DeepSeek V4 Flash: что известно о модели на 284 млрд параметров и фреймворке Harness

V4 Flash — более быстрый и экономичный вариант по сравнению с V4 Pro. При этом DeepSeek заявляет, что новая версия приблизилась к старшей модели на тестах, связанных с программированием и автономными агентами .

Характеристики DeepSeek V4 Flash

Если учитывать подключённый модуль чернового декодирования DSpark, размер репозитория оценивается примерно в 304 млрд параметров . Но в работе на каждом шаге задействуется лишь около 13 млрд. Именно такой подход позволяет MoE-модели сочетать широкий набор специализированных «экспертов» с более умеренными затратами на инференс .

Что даёт лицензия MIT

Веса V4 Flash доступны для загрузки и самостоятельного развёртывания. Лицензия MIT допускает коммерческое использование, модификацию и распространение без лицензионных отчислений . Для компаний это означает возможность запускать модель в собственной инфраструктуре, дообучать её и встраивать в коммерческие продукты — с учётом условий самой лицензии и требований конкретной инфраструктуры, через которую предоставляется доступ.

Модель опубликована на Hugging Face и доступна в экосистемах, поддерживающих её форматы. Однако «открытые веса» не означают, что полноценный запуск будет простым на обычном компьютере: при FP8 одни только веса занимают около 284 ГБ . Для работы с контекстом в 1 млн токенов рекомендуемая конфигурация — четыре NVIDIA H200 SXM5 с суммарно 564 ГБ видеопамяти .

Как DeepSeek помещает миллион токенов в контекст

Ключевая особенность V4 — гибридная система внимания, состоящая из двух механизмов.

• Compressed Sparse Attention (CSA) сжимает записи key-value в четыре раза по длине последовательности. Затем Lightning Indexer выбирает для каждого запроса 512 наиболее релевантных сжатых блоков, сокращая объём вычислений .
• Heavily Compressed Attention (HCA) использует сжатие в соотношении 128:1 и предназначен для обработки очень длинной истории .

Слои CSA и HCA чередуются. При этом отдельная скользящая область сохраняет последние 128 исходных токенов — это помогает модели не терять самые свежие детали разговора или документа .

Проще говоря, модель не обрабатывает весь миллион токенов одинаково подробно: недавняя информация хранится почти без сжатия, а более ранний контекст представляется в компактном виде и подключается выборочно.

FP4 и FP8: ставка на экономию памяти

Веса MoE-экспертов хранятся в формате FP4, тогда как параметры внимания, нормализации, маршрутизатора и общих экспертов остаются в FP8 . Такой смешанный формат уменьшает объём модели на диске и в видеопамяти по сравнению с полностью FP8-вариантом .

Также доступна версия DeepSeek-V4-Flash-NVFP4, подготовленная NVIDIA . Это может упростить запуск на совместимом оборудовании, но требования к памяти всё равно остаются значительно выше, чем у большинства компактных локальных моделей.

Три режима глубины рассуждений

Разработчики могут управлять затратами на рассуждение через параметр reasoning_effort. Доступны три режима:

• Non-think — быстрые ответы для рутинных задач, классификации и решений с низким риском;
• Think High — более тщательный анализ для сложных вопросов, планирования и генерации кода;
• Think Max — максимальная глубина рассуждений с отдельными настройками, ориентированными на самые сложные многошаговые задачи .

Для прикладных систем это означает возможность выбирать баланс между скоростью, стоимостью и качеством ответа отдельно для каждого сценария — например, использовать Non-think для маршрутизации запросов, а Think High или Think Max для отладки кода.

Сколько стоит API

Текущая заявленная цена DeepSeek V4 Flash составляет:

Кэшированные входные данные — например, повторяющийся системный промпт или общий префикс — обходятся на 98% дешевле обычных входных токенов .

На фоне крупных закрытых моделей разница особенно заметна на выходных токенах, которые часто составляют значительную часть расходов в агентных и программных сценариях. По сравнению с приведёнными в источниках тарифами $15 за 1 млн выходных токенов у Sonnet 4.6 и $30 у GPT-5.5, цена V4 Flash ниже примерно в 54 и 107 раз соответственно . Поэтому ряд отраслевых обзоров называет модель самым дешёвым API «фронтирного» класса .

Что показала версия V4-Flash-0731

DeepSeek сообщила о заметном росте результатов на задачах, связанных с программированием и автономной работой агентов. В официальном журнале обновлений указаны следующие показатели:

• Terminal Bench 2.1: 82,7;
• NL2Repo: 54,2;
• другие агентные тесты: 76,7 .

В релизных материалах говорится, что V4-Flash-0731 теперь показывает результаты, сопоставимые с V4 Pro на агентных и программных бенчмарках . Это размывает привычную схему «Pro — качество, Flash — скорость»: для массовых агентных задач более дешёвая версия может оказаться практичнее старшей.

При этом точные показатели SWE-bench для V4-Flash-0731 в рассмотренных материалах независимо не подтверждены . Поэтому сравнивать модель с конкурентами по одному конкретному тесту следует осторожно.

DeepSeek Harness: следующий шаг к ИИ-агентам

Параллельно с обновлением модели DeepSeek развивает собственный агентный слой — DeepSeek Harness. Это не ещё одна языковая модель, а фреймворк исполнения агентов: он должен управлять контекстом, вызывать внешние инструменты и помогать LLM самостоятельно доводить задачи до результата .

Название Harness впервые появилось в журнале изменений V4-Flash-0731 с пометкой «скоро будет выпущен» . 1 августа компания начала приглашать разработчиков open source в закрытое бета-тестирование. От кандидатов требуется опыт работы с проектами, связанными с Agent Harness, а также GitHub ID и примеры собственных проектов .

Команду Harness, по имеющимся сообщениям, начали формировать в марте 2026 года после прихода в DeepSeek Цуй Тяньи . Дата публичного релиза фреймворка пока не объявлена . Утверждения о предыдущей работе Цуй Тяньи в TSY Capital и Jane Street встречаются лишь в одном из рассмотренных материалов и не были независимо подтверждены .

Почему это важно для рынка

В V4 Flash сходятся сразу три тенденции:

1. Открытые веса — компании получают больше контроля над размещением и настройкой модели.
2. Низкая цена API — применение ИИ в больших объёмах становится ближе к обычной инфраструктурной статье расходов, а не к дорогому премиальному сервису.
3. Переход от чат-ботов к агентам — ценность модели всё чаще определяется не только качеством ответа, но и тем, насколько хорошо она планирует действия, использует инструменты и работает с длительными задачами.

Стратегия DeepSeek связывается с идеей создания дешёвых и при этом сильных моделей как одного из путей к AGI . Лицензия MIT и тариф $0,14/$0,28 за миллион токенов — наиболее наглядные практические проявления этого подхода, хотя прямые цитаты главы компании Ляна Вэньфэна о стратегии AGI в собранных материалах не подтверждены.

На внутреннем рынке DeepSeek конкурирует с Alibaba и её семейством Qwen, ByteDance с Doubao, Moonshot AI, MiniMax и Z.AI . Отдельные публикации также сообщают о подготовке возможного IPO DeepSeek, однако сроки, андеррайтеры и детали подачи документов не подтверждены .

Итог

DeepSeek V4 Flash — это не просто очередная большая модель. Её ставка сделана на сочетание открытых весов, огромного контекстного окна, экономичной MoE-архитектуры и очень низкой цены API. Для разработчиков, которым нужны массовая генерация кода, обработка длинных документов или агентные сценарии, модель выглядит особенно интересной.

Но есть и практичесное ограничение: самостоятельное развёртывание полной версии требует серьёзной GPU-инфраструктуры. Поэтому для большинства команд реальный выбор будет стоять между недорогим API и локальным запуском квантованной версии, а не между «запустить на ноутбуке» и «не запускать вовсе».