DeepSeek V4 GA: полная версия — pricing, архитектура и gap к GPT-5.6

Текущие pain points у разработчиков:

• Legacy API sunset: deepseek-chat и deepseek-reasoner 24 июля уходят навсегда — немигрированный прод ломается.
• Сложность peak-off-peak: GA вводит time-based pricing; в peak часы тариф ×2, незапланированный batch = скрытый overcharge.
• Closed-source cost pressure: Claude Fable 5 output $50/M, GPT-5.6 Sol ~$15/M — high-frequency agent calls неподъёмны.
• 1M context в проде: многие модели заявляют 1M token, но KV Cache RAM делает deploy дорогим.

Коротко: preview уже был сильным; GA точечно прокачивает agent, math и code и добавляет формальную коммерческую pricing-модель.

Hybrid attention (CSA + HCA)

DeepSeek V4 сбрасывает MLA из V2/V3 и строит гибрид из двух новых механизмов:

• Compressed Sparse Attention (CSA): KV sequence сжимается 4× через Softmax-gated pooling; FP4 «lightning indexer» для top-k selection (Pro: top-1024, Flash: top-512); sliding window 128 tokens. На 1M context — только 27% FLOPs от V3.2.
• Heavily Compressed Attention (HCA): tokens сжимаются 128×, затем global dense attention для long-range dependencies; Flash: первые 2 слоя HCA, далее CSA/HCA чередуются; Pro — аналогично.

Итог: KV Cache memory на 1M context — 10% от V3.2 (V4-Flash до 7%).

Manifold-Constrained Hyper-Connections (mHC)

Апгрейд классических residual connections: 4-channel residual stream, mixing matrix с doubly-stochastic constraint (Birkhoff polytope) — стабильная signal propagation через 61 layer.

Muon optimizer

Training на Muon вместо AdamW; Newton-Schulz orthogonalization градиентов — faster convergence, стабильнее training curve.

Official sampling params: temperature=1.0, top_p=1.0 (все modes). Local deploy: ds4 high-memory Mac inference guide.

SWE-bench Verified — real GitHub bug fixes; 80.6% — текущий open-source record, паритет с Gemini 3.1 Pro. SWE-bench Pro строже; Claude Fable 5 лидирует с 80.3%.

Cost/performance (Artificial Analysis):

• Claude Fable 5: Strategy & Ops Index tasks — $3.48/run, score 50
• DeepSeek V4-Pro: те же tasks — $0.03/run, score 38
• DeepSeek V4-Flash: все шесть index categories — ниже $0.04/run

Fable 5 дороже V4-Pro в 116× при gap ~12 points (31%). Для большинства prod-сценариев V4-Pro — лучший price/performance.

Scenario matrix: tight budget / high-frequency / private deploy → V4-Pro или V4-Flash; max code quality → Claude Fable 5; complex algorithms + math → GPT-5.6 Sol/Ultra; massive log processing → V4-Flash (cache-hit input $0.0028/M).

Peak hours (Beijing time): будни 09:00–12:00 и 14:00–18:00. Cost optimization: batch jobs в off-peak; Prompt Cache; простые tasks на V4-Flash; DeepSeek обещает email за 24 часа до pricing changes. Даже в peak: V4-Pro output $1.74/M — 8.6× дешевле Claude Opus 4.8 ($15/M).

Critical: legacy names deepseek-chat и deepseek-reasoner permanently stop at 24 июля 2026, 15:59 UTC (23:59 Beijing).

6 шагов:

1. Repo-wide search: найти все references на deepseek-chat и deepseek-reasoner.
2. Replacement strategy: light dialog → deepseek-v4-flash; complex reasoning → deepseek-v4-pro + Think High/Max.
3. Update OpenAI SDK call: менять только model, base_url остаётся https://api.deepseek.com.
4. Configure think mode: ex-reasoner users через extra_body; Think Max требует 384K+ context.
5. Staging validation: до 24 июля прогнать core use cases в pre-prod, проверить latency и cost.
6. Peak-off-peak monitoring: schedule batch jobs по Beijing time, включить cache hit для input cost.

client.chat.completions.create(model="deepseek-chat", messages=[...])

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

V4 поддерживает OpenAI ChatCompletions и Anthropic Messages — Anthropic SDK: только update model, base_url="https://api.deepseek.com" без изменений.

Citeable hard data (DeepSeek official, 2026-07-20):

• SWE-bench Verified: 80.6%, open-source record, паритет с Gemini 3.1 Pro
• KV Cache efficiency: 1M context — 10% от V3.2 (Flash 7%)
• Cost/performance: V4-Pro $0.03 vs Fable 5 $3.48 per task, factor 116×
• Peak output: V4-Pro $1.74/M, 8.6× cheaper than Opus 4.8
• Migration deadline: 2026-07-24 23:59 Beijing, legacy API permanently off
• Sources: DeepSeek docs, arXiv:2606.19348, HuggingFace, Artificial Analysis

DeepSeek V4 GA — один из ключевых open-source milestones 2026. Ценность не в том, чтобы сразу обогнать Claude Fable 5 или GPT-5.6, а в лучшей open-source performance за 1/10–1/100 стоимости closed-source flagship.

Target audience: компании с data residency requirements, budget-conscious indie devs, agent engineers с 1M context, AI product teams на ROI. Peak-off-peak усложняет cost model, но остаётся highly competitive — переход от «price disruptor» к regulated platform = maturity signal, не regression.

Если вы ещё на deepseek-chat — миграция до 24 июля, иначе hard outage.

Чистый API call даёт быстрый V4 access, но скрывает три hidden costs: 1M context agent на shared VPS упирается в RAM, peak-off-peak batch inference без stable scheduling host, local MIT weights inference требует high-UM Mac hardware. Для 7×24 DeepSeek agent pipelines, ds4 local inference или long-context MCP Server — JEXCLOUD multi-region bare-metal Mac лучший fit: dedicated Apple Silicon unified memory, no overselling, launchd persistent gateway, 120-second provisioning. Nodes и pricing: JEXCLOUD pricing page.