DeepSeek V4 GA: полная версия —
цены, архитектура и сравнение с GPT-5.6

После трёх месяцев ожидания DeepSeek V4 в полной версии (GA) официально вышел 20 июля 2026. По сравнению с preview апреля GA улучшает агентов, математический reasoning и генерацию кода и впервые вводит дифференцированные peak/off-peak тарифы — DeepSeek переходит от «почти бесплатно» к дисциплинированной коммерциализации. Статья для команд на deepseek-chat с обязательной миграцией до 24 июля и для тех, кто выбирает между GPT-5.6, Claude Fable 5 и V4: сначала семь болевых точек, затем хронология, архитектура MoE 1,6T (CSA+HCA, mHC, Muon), бенчмарки, тройное сравнение, таблица peak-цен, чеклист миграции из шести шагов и цитируемые параметры, завершение — self-hosting на Mac и узлы NOVAKVM с большой памятью. Данные: документация DeepSeek и arXiv:2606.19348; ссылки перепроверить после релиза. Цены: страница тарифов, заказ: страница заказа; см. также гайд ds4 local и релиз GPT-5.6.

[ SECTION_01 ] // PAIN_MAP Семь болевых точек перед GA DeepSeek V4

• Legacy API отключается: deepseek-chat и deepseek-reasoner навсегда прекращают работу 24 июля 2026, 23:59 (пекинское время). Прод без смены модели получит жёсткий обрыв.
• Peak/off-peak усложняет планирование: в будни 09:00–12:00 и 14:00–18:00 (Пекин) тарифы удваиваются; agent-pipeline 7×24 без временных окон может раздуть счёт.
• Pro vs Flash неочевиден: V4-Pro (1,6T / 49B active) и V4-Flash (284B / 13B active) различаются по цене и возможностям; неверный роутинг тратит токены или качество.
• Closed-source флагманы впереди: Claude Fable 5 — 80,3% на SWE-bench Pro, V4-Pro — 55,4%; «лучший open-source» ≠ «лучшая модель вообще».
• 1M контекста не бесплатен: KV cache снижен до 10% от V3.2, но длинные agent-контексты всё равно едят RAM и compute; self-hosting от 96 GB+ unified memory (путь ds4).
• Давление compliance: финансы, медицина, госсектор предпочитают MIT + private deployment; полные веса V4-Pro локально дороги по железу.
• Три режима inference: Non-think / Think High / Think Max плюс рекомендованные temperature=1.0, top_p=1.0 требуют настройки по сценарию; слепой Think Max повышает latency и cost.

[ SECTION_02 ] // ARCHITECTURE От preview к GA: хронология и архитектура V4-Pro / Flash

Кратко: GA улучшает agent, math reasoning и code vs preview и вводит peak/off-peak billing; базовая MoE-архитектура без изменений.

Ключевые инновации (контекст 1M):

• Hybrid attention (CSA + HCA): вместо MLA V2/V3: Compressed Sparse Attention (CSA — KV сжат 4× через Softmax gating, FP4 Lightning Indexer top-k, Pro top-1024 / Flash top-512, sliding window 128 tokens) и Heavy Compressed Attention (HCA — сжатие 128×, затем dense global attention) чередуются. При 1M: 27% FLOPs V3.2, KV cache 10% (Flash 7%).
• Manifold-Constrained Hyper-Connections (mHC): 4-канальный residual stream + doubly stochastic matrix (Birkhoff polytope) для стабильных градиентов на 61 слое.
• Muon optimizer: Newton-Schulz ортогонализация градиентов при обучении — быстрее и стабильнее AdamW.

Официальные sampling defaults (все режимы): temperature=1.0, top_p=1.0.

[ SECTION_03 ] // BENCHMARK Бенчмарки и матрица vs GPT-5.6 / Claude Fable 5

Artificial Analysis (Strategy & Ops): Claude Fable 5 $3,48 за run, score 50; DeepSeek V4-Pro $0,03, score 38 — разрыв по cost 116×, score всего ~31% выше. V4-Flash ниже $0,04 за run во всех шести индексах.

Быстрый выбор: ограниченный budget / высокая частота / private deployment → V4-Pro или V4-Flash; максимум кода, cost вторичен → Claude Fable 5; алгоритмы + math → GPT-5.6 Sol / Ultra; массовые logs / docs → V4-Flash (cache hit input $0,0028/M).

[ SECTION_04 ] // PRICING Peak/off-peak: окна, полная таблица и четыре способа экономии

GA впервые вводит дифференцированные peak/off-peak тарифы, как электроэнергия. Peak (пекинское время): в будни 09:00–12:00 и 14:00–18:00, тарифы удваиваются. DeepSeek уведомляет об изменениях за 24 часа по email.

• Non-real-time в off-peak: batch документов, labeling, code review после 18:00 или до 09:00.
• Prompt cache: повторяющиеся system prompts; V4-Flash cache hit $0,0028/M.
• Flash как router: простые intents → V4-Flash, тяжёлый reasoning → V4-Pro — экономия 60–80%.
• Email для billing alerts: держать аккаунт на уведомлениях о тарифах.

Даже в peak output V4-Pro ($1,74/M) остаётся в 8,6× дешевле Claude Opus 4.8 ($15/M) и GPT-5.6 Sol (~$15/M).

[ SECTION_05 ] // MIGRATION Миграция API: чеклист из шести шагов (deadline 24 июля 23:59)

Важно: deepseek-chat и deepseek-reasoner прекращают работу 24 июля 2026, 15:59 UTC (24 июля 23:59 Пекин).

1. Поиск по репозиторию: deepseek-chat и deepseek-reasoner в коде, CI, env vars и secrets.
2. Модель по сценарию: лёгкие диалоги → deepseek-v4-flash non-think; бывший reasoner → Flash think или deepseek-v4-pro.
3. OpenAI SDK: менять только model; think mode через extra_body и thinking.
4. Anthropic-compatible path: base_url остаётся https://api.deepseek.com, model → deepseek-v4-pro или deepseek-v4-flash.
5. Staging regression: tool calling, streaming, long context; Think Max требует окно ≥384K.
6. Prod rollout и monitoring: canary до 24 июля, следить за peak tokens и error rate, включить scheduling при необходимости.

model="deepseek-chat"  (недействительно после 24 июля)
client.chat.completions.create(
    model="deepseek-chat",
    messages=[...]
)

model="deepseek-v4-pro"
client.chat.completions.create(
    model="deepseek-v4-pro",
    messages=[...],
    extra_body={"thinking": {"type": "enabled", "budget_tokens": 8000}}
)

Официальные источники (перепроверить после release):

https://api.deepseek.com

https://arxiv.org/abs/2606.19348

[ SECTION_06 ] // FACTS Цитируемые факты и self-hosting на Mac

• SWE-bench Verified 80,6%: рекорд open-source, паритет с Gemini 3.1 Pro; реальные GitHub bugfixes (публичная сводка, перепроверить).
• KV cache 10%: при 1M только 10% от V3.2 (Flash 7%), источник arXiv:2606.19348.
• Cost 116×: Artificial Analysis Strategy & Ops — Fable 5 $3,48 vs V4-Pro $0,03 за run.
• Снижение в июне: output V4-Pro $0,87/M — исторически сильное соотношение цена/качество (страница тарифов DeepSeek).
• MIT open source: веса V4-Pro и Flash можно self-host; для данных без выхода в облако.
• Hard deadline: после 2026-07-24 23:59 Пекин deepseek-chat / deepseek-reasoner недоступны (email API DeepSeek).

DeepSeek V4 GA — один из главных вех open-source LLM в 2026. Ценность не в мгновенном обгоне Claude Fable 5 или GPT-5.6, а в лучшей open-source perf за 1/10–1/100 cost closed-source.

Минусы альтернатив: ① только Claude/GPT cloud — дорогие long-context agents, код через третьих лиц, compliance audit; ② полные веса V4 на 16 GB laptop — невозможно, потерянное время; ③ Mac Studio Ultra на пару недель — простой дороже weekly high-memory rental. Для приватных тестов V4-Flash см. ds4 + деплой Mac 128 GB.

Для команд с требованиями конфиденциальности, ограниченным budget, agent 1M или максимальной API-эффективностью DeepSeek V4 Pro — самый сбалансированный open-source выбор. Воспроизводимая инфраструктура: аренда bare metal Mac Mini NOVAKVM — шесть регионов, dedicated Apple Silicon high memory, гибкость день/неделя/месяц; узел 128 GB для local inference, затем решение о покупке. Завершите миграцию до 24 июля. Страница тарифов, Страница заказа, Центр помощи.