DeepSeek V4: чому нова модель важлива навіть без ефекту «вибуху» R1

DeepSeek V4 — це нове сімейство великих мовних моделей китайської лабораторії DeepSeek, представлене 24 квітня 2026 року у форматі preview. До нього увійшли дві версії: флагманська V4-Pro для складніших завдань і компактніша V4-Flash, орієнтована на швидкість та низьку вартість. Обидві моделі мають відкриті ваги, а отже можуть запускатися не лише через готовий сервіс, а й на власній інфраструктурі розробників. 1415

Що саме випустила DeepSeek

V4-Pro — це модель Mixture-of-Experts із 1,6 трильйона параметрів загалом, з яких під час обробки одного токена активуються 49 мільярдів. У V4-Flash — 284 мільярди параметрів загалом і 13 мільярдів активних. Обидві версії підтримують контекстне вікно до 1 мільйона токенів. 1410

На практиці це означає, що модель може працювати з дуже великими кодовими базами, довгими дослідницькими матеріалами або тривалими сесіями AI-агента без постійного дроблення даних на маленькі частини. Для орієнтиру: мільйон токенів — це сотні тисяч слів, хоча точний обсяг залежить від мови й типу тексту. 415

V4-Pro позиціонується як варіант для складного міркування, програмування та агентних сценаріїв. V4-Flash задіює значно менше параметрів на кожному кроці, тому має бути швидшою і дешевшою для масових запитів, чат-ботів та інших навантажень із високою кількістю звернень.

Обидві моделі доступні як завантажувані ваги та через API DeepSeek, а не лише як закритий сервіс, де користувач взаємодіє з моделлю виключно через чужу інфраструктуру. 1415

Чим V4 відрізняється від попереднього «шоку» R1

DeepSeek R1 свого часу змінила уявлення ринку про те, скільки може коштувати сильна модель із розвиненим міркуванням. Її поява стала несподіванкою: китайська лабораторія продемонструвала конкурентний результат за значно нижчої вартості, ніж багато хто очікував.

V4 навряд чи матиме такий самий ефект несподіванки. Після R1 ринок уже звик до думки, що китайські розробники можуть створювати потужні й недорогі моделі. Тому головна новизна V4 — не стільки в тому, що вона знову «доводить можливість» сильного китайського AI, скільки в тому, як цю технологію можна використовувати щодня: у програмуванні, агентних системах, довгих контекстах і локальній інфраструктурі.

Заявлена продуктивність: сильні обіцянки, але ще не вирок ринку

DeepSeek стверджує, що V4-Pro конкурує з провідними закритими моделями за показниками міркування, знань, програмування та агентних бенчмарків. Компанія також називає V4 однією з найсильніших відкритих моделей для агентного програмування. 1415

Однак це все ще preview-реліз, а наведені результати — передусім заяви самого розробника. Вони не замінюють широкого незалежного тестування на реальних робочих навантаженнях: від підтримки великих репозиторіїв до стабільності автономних агентів і роботи з українською та іншими мовами.

Мільйон токенів без пропорційного зростання витрат

Ключова технічна особливість V4 — гібридна механізм уваги, що поєднує розріджену й сильно стиснену увагу. Спрощено, модель детальніше обробляє недавню частину контексту, а старішу інформацію зберігає у компактнішому представленні.

За даними DeepSeek і Hugging Face, при роботі з контекстом у 1 мільйон токенів V4-Pro потребує близько 27% обчислень на інференс одного токена порівняно з V3.2 і 10% пам’яті KV-кешу. Для V4-Flash ці показники становлять відповідно 10% і 7%. 16

Якщо ці результати підтвердяться на різних системах, ефект буде практичним: великі кодові бази, архіви документів і довготривалі агенти можуть стати помітно дешевшими в обслуговуванні. Саме тут V4 може вплинути на ринок сильніше, ніж черговий рекорд у тестовому бенчмарку.

Ставка на програмістів і AI-агентів

DeepSeek розробляла V4 з огляду на програмування та агентів, які можуть викликати інструменти, читати файли, виконувати команди й послідовно працювати над завданням. Модель заявлена як сумісна з такими середовищами для розробників, як Claude Code, OpenClaw і CodeBuddy. 14

Втім, сумісність із цими інструментами не означає автоматичної рівності Claude чи інших провідних закритих моделей. Це означає, що розробники отримують дешевшу альтернативу, яку можна підключити через API або розгорнути на власній інфраструктурі, якщо це дозволяють обладнання та програмне оточення.

Чому тут важливі Huawei Ascend і санкції США

V4 стала першою великою моделлю DeepSeek, яку суттєво адаптували для роботи з чипами Huawei Ascend, а не орієнтували передусім на графічні процесори Nvidia. Reuters повідомляв, що Huawei використовувала свої чипи в частині процесу навчання V4, а саму модель адаптували до технологій компанії.

Це має стратегічне значення на тлі американських обмежень на експорт передових AI-чипів до Китаю. Якщо сильна модель ефективно працює на китайському обладнанні, це допомагає перевірити на практиці альтернативний ланцюжок: китайські чипи, власний програмний стек і моделі, оптимізовані під нього.

Після релізу V4 Reuters також повідомляв про різке зростання попиту на чипи Huawei Ascend 950: великі китайські інтернет-компанії поспішали забезпечити майбутні поставки. 1

Чи означає це кінець переваги Nvidia

Ні. Запуск моделі на Huawei Ascend не дорівнює заміні всієї екосистеми Nvidia. Перевага Nvidia складається не лише з самих GPU, а й із високошвидкісних з’єднань між ними, зрілої екосистеми CUDA, оптимізованих бібліотек, накопичених інструментів, знайомства розробників із платформою та широкої доступності в глобальних хмарних сервісах.

Крім того, відкриті публічні дані не дають змоги точно встановити, яку частину повного навчання V4 виконали на китайських чипах, а яку — за допомогою іншого обладнання. Тому твердження про повністю вітчизняне навчання моделі варто вважати непідтвердженими. Відомо радше про глибоку оптимізацію та підтримку інференсу на Huawei Ascend. 23

Який сценарій може реалізуватися далі

Якщо системи на кшталт супернодів Huawei Ascend 950 забезпечать достатню продуктивність, стабільні інструменти розробки, необхідні обсяги поставок і нижчу сукупну вартість, вони можуть посилити переваги ефективної архітектури V4. У такому разі Китай отримає не просто окрему модель, а основу для паралельної AI-інфраструктури, менш залежної від Nvidia.

Це реалістичний стратегічний напрям, але ще не доведена заміна глобального стека на базі Nvidia. Масштабування виробництва, якість програмного забезпечення, надійність кластерів і незалежні порівняння продуктивності залишаються відкритими питаннями.

Висновок

R1 змінила сприйняття DeepSeek, показавши, що китайська лабораторія може створити сильну модель міркування за низькою ціною. V4 потенційно важлива інакше — як операційний крок.

Вона поєднує відкриті ваги, мільйонний контекст із нижчими витратами інференсу, фокус на програмуванні та AI-агентах і спробу перенести ці можливості на китайську апаратно-програмну основу. Саме тому V4 може не спричинити нового глобального шоку, але водночас мати глибші довгострокові наслідки для того, хто контролюватиме AI-інфраструктуру майбутнього.