов Claude](https://matveev.tech/qwen-3-6-plus-obzor/) — третий крупный игрок из Китая в агентном кодинге