Почему DeepSeek V4-Flash так быстро возглавил OpenRouter

DeepSeek-V4-Flash-0731 стал наглядным примером того, как быстро может измениться «модель по умолчанию» для разработчиков. Когда одновременно появляются очень низкие тарифы, огромный контекст и доступ через API-агрегатор, новая модель получает шанс мгновенно собрать огромный объём тестового трафика.

По данным TechNode, DeepSeek V4 Flash занял первое место в недельном рейтинге использования моделей OpenRouter за период с 27 июля по 2 августа, обработав 7,22 трлн токенов. 5 Однако интерпретировать этот результат как чистый эффект четырёхдневного запуска было бы неверно.

Что сделало V4-Flash привлекательным

Версия от 31 июля — это разреженная модель типа MoE (mixture of experts, «смесь экспертов»): всего у неё 284 млрд параметров, но на каждый токен активируются 13 млрд. OpenRouter указывает контекстное окно в 1 310 720 токенов и позиционирует модель для программирования, рассуждений и агентных процессов. 1

Для команд, которые считают расходы на миллионы и миллиарды токенов, это сочетание выглядит особенно интересно:

• Большие репозитории и длинные документы. Крупное контекстное окно позволяет реже дробить исходные материалы на множество отдельных запросов.
• Агентные циклы. Системы, которые вызывают инструменты, планируют действия, проверяют результат и исправляют ошибки, быстро накапливают входные и выходные токены.
• Пакетная обработка. Классификация, извлечение данных, суммаризация и преобразование текстов обычно очень чувствительны к стоимости при росте объёма.

Сама по себе MoE-архитектура не доказывает ни более высокое качество, ни гарантированно низкую итоговую цену. Её экономический смысл в другом: на токен задействуется лишь часть общей модели, поэтому вычислительная нагрузка может быть ниже, чем у плотной модели сопоставимого полного размера. Но итог для конкретного приложения зависит также от задержек, доступной мощности провайдера, маршрутизации, структуры промптов и длины ответов.

Первое место в рейтинге — реальный факт, но не «чистый» результат запуска

TechNode сообщает, что за неделю с 27 июля по 2 августа DeepSeek V4 Flash обработал на OpenRouter 7,22 трлн токенов. В том же материале сказано, что китайские модели заняли первые четыре позиции, а DeepSeek V4 Flash 0731 и V4 Pro вошли в первую шестёрку. 5

Но неделя началась до публичного бета-релиза 31 июля 2026 года. До этого V4 Flash уже существовал как preview-маршрут, а релиз 0731 заменил эту предварительную версию на API-эндпоинте deepseek-v4-flash. 3 Следовательно, нельзя утверждать, что все 7,22 трлн токенов были созданы исключительно новой версией 0731.

Есть и второй важный фактор — бесплатный доступ. По данным того же TechNode, 1 августа модель обработала в OpenCode 8 трлн токенов: 5 трлн пришлись на бесплатные тесты, ещё 3 трлн оплатили разработчики. 5 Пробный трафик важен: он снижает порог входа и позволяет быстро познакомить разработчиков с моделью. Но его нельзя приравнивать к устойчивому платному использованию в продакшене.

Более аккуратный вывод такой: V4-Flash очень быстро получил широкое распространение и огромный объём экспериментов. Имеющихся данных недостаточно, чтобы доказать, что весь ранний рост был следствием платных миграций или длительного промышленного использования.

Цена — самая понятная часть предложения

Тарифы зависят от провайдера, конкретного маршрута, скидок, кеширования и даты проверки. В публикациях о релизе 31 июля упоминалась официальная цена $0,14 за 1 млн некешированных входных токенов и $0,28 за 1 млн выходных; в начале августа OpenRouter показывал иные ставки для отдельных маршрутов. 3

В более поздней карточке OpenRouter для маршрута deepseek-v4-flash-0731 указаны $0,05 за 1 млн входных токенов, $0,16 за 1 млн выходных и $0,013 за 1 млн токенов чтения из кеша. 1

При этих ставках разница с приведёнными тарифами конкурентов выглядит очень большой:

Модель	Указанная цена за 1 млн входных / выходных токенов	Относительно V4-Flash по $0,05 / $0,16
DeepSeek V4-Flash-0731	$0,05 / $0,16 1	Базовый уровень
Kimi K3	$3 / $15 17	примерно в 60 / 94 раза дороже
GPT-5.6 Sol	$5 / $30 17	примерно в 100 / 188 раз дороже
Claude Fable 5	$10 / $50 17	примерно в 200 / 313 раз дороже

Это арифметическое сравнение опубликованных прайс-листов, а не доказательство равенства моделей по качеству, скорости, надёжности инструментов, безопасности или доступности сервиса. Нельзя вывести из него и универсальную «стоимость задачи»: счёт зависит от объёма ввода и вывода, кеширования, повторных попыток, вызовов инструментов, выбранного провайдера и того, как часто система переключает задачу на более дорогую модель.

Чем V4-Flash отличается от Kimi K3, GPT-5.6 Sol и Claude Fable 5

Эти модели не стоит считать взаимозаменяемыми только потому, что все они рассчитаны в том числе на сложное программирование и агентные сценарии. В использованном сравнении Kimi K3 описана как MoE-модель с 2,8 трлн параметров и контекстом в 1 млн токенов; для GPT-5.6 Sol указано 1,05 млн токенов контекста, для Claude Fable 5 — 1 млн. 17

Для покупателя важнее не идеология модели, а практическая роль в рабочем процессе:

• V4-Flash — кандидат для экономичного массового использования. Его маршрутная цена особенно интересна для повторяющихся, контекстно ёмких и токенозатратных задач. 1
• Kimi K3 — более дорогая альтернатива с открытыми весами в приведённом сравнении. Её цена может быть оправдана, если собственные тесты команды, возможности или вариант развёртывания лучше соответствуют задаче. 17
• GPT-5.6 Sol и Claude Fable 5 — премиальные варианты в этом сравнении. Более высокий тариф может окупаться там, где внутренняя оценка показывает заметно лучшее качество завершения задач, надёжность, интеграции или скорость. 17

Открытые бенчмарки полезны для первичного отбора, но один показатель не определяет модель для продакшена. Утверждение о результате 25,2 против 25,7 в сравнении «Agent Ultimate» не было независимо подтверждено представленными первичными источниками, поэтому использовать его как доказательство почти полной эквивалентности нельзя. В материалах DeepSeek приведены, например, 82,7 на Terminal Bench 2.1 и 54,2 на NL2Repo, но и эти результаты требуют проверки на реальных задачах конкретной команды. 10

Где проходит реальная граница «цена — качество»

Для средней команды разработки вопрос обычно звучит не так: «Какая модель выше в лидерборде?» Гораздо полезнее другой: достаточно ли модель надёжна на наших задачах, чтобы экономия пережила стоимость ошибок, повторов и переключений?

Практичный план проверки выглядит так:

1. Соберите репрезентативный набор задач. Включите обычные запросы, сложные пограничные случаи, длинный контекст, структурированные ответы, вызовы инструментов, а также требования безопасности и соответствия политикам.
2. Оценивайте завершённые задачи, а не только цену токена. Измеряйте точность, успешность работы с инструментами, соблюдение схемы ответа, время выполнения, число повторов, объём ручного вмешательства и долю переключений на другую модель.
3. Считайте смешанную стоимость. В неё должны входить входные, выходные и кешированные токены, неудачные попытки и эскалации на премиальные модели — не только цена первого API-вызова.
4. Маршрутизируйте по риску. Дешёвую модель имеет смысл ставить на массовый поток лишь после прохождения нужного порога качества; более дорогие варианты разумно оставить для сложных, критичных к ошибкам или ограниченных политиками задач.
5. Продолжайте мониторинг после запуска. Практическая ценность модели меняется вместе с маршрутизацией провайдеров, лимитами, промптами и самим продуктом.

Именно поэтому взлёт V4-Flash важен даже при возможном влиянии бесплатных тестов. Агрегатор моделей дал разработчикам возможность практически без трения проверить очень дешёвый вариант с длинным контекстом. Если он показывает приемлемый результат на внутренних продакшен-оценках, часть рутинного трафика действительно может уйти от более дорогих моделей по умолчанию.

Что пока не подтверждено

Имеющиеся материалы подтверждают лидерство с 7,22 трлн токенов за неделю на OpenRouter, пересечение отчётного периода с эпохой preview-версии и заявленную значительную долю бесплатного тестового трафика в OpenCode. 35

Но они недостаточны для утверждений, что китайские модели заняли девять из десяти первых мест, четырнадцать недель подряд превосходили США по числу вызовов, вызвали масштабную миграцию разработчиков из США и Европы, обеспечили фактическое сокращение стоимости инференса на 60–85% или вынудили GPT-5.6 Luna снизить цену на 80%.

Для таких выводов нужны прямые данные панели OpenRouter, архивы тарифов провайдеров либо воспроизводимые исследования реальных рабочих нагрузок. Пока наиболее обоснованный итог скромнее: DeepSeek V4-Flash соединил крайне низкие заявленные цены на отдельных маршрутах, большой контекст и широкий доступ именно в момент, когда разработчики активно искали более дешёвые модели для кода и агентов. Этого достаточно для быстрого всплеска использования — но недостаточно, чтобы объявить долгосрочную перестройку рынка доказанным фактом.