DeepSeek V4 GA:
цены, архитектура и разрыв с GPT-5.6

После трёх месяцев ожидания DeepSeek V4 GA (General Availability) вышел 20 июля 2026. Относительно апрельской preview GA даёт измеримый прирост в оркестрации агентов, математическом reasoning и генерации кода, плюс впервые — тарифы peak/off-peak. Инди-разработчики, AI-инженеры и команды на deepseek-chat получают здесь полную базу для решения: таймлайн preview→GA, архитектура V4-Pro/Flash (CSA+HCA, mHC, Muon), матрица бенчмарков, сравнение с GPT-5.6 / Claude Fable 5, стратегия peak/off-peak, 6 шагов миграции API до 24 июля, цитируемые метрики и FAQ.

SECTION 01 Какие проблемы закрывает DeepSeek V4 GA — и какие добавляет

• Legacy API отключается: deepseek-chat и deepseek-reasoner навсегда уходят 24 июля 2026, 23:59 (Пекин) — немигрированный prod упадёт;
• Сложность peak/off-peak: будни 09:00–12:00 и 14:00–18:00 (Пекин) удваивают тариф; batch-inference без планирования бьёт по бюджету;
• Разрыв preview vs GA: preview была сильной, но GA заметно улучшает agent chains и длинные code paths — документация апреля недооценивает GA;
• Давление closed-source цен: Claude Fable 5 output ~$50/M, GPT-5.6 Sol ~$15/M — высокочастотным командам нужна MIT-альтернатива с self-hosting;
• Порог 1M контекста: узкое место — память KV Cache, а не маркетинговая цифра; CSA+HCA сжимает её до 10% от V3.2.

Суть: DeepSeek V4 GA — один из ключевых open-source рубежей 2026 года: при 1/10–1/100 стоимости closed flagship даёт лучшую совокупную производительность среди open models (SWE-bench Verified 80,6%, рекорд) и впервые вводит дисциплинированную peak/off-peak модель.

SECTION 02 Таймлайн DeepSeek V4: от preview к GA

SECTION 03 V4-Pro vs V4-Flash: архитектура CSA+HCA для 1M контекста

Классический Transformer линейно раздувает KV Cache — 1M tokens было практически нереализуемо. DeepSeek V4 решает это тремя слоями инженерии:

• Hybrid Attention (CSA + HCA): Compressed Sparse Attention (CSA) сжимает KV-последовательность через Softmax-gating в 4×, выбирает top-k через FP4 «Lightning Indexer» (Pro: 1024, Flash: 512) и держит sliding window 128 tokens; Heavy Compressed Attention (HCA) сжимает в 128× для глобальной dense attention, чередуясь с CSA. На 1M: inference FLOPs 27% от V3.2, память KV Cache 10% (Flash: 7%).
• Manifold-Constrained Hyper-Connections (mHC): четырёхканальный residual stream + doubly-stochastic matrix (Birkhoff polytope) стабилизирует сигнал через 61 слой.
• Оптимизатор Muon: обучение на Muon вместо AdamW; Newton-Schulz ортogonalization градиентов — быстрее и стабильнее сходимость.

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

SECTION 04 Бенчмарки: V4-Pro как лидер open source

По Artificial Analysis: Claude Fable 5 на Strategy & Ops Index — $3,48 за прогон (score 50), DeepSeek V4-Pro — $0,03 (score 38): разрыв стоимости ×116 при ~12 пунктах score (~31%). V4-Flash держится ниже $0,04 во всех шести категориях index.

SECTION 05 DeepSeek V4 vs GPT-5.6 и Claude Fable 5: матрица выбора

• Бюджет / высокая частота / self-hosting: V4-Pro или V4-Flash;
• Максимум code quality, цена вторична: Claude Fable 5 (SWE-bench Pro 80,3%);
• Алгоритмы + математика: GPT-5.6 Sol / Ultra;
• Массовая обработка логов/docs: V4-Flash cache hit input $0,0028/M.

SECTION 06 Peak/off-peak тарифы: расчёт и четыре рычага экономии

Новинка GA: как почасовое электричество — будни peak удваивают тариф (Пекин 09:00–12:00, 14:00–18:00).

• Batch в off-peak: документы, разметка, code review после 18:00 или до 09:00;
• Prompt Cache: V4-Flash cache hit $0,0028/M — system prompts структурировать в начале;
• Flash как router: простые intents → V4-Flash, сложный reasoning → V4-Pro;
• Email-уведомления: DeepSeek предупреждает за 24 часа до изменения тарифов.

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 07 Миграция API до отключения deepseek-chat: 6 шагов

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

1. Поиск legacy имён: deepseek-chat и deepseek-reasoner в коде, CI и env vars.
2. Выбор целевой модели: лёгкий диалог → deepseek-v4-flash; сложный reasoning → deepseek-v4-pro + think.
3. Обновление OpenAI SDK: менять только model, base_url остаётся https://api.deepseek.com.
4. Настройка think mode: через extra_body, budget от 8000 tokens.
5. Staging validation: E2E regression до 24 июля, фокус на agent chains и cache hits.
6. Production rollout: canary, мониторинг peak/off-peak cost и latency.

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

НОВЫЙ — V4-Pro с think mode
client.chat.completions.create(
    model="deepseek-v4-pro",
    messages=[...],
    extra_body={"thinking": {"type": "enabled", "budget_tokens": 8000}}
)

V4 поддерживает OpenAI ChatCompletions и Anthropic Messages — в Anthropic SDK достаточно обновить model и base_url=https://api.deepseek.com.

SECTION 08 Цитируемые метрики и источники

• Рекорд open source: SWE-bench Verified 80,6%, наравне с Gemini 3.1 Pro среди open models.
• Эффективность контекста: KV Cache на 1M tokens — 10% от V3.2 (Flash: 7%).
• Price/performance: output V4-Pro off-peak $0,87/M, peak $1,74/M.
• Deadline миграции: 2026-07-24 23:59 Пекин.
• Лицензия: V4-Pro и V4-Flash — MIT, коммерческое использование разрешено.
• Sampling: официально temperature=1.0, top_p=1.0.

После релиза перепроверьте технические детали и benchmarks по официальным источникам:

DeepSeek API — официальная документация

arXiv:2606.19348 — технический paper DeepSeek V4

Hugging Face — репозиторий моделей DeepSeek

Artificial Analysis — Intelligence Index и сравнение стоимости

DeepSeek V4 GA пока не обгоняет Claude Fable 5 или GPT-5.6 по всем benchmarks — его ценность в лучшей open-source производительности при минимальной стоимости. Но для iOS CI/CD на Mac, Metal-ускоренного inference или 7×24 agent pipelines чистый API упирается в потолок: data residency, локальный Mac offline, VM без native Metal и overhead гипервизора на macOS. Для нативной Apple compute без потерь, стабильного iOS CI/CD и agent automation физические облачные Mac MACNOX — более надёжный production path: 100% Apple hardware, полный Root, нулевой hypervisor overhead, гибкая аренда по дням/неделям/месяцам. См. также обзор Kimi K3 open source, custom silicon DeepSeek и inference stack, GPT-5.6 Sol Ultra и математический reasoning.

SECTION 09 Часто задаваемые вопросы