DeepSeek V4 Flash официально: бенчмарки близки к Opus 4.8, цена в десятки раз ниже, Pro ещё не вышел

Где ломается наивная картина «новая модель = новые веса»

DeepSeek сделал редкий ход: поднял scores без parameter rescale. Для inference-инженеров это значит три вещи одновременно:

• Post-training-only delta: V4-Flash-0731 — тот же 284B/13B checkpoint. RL + SFT на CSA+HCA stack. Никакого MoE upscale, никакого context window bump beyond уже заявленного 1M.
• Harness unreleased: Agent benchmarks гонялись в Harness minimal mode. DeepSeek сам предупреждает: harness config сильно влияет на scores. Без публичного framework community rerun невозможен — vendor claims until proven.
• V4-Pro GA pending: Preview с апреля живёт параллельно. Официальный Pro drop и Harness framework — ещё нет. Слухи про GA 10–20 августа — unconfirmed.
• API-only ship: deepseek-chat deprecated 24 июля, но app и web-chat на 31 июля не переключились на V4-Flash. Production routing — только через API с explicit model ID.
• Operational caveats: Early adopters репортят cache hit inconsistencies и safety classifier timeouts. Funding rumors вокруг Liang Wenfeng (ник «Liang Baikai» / «Liang Sheng» в китайских форумах) — unverified.
• 斩杀线 (kill line): Китайский термин для price-performance threshold, ниже которого western frontier models экономически бессмысленны для volume work. V4 Flash сидит глубоко под этой линией.

Specs и launch numbers (31 июля 2026)

Строки без пометки «independent» — из DeepSeek launch materials или Harness minimal mode, который пока нельзя воспроизвести.

V4 Flash vs Kimi K3 vs GLM-5.2 vs Qwen3.8-Max vs closed frontier

Price gap brutal: Flash at $0.03/task vs. Fable 5 at $3.15 — ~105× spread при ~9 пунктов разницы на AA Index. Routing context: OpenRouter July 2026 rankings, GPT-5.6 price cut.

Архитектура без parameter bump — почему post-training хватает

284B dense-ish MoE с 13B activated — не trillion-scale, но CSA+HCA stack оптимизирован под agent workloads:

• CSA + HCA: Compressed Sparse Attention плюс Hierarchical Context Attention — меньше KV cache pressure на 1M context (vendor: −27% FLOPs, −10% KV cache vs. V3.2).
• mHC + Muon: Multi-head Compression стабилизирует RL post-training на long tool chains; Muon optimizer — тот же, что в V4-Pro preview pipeline.
• Harness sensitivity: Terminal Bench 82.7 и 9 coding benchmarks — Harness minimal mode. Без framework drop методология непрозрачна.
• No V4-Pro GA: Teams на Pro preview получают Flash как cheaper drop-in с higher scores — до official Pro release.

Шесть шагов независимой оценки V4 Flash

Пока Harness не опубликован и community rerun не случился, API-first eval на ваших samples — единственный evidence-based path.

1. Endpoint и model ID: DeepSeek API key, verify deepseek-v4-flash-0731. Log retention policy vendor-side — prompts с PII уходят в China jurisdiction.
2. Baseline harness: Тот же repo, тот же token cap — Kimi K3, GLM-5.2 или Qwen3.8-Max как reference. Vendor tables ≠ your workload.

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["DEEPSEEK_API_KEY"],
    base_url="https://api.deepseek.com",
)
resp = client.chat.completions.create(
    model="deepseek-v4-flash-0731",
    messages=[{"role": "user", "content": "Refactor this function without changing behavior."}],
)
print(resp.choices[0].message.content)

3. Cache hit profiling: Repeated system prompts и RAG contexts — $0.0028/M at cache hit vs. $0.14/M miss. Early users репортят inconsistencies; log everything.
4. Task-level $/success: 20–50 representative tasks из backlog; cost per successful completion vs. Kimi K3 ($0.86/task) и GPT-5.6 Sol ($1.86/task) по AA baseline.
5. Agent tool chains в изоляции: Multi-step runs на wipeable Mac — не на shared CI с stale SDKs. Vendor Harness minimal mode ≠ ваш production harness.
6. Monitor Harness drop и V4-Pro GA: DeepSeek docs + Hugging Face на framework release. Rumors 10–20 August — mark as unconfirmed. Re-evaluate routing at Pro GA.

Timeline и hard numbers

• 24 апреля 2026: V4-Pro preview — первый public V4 checkpoint.
• 24 июля 2026: deepseek-chat и deepseek-reasoner deprecated; migration на V4 pipeline.
• 27 июля 2026: Kimi K3 open weights на Hugging Face.
• 31 июля 2026: V4-Flash-0731 official API beta; 9/9 agent benchmarks above V4-Pro; Harness announced, not released.
• 3 августа 2026: Qwen3.8-Max GA — competing 2.4T MoE, API $2/$6.
• Rumor ~10–20 August: V4-Pro GA — unconfirmed.

Цифры для цитирования:

• Scale: 284B total, 13B activated, 1M context, MIT license.
• Pricing: $0.14 input / $0.28 output per 1M; cache hit input $0.0028.
• Artificial Analysis: Index 50, $0.03/task — Kimi K3: 57, $0.86; GPT-5.6 Sol и Claude Fable 5 ~+9 pts at $1.86 и $3.15/task.
• Terminal Bench 2.0: Flash 82.7 vs. Pro preview 67.9 (vendor + Harness minimal).
• OpenRouter July: V4 Flash ~943.9B tokens/day — #2 behind Mimo V2.5.

Pricing, benchmarks и release dates меняются — primary sources ниже authoritative.

DeepSeek official:

DeepSeek — official site

DeepSeek API — documentation

Independent benchmarks и weights:

Artificial Analysis — Intelligence Index and $/task

Hugging Face — deepseek-ai organization

FAQ

V4-Flash-0731 даёт vendor-run benchmarks близко к Opus 4.8 за fraction of cost — но Harness missing, cache issues reported, V4-Pro GA pending. A/B на ваших agent workflows требует machine, которую вы контролируете end-to-end. KVMFLUX Mac mini M4: root, SSH за минуты, wipe-and-retry когда API keys и model IDs меняются overnight.