После выхода DeepSeek V4 первые независимые оценки не заставили себя ждать — и картина получилась неоднозначной, но в целом впечатляющей. Модель быстро закрепилась среди лидеров open-source сегмента, особенно в задачах программирования, одновременно предложив рынок цену, которая фактически «ломает» привычные ориентиры.

По данным различных платформ:

Arena.ai поставила V4 Pro (в режиме рассуждения) на

3-е место среди open-source моделей по коду

14-е место в общем рейтинге и назвала релиз «существенным скачком» относительно V3.2

Vals AI показала еще более громкий результат:

1-е место среди open-weight моделей

обгон даже закрытых моделей вроде Gemini 3.1 Pro

прирост производительности примерно в 10 раз по сравнению с V3.2

В суммарном рейтинге Vals модель заняла 2-е место, уступив лидеру всего 0.07% — фактически статистическая погрешность.

Именно в программировании DeepSeek V4 показывает максимальный результат. В ряде тестов он:

сравним с лучшими закрытыми моделями,

местами превосходит их,

уже используется внутри самой компании как основной инструмент для агентного кодинга.

Это важный момент: раньше open-source модели почти всегда проигрывали в коде. Теперь этот разрыв практически исчез.

Если качество впечатляет, то цена — шокирует.

V4-Flash: ~$0.28 за миллион токенов (выход)

V4-Pro: ~$3.48 за миллион токенов

Для сравнения:

Claude Opus — до $25

GPT-5.4 — до $15

Разница достигает до 99%. То есть речь не о конкуренции, а о полном пересмотре ценовой модели.

Сообщество разделилось:

Одни называют V4 «новым шокирующим моментом» и утверждают, что теперь можно запускать уровень GPT-5 дома.

Другие отмечают, что в реальных задачах разница с V3.2 не всегда ощущается, особенно для опытных пользователей.

Такая поляризация типична для прорывных релизов: метрики растут быстрее, чем субъективное восприятие.

Компания оценивает себя сдержанно:

уровень — близок к топовым закрытым моделям,

отставание — примерно 3–6 месяцев,

в коде и agent-задачах — минимальный разрыв.

Также отмечается ограничение: из-за нехватки вычислительных ресурсов пропускная способность Pro-версии пока ограничена, но ожидается дальнейшее снижение цен.

V4 поддерживает до 1 миллиона токенов контекста и использует новую архитектуру внимания:

CSA — сжатое и выборочное внимание

HCA — агрессивное сжатие для глобального понимания

Это позволяет резко снизить вычислительные затраты:

у Pro — до 27% от предыдущего поколения

у Flash — до 10%

При этом модель адаптирована под альтернативные чипы (Huawei Ascend), что усиливает тренд на независимость от NVIDIA.

Итог: «разнос» или только начало?

Если коротко: это не провал — это сильный рывок, но не без ограничений.

DeepSeek V4:

✅ закрепился в топе open-source моделей

✅ стал одним из лидеров в коде

✅ предложил беспрецедентную цену

⚠️ пока ограничен по инфраструктуре

⚠️ субъективно не всегда ощущается как «революция»

Главное здесь даже не текущие цифры, а тренд. DeepSeek показывает, что:

топ-уровень ИИ можно делать дешевле,

open-source может конкурировать с закрытыми моделями,

эффективность становится важнее масштаба.

И если эта динамика сохранится, вопрос «это хайп или нет» быстро сменится другим: кто вообще сможет выдержать такую конкуренцию по цене и эффективности.