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

Если вы выбираете open-source LLM в 2026 для code agents или всё ещё держите production на deepseek-chat, DeepSeek V4 GA (релиз 20 июля 2026) меняет правила. Материал для AI-разработчиков и техлидов: низкоуровневая архитектура CSA/HCA/mHC/Muon, бенчмарки против GPT-5.6 и Claude Fable 5, peak/off-peak billing и миграция API до 24 июля. Вывод заранее: V4 пока не обгоняет closed-source флагманы, но даёт лучшую open-source производительность за 1/10–1/100 стоимости; peak-тарифы удваивают счёт, но $0,87/M output остаётся конкурентным.

SECTION 01 Три риска при запуске DeepSeek V4 GA

• Legacy endpoints отключаются: deepseek-chat и deepseek-reasoner перестанут работать 24 июля 2026, 23:59 (Пекин) — немигрированный production упадёт мгновенно.
• Первый peak/off-peak billing: будни 09:00–12:00 и 14:00–18:00 (Пекин) — тариф ×2; 24/7 pipeline без scheduling раздует invoice.
• Cloud API не заменяет build chain: даже V4-Pro не собирает стабильно на виртуализированном macOS; см. сравнение аренды и покупки Mac mini M4.
• Preview vs GA: архитектура та же, но GA усилил agent, math и code generation — оценивайте по новым тарифам, а не по апрельской preview.

SECTION 02 Timeline: от preview к GA 20 июля 2026

Кратко: preview уже был сильным; GA доработал agent capabilities, math reasoning и code gen и ввёл дисциплинированную коммерциализацию — от «почти бесплатно» к предсказуемому billing.

SECTION 03 V4-Pro и V4-Flash: CSA, HCA, mHC, Muon и три режима inference

V4 отказался от MLA (V2/V3) в пользу гибрида Compressed Sparse Attention (CSA) и Heavily Compressed Attention (HCA). CSA: Softmax-gated pooling сжимает KV-последовательность ×4, FP4 «lightning indexer» делает top-k sparsity (Pro: top-1024, Flash: top-512), плюс sliding window 128 tokens. HCA: ×128 compression для global dense attention. На 1M контекста — 27 % inference FLOPs vs V3.2, KV-cache memory 10 % (Flash: 7 %).

Manifold-Constrained Hyper-Connections (mHC) стабилизируют 61-слойную сеть через 4-channel residual flow и doubly-stochastic matrix constraints. Training на Muon optimizer (Newton-Schulz orthogonalization gradients) вместо AdamW — быстрее и стабильнее сходимость на deep stack.

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

SECTION 04 Benchmarks: SWE-bench 80,6 % и cost gap 116×

SWE-bench Verified — реальные GitHub bugfix tasks; 80,6 % — open-source record, паритет с Gemini 3.1 Pro. По Artificial Analysis, Claude Fable 5 в Strategy & Ops index стоит $3,48 за run (50 points), V4-Pro — $0,03 (38 points). Fable 5 дороже в 116×, score выше лишь на ~12 points (~31 %).

SECTION 05 GPT-5.6 / Claude Fable 5 и таблица peak/off-peak

Матрица сценариев: budget / high frequency / self-host → V4-Pro или Flash; max code quality → Claude Fable 5; hard math → GPT-5.6 Sol/Ultra; massive logs → V4-Flash (cache hit input $0,0028/M). Контекст open-source landscape: обзор Kimi K3 (2,8T).

Оптимизация: batch jobs после 18:00 или до 09:00; Prompt Cache для hit rate; простой routing на Flash, heavy reasoning на Pro. Даже в peak V4-Pro output $1,74/M — в 8,6× дешевле Claude Opus 4.8 ($15/M).

SECTION 06 Миграция API до 24 июля: шесть шагов и Python

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

1. Grep по codebase: repos, CI, env vars на deepseek-chat / deepseek-reasoner.
2. Выбор target model: лёгкий dialog → deepseek-v4-flash; complex reasoning → deepseek-v4-pro.
3. Обновить OpenAI SDK: менять только model, base_url=https://api.deepseek.com без изменений.
4. Thinking mode (optional): через extra_body — замена deepseek-reasoner.
5. Staging load test: latency, token billing, peak/off-peak invoice.
6. Canary rollout до 24.07: switch production, monitor error rate; DeepSeek шлёт email за 24 ч до pricing changes.

from openai import OpenAI

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

response = client.chat.completions.create(
    model="deepseek-v4-pro",
    messages=[{"role": "user", "content": "Проанализируй этот Swift-код на узкие места производительности..."}],
    extra_body={"thinking": {"type": "enabled", "budget_tokens": 8000}}
)

V4 поддерживает OpenAI ChatCompletions и Anthropic Messages; в Anthropic SDK base_url тот же, model → deepseek-v4-pro.

SECTION 07 Цитируемые метрики, источники и infra stack

• KV-cache: 10 % memory vs V3.2 на 1M (Flash: 7 %)
• Inference FLOPs: 27 % vs V3.2 в 1M scenario
• Cost ratio: V4-Pro $0,03 vs Fable 5 $3,48 per task — 116×
• Peak pricing: output $1,74/M = 1/8,6 Opus 4.8
• Migration deadline: 2026-07-24 23:59 Пекин
• Sampling: temperature=1.0, top_p=1.0

Официальные и сторонние источники — перепроверьте после обновлений:

DeepSeek API — официальная документация

arXiv:2606.19348 — технический paper DeepSeek V4

Artificial Analysis — cost/performance data

DeepSeek V4 GA — главный open-source milestone 2026 не потому, что бьёт Claude Fable 5 или GPT-5.6, а потому что даёт top-tier performance за fraction of cost. Но cloud LLM не компилирует Xcode, не отлаживает Metal shaders и не ведёт iOS certificate chain; виртуализированный macOS — EULA risk и 20–40 % throughput loss. Рабочий stack: V4 API для long-context inference и agent orchestration, физические узлы VPSNIX M4/M4 Pro для native compile и 7×24 deploy — 100 % оригинальное железо Apple, полный Root, zero hypervisor overhead. Тарифы на странице pricing; после обзора Kimi K3 фиксируйте compute в compliant physical environment, а не на одном API vendor.

SECTION 08 Часто задаваемые вопросы