НОВОЕ · V4.1-Flash-1017 (релиз 10-17)
DeepSeek-V4.1-Flash-1017 обучена с применениемRLSF (обучение с подкреплением на основе самофидбека), ключевая особенность — «Wish-Driven Programming»: одно описание-пожелание сразу даёт готовый проект. DeepSWE v1.1 Pass@177.0%, средняя стоимость одной задачи — всего около$0.20(на низком тарифе $0.10), что существенно лучше по сравнению с 74.2% / $0.50 у предыдущего поколения. Имя для вызова APIdeepseek-flash: 1M контекста, максимальный вывод 384K, нативный визуальный ввод, режим размышлений включён по умолчанию.
V4.1-Flash (09-10)
MoE-модель с 552B общих параметров, нативная мультимодальность (ввод изображений); по ряду бенчмарков приближается к V4-Pro (0813) и даже превосходит её; цена вывода снижена примерно на 70% по сравнению с V4-Flash, а ввод при попадании в кэш стоит всего $0.003/1M tokens.
Серия V4 (04-24)
V4-Pro (1.6T суммарных параметров / 49B активных) и V4-Flash (284B / 13B) выпущены с открытыми весами под лицензией MIT: контекст 1M + вывод 384K, при этом вычислительные затраты на длинный контекст составляют лишь 27% FLOPs / 10% KV от показателей V3.2.
Семейство DeepSeek V4 объединяет передовые возможности с предельно низкой стоимостью инференса: V4.1-Flash-1017 с помощью обучения с подкреплением RLSF снижает стоимость агентного кодинга примерно до $0.20 за задачу; V4-Pro набирает 80.6% на SWE-Bench Verified и 93.5% на LiveCodeBench; все веса открыты под лицензией MIT, контекст 1M token, максимальный вывод 384K. Попробуйте бесплатно ниже — или сначала посмотрите бенчмарки.
Без регистрации и без создания аккаунта. Введите промпт — и получите потоковый ответ.
Ответ будет выводиться здесь в потоковом режиме…
В этой песочнице используется большая языковая модель DeepSeek. Введите промпт — и получите потоковый ответ в реальном времени.
Четыре способности определяют текущее поколение DeepSeek — официально заявленные результаты, воспроизводимые из открытых весов под лицензией MIT.
Контекст 1M token + максимальный вывод 384K. Гибридное внимание позволяет при нагрузке 1M расходовать лишь около 27% FLOPs от V3.2 и 10% кеша KV — длинный контекст больше не означает высокий счёт.
V4.1-Flash-1017 сквозным (end-to-end) образом обучает навыки проектной разработки с помощью обучения с подкреплением на основе самофидбека (RLSF): модель использует собственную уверенность и самокритику в качестве сигнала вознаграждения, достигая 77.0% в DeepSWE v1.1.
Серия V4.1-Flash нативно принимает изображения на вход, без внешнего визуального модуля — скриншоты, интерфейсы и картинки из документов попадают прямо в тот же контекст и цикл вызова инструментов.
Веса V4-Pro и V4-Flash открыты на Hugging Face под лицензией MIT (Flash — около 160GB), доступны для самостоятельного хостинга и коммерческого использования без региональных ограничений, API совместим с OpenAI / Anthropic SDK.
Данные взяты из официальных публикаций DeepSeek и открытых оценок (по состоянию на октябрь 2026 года).
| Бенчмарк | Модели | Результаты | Описание |
|---|---|---|---|
| DeepSWE v1.1 (Pass@1) | V4.1-Flash-1017 | 77.0% | Средняя стоимость одной задачи — около $0.20, низкий тариф — $0.10 |
| SWE-Bench Verified | V4-Pro | 80.6% | Исправление реальных проблем на уровне репозитория |
| LiveCodeBench | V4-Pro | 93.5% | Программирование соревновательного уровня в реальном времени |
| Terminal-Bench 2.0 | V4-Pro | 67.9% | Задачи для терминальных агентов |
| Codeforces (Rating) | V4-Pro | 3,206 | Elo в спортивном программировании |
| Putnam-200 (Pass@8) | V4-Flash | 81.0% | Математические соревнования |
16 перекрёстных сравнений с моделями GLM-5.3, GPT-5.6, Claude и др. см.Бенчмарки / DeepSeek vs GLM。
Двухуровневый MoE + сжатое разреженное внимание: сводим к минимуму вычислительные затраты на контекст 1M.
V4-Pro: 1.6T общих параметров и 49B активных на token; V4-Flash: 284B общих и 13B активных; V4.1-Flash: 552B с полностью новым дизайном энкодера. В рамках одного и того же API можно переключаться между уровнями и менять стоимость.
Комбинация сжатого разреженного внимания (CSA) и сильно сжатого внимания (HCA): при контексте 1M FLOPs составляют лишь около 27% от V3.2, а KV-кэш — около 10%; качество извлечения из длинного контекста и стоимость оптимизируются одновременно.
Предобучение на 32T+ token выполнено в смешанной точности FP4+FP8; V4.1-Flash-1017 дополнительно прошла посттренинг RLSF: сигналом вознаграждения служат собственная уверенность/самокритика модели — больше не нужно полагаться на человеческих оценщиков.
Целый репозиторий кода, договоры на сотни страниц, полные траектории агентов — всё помещается за один раз; максимальный вывод 384K достаточен для генерации целых проектов и длинных отчётов. Режим размышлений включён по умолчанию.
Лимит одновременных запросов: deepseek-flash — 2500, deepseek-v4-pro — 500; API совместим с SDK OpenAI и Anthropic, поддерживает вывод JSON и вызов инструментов. Подробнее см.Подробный разбор контекста 1M。
Действующие основные модели, доступные в API, — полный каталог см.Все модели。
Новинка · Рекомендуем
552B MoE · нативное зрение · RLSF · 1M/384K
Имя для вызова — deepseek-flash
$0.15 / $0.60 за 1M tokens (внепиковый тариф)
Флагман 1.6T/49B · MIT · 1M/384K
Имя вызова deepseek-v4-pro
$0.66 / $1.98 за миллион tokens (непиковый тариф)
552B · нативное зрение · релиз 09-10
Цена вывода примерно на 70% ниже, чем у V4-Flash
Вход при попадании в кэш — $0.003
284B/13B · MIT · веса около 160GB
Putnam-200 81.0% · SWE-Bench 79.0%
$0.14 / $0.28 за миллион tokens
"Wish-Driven Programming": полный готовый проект по одному предложению-описанию — официальные демонстрации включают 3D-модель Запретного города, браузерную гоночную игру, воссоздание Portal 2 на Godot и 3D-сцену "Valley of Ages".
Контекст 1M вмещает целый кодовый репозиторий или документ на сотни страниц; попадание в кэш стоит $0.003 за миллион tokens, благодаря чему стоимость RAG-конвейеров, многократно обращающихся к одному и тому же корпусу, стремится к нулю.
Открытые веса под лицензией MIT + API, совместимый с OpenAI/Anthropic: передовые возможности кодирования и рассуждений доступны без выхода данных за пределы внутренней сети, а миграция обходится в одну строку base_url.
Для сложных рассуждений и многофайлового кодирования выбирайте V4-Pro; для высококонкурентных нагрузок, длинных документов и сценариев, чувствительных к стоимости, — deepseek-flash (сейчас указывает на V4.1-Flash-1017, поддерживает vision, параллелизм 2500).
API тарифицируется по факту использования, бесплатной квоты нет; веса открыты под лицензией MIT, их можно развернуть самостоятельно. Демо-зона на этом сайте бесплатно предоставляет стриминговую демонстрацию.
Вызовы v4-pro начиная с 2026-09-14 маршрутизируются на V4.1-Flash; для новых проектов официально рекомендуется сразу использовать deepseek-flash. Подробнее см.Часто задаваемые вопросы。
Вернитесь в песочницу вверху страницы, введите промпт и получите потоковый ответ.