DeepSeek

Лаборатория, которая доказала: передовые модели не обязаны быть закрытыми. В 2026 году DeepSeek объединила рассуждение и обычный чат в одну модель — и снова сбила цену на интеллект.

О проекте

Одна модель вместо двух:
чат и рассуждение вместе

DeepSeek — исследовательская лаборатория из Ханчжоу, основанная в 2023 году. В 2025-м она показала открытую reasoning-модель R1, а в 2026-м сделала ставку на другое: не выпускать отдельную «думающую» линейку, а научить одну модель самой решать, сколько думать.

0
DeepSWE v1.1 — уровень кодинга у V4.1 Flash
0
HLE — math / science / humanities
0
тысяч токенов контекста
0
$ за 1M выходных токенов (непиковый тариф)
Модели

Линейка 2026 года

Вместо «обычной» и «думающей» моделей — одна система с уровнями рассуждения.

Флагман · окт 2026

V4.1 Flash

Обновление 1017: быстрее, короче ответы, выше качество. Три уровня рассуждения — low, high, max.

  • DeepSWE v1.1 — 77.0
  • HLE — 36.8 → 42.6
  • Веса открыты (MIT)
Тяжёлый уровень

V4 Pro

Старшая ступень для сложных задач: длинные цепочки рассуждений, агентные сценарии, код.

  • Максимальное качество
  • Дороже Flash, но дешевле западных аналогов
  • Доступ по API
Платформа

Harness

Агентная среда: создание плагинов и инструментов через диалог. В ноябре 2026 добавлен Creator Mode.

  • Агенты и инструменты
  • Собственный поисковый API
  • Оптимизация под Codex и редакторы
История

Как это происходило

Основание

Лаборатория появляется в Ханчжоу при поддержке High-Flyer — квантового фонда.

V2 и V3

Архитектура MoE: качество растёт, стоимость падает. V3 удивляет индустрию дешевизной обучения.

R1

Открытая reasoning-модель, задавшая стандарт «думающих» моделей с открытыми весами.

V4: слияние линеек

Reasoning и чат объединены в одну модель. Летом — V4-Flash, осенью — V4.1 Flash 1017 с 77.0 на DeepSWE.

V5 на Ascend

Следующее поколение планируют обучать на китайских чипах Huawei Ascend 950.

API

Совместимо с тем,
что у вас уже есть

Формат запросов совместим с OpenAI-схемой: меняете адрес и ключ — код работает дальше.

example.py
from openai import OpenAI

client = OpenAI(
    base_url="https://api.deepseek.com",
    api_key="sk-...",
)

response = client.chat.completions.create(
    model="deepseek-v4-flash",
    messages=[
        {"role": "user",
         "content": "Объясни, как работает MoE"}
    ],
)

# ответ придёт в привычном формате
print(response.choices[0].message.content)