DeepSeek V4 GA:
цены, архитектура и разрыв с GPT-5.6

Три месяца ожидания — и DeepSeek V4 full GA вышел 20 июля 2026. Этот разбор для AI-разработчиков, indie-хакеров, инженеров long-context agents и cost-sensitive product-команд: архитектура (CSA/HCA, mHC, Muon), бенчмарки против GPT-5.6 и Claude Fable 5, новая схема peak/off-peak billing и дедлайн миграции API — 24 июля 2026.

01 DeepSeek V4 GA: три срочных bottleneck для production

Относительно preview апреля GA даёт измеримый прирост в agents, math reasoning и code gen — плюс впервые time-of-day pricing. DeepSeek переходит от «почти бесплатно» к дисциплинированной коммерциализации. Четыре факта, которые нужно закрыть сегодня:

• API migration countdown: deepseek-chat и deepseek-reasoner отключаются 24 июля 2026, 23:59 (Пекин). Немигрированный production — hard stop.
• Peak/off-peak complexity: будни 09:00–12:00 и 14:00–18:00 (Пекин) — тариф ×2. 24/7 agent pipeline требует новой cost-модели.
• Closed frontier всё ещё впереди на hard tasks: Claude Fable 5 лидирует SWE-bench Pro с 80,3 %. Смотреть только leaderboard без $/task — переплата.
• Self-host ≠ zero ops: MIT да, но 1,6T MoE в production — GPU cluster. Большинство остаётся на API: latency, quotas, data residency.

One-liner: preview был сильным; GA добавляет agent/math/code upgrades и формальный pricing framework.

02 Preview → GA: таймлайн и архитектура CSA/HCA/mHC/Muon

Model family

Архитектура: 1M context без линейного KV explosion

Классический Transformer масштабирует KV cache линейно с длиной контекста. DeepSeek V4 решает это тремя механизмами — в отличие от KDA-route Kimi K3, V4 идёт через CSA + HCA:

① Hybrid attention (CSA + HCA) — MLA из V2/V3 уходит:

• Compressed Sparse Attention (CSA): KV sequence сжимается 4× через Softmax gating; FP4 «lightning indexer» делает top-k (Pro: top-1024, Flash: top-512); sliding window последних 128 tokens. На 1M context inference FLOPs — 27 % от V3.2.
• Heavily Compressed Attention (HCA): tokens сжимаются 128×, затем global dense attention; Flash использует HCA в первых 2 слоях, далее CSA/HCA чередуются.
• Net effect: KV cache на 1M — 10 % от V3.2 (Flash: 7 %).

② Manifold-Constrained Hyper-Connections (mHC): 4-channel residual stream, mixing matrix под Birkhoff polytope constraint (doubly stochastic) — стабильная signal propagation через 61 layer stack.

③ Muon optimizer: training на Muon вместо AdamW; Newton-Schulz orthogonalization градиентов — faster convergence, stable training runs.

Inference modes

Official sampling: temperature=1.0, top_p=1.0 (все режимы).

03 Benchmark matrix: open-source record vs GPT-5.6 / Claude Fable 5

SWE-bench Verified — real GitHub bugfix harness. 80,6 % — текущий open-source max, паритет с Gemini 3.1 Pro. SWE-bench Pro строже; Fable 5 лидирует с 80,3 %.

Cost per task (Artificial Analysis)

Claude Fable 5: Strategy & Ops index — $3,48/task (score 50). DeepSeek V4-Pro: $0,03/task (score 38). V4-Flash: <$0,04 во всех шести index-категориях. Fable 5 — 116× дороже при ~12 пунктах разрыва (31 %).

• Budget / high-frequency / private deploy: V4-Pro или V4-Flash
• Max code, cost не критичен: Claude Fable 5 (SWE-bench Pro top)
• Algorithms + math reasoning: GPT-5.6 Sol / Ultra
• Mass log/doc processing: V4-Flash cache-hit input $0,0028/M

04 Peak/off-peak pricing: полная таблица и cost optimization

Самое обсуждаемое изменение GA: будни 09:00–12:00 и 14:00–18:00 (Пекин) — тариф ×2, как time-of-use electricity.

Четыре рычага экономии:

• Non-realtime в off-peak: batch docs, labeling, code review после 18:00 или до 09:00
• Prompt cache: повторяющиеся system prompts; Flash cache hit $0,0028/M
• Flash как router: intent/routing на Flash, heavy reasoning на Pro
• Price change notice: DeepSeek шлёт email за 24 часа до изменения тарифов

Даже в peak V4-Pro output ($1,74/M) — 8,6× дешевле Claude Opus 4.8 ($15/M) и GPT-5.6 Sol (~$15/M).

05 deepseek-chat sunset: миграция API в 6 шагов (deadline 24.07.)

Warning: deepseek-chat и deepseek-reasoner отключаются 24 июля 2026, 15:59 UTC (23:59 Пекин).

1. Repo-wide scan: grep deepseek-chat и deepseek-reasoner в коде, CI, env vars.
2. Выбор target model: light chat → deepseek-v4-flash (Non-think); бывший reasoner → Flash Think или deepseek-v4-pro.
3. Update OpenAI SDK: поменять model; thinking через extra_body.
4. Проверка Anthropic SDK: base_url остаётся https://api.deepseek.com, меняется только model.
5. Staging load test: до 24.07. проверить peak/off-peak billing и cache hit rate.
6. Production rollout: canary deploy, monitor error rate и token cost; rollback window до deadline.

# Legacy (invalid after 24.07.)
client.chat.completions.create(
    model="deepseek-chat",
    messages=[...]
)

# New — OpenAI SDK
client.chat.completions.create(
    model="deepseek-v4-pro",
    messages=[...],
    # extra_body={"thinking": {"type": "enabled", "budget_tokens": 8000}}
)

# Anthropic SDK compatible
client = anthropic.Anthropic(
    api_key="your-deepseek-api-key",
    base_url="https://api.deepseek.com"
)
message = client.messages.create(
    model="deepseek-v4-pro",
    max_tokens=4096,
    messages=[{"role": "user", "content": "Hello, DeepSeek V4!"}]
)

06 Citable hard data, sources и engineering takeaway

• SWE-bench Verified: 80,6 % — open-source record, паритет Gemini 3.1 Pro
• 1M KV cache: 10 % от V3.2 (Flash 7 %); inference FLOPs 27 % от V3.2
• V4-Pro output pricing: off-peak $0,87/M, peak $1,74/M — ~1/10–1/100 frontier rates
• Artificial Analysis $/task: V4-Pro $0,03 vs Fable 5 $3,48 (116×)
• API migration deadline: 2026-07-24 23:59 Пекин
• License: MIT — self-host и data residency on-prem

DeepSeek V4 GA — один из главных open-source milestones 2026. Ценность не в том, чтобы сегодня обогнать Fable 5 или GPT-5.6, а в лучшей open-source performance за долю frontier cost. Peak/off-peak усложняет планирование, но unit economics остаются агрессивными.

Цены, capabilities и migration policy могут меняться — перепроверьте ссылки после релиза:

Official sources:

DeepSeek API — official docs

arXiv:2606.19348 — DeepSeek V4 technical paper

Third-party analysis:

Artificial Analysis — model cost comparison

HuggingFace — DeepSeek model hub

Командам, которые гоняют DeepSeek V4 agents с Xcode, Metal toolchain и persistent agent state, чистый API даёт latency spikes и quota jitter; shared cloud VM — hypervisor overhead и iOS CI friction. Если production требует zero-loss Apple Silicon, 7×24 uptime и стабильный iOS CI/CD с multi-model API routing (Claude Code / Codex на bare metal с Metal compile chain), ZUKCLOUD bare-metal Mac mini cloud nodes — контролируемая база: dedicated physical host, no virtualization tax, flexible day/week/month billing. Тарифы, заказ, bare-metal manifesto и DeepSeek compute stack.

Если вы всё ещё на deepseek-chat — мигрируйте до 24 июля, иначе service outage.