DeepSeek V4 GA: полный релиз
цены, архитектура и сравнение с GPT-5.6

20.07.2026 DeepSeek V4 General Availability вышел в production. Архитектура MoE не новая — с 24.04 она уже open-source под MIT — но GA — это «выпускной» preview: стабильность, оптимизация inference и коммерческий billing. Полная версия усилила Agent, math и code generation и впервые ввела дифференцированные тарифы peak/off-peak — сигнал перехода от «почти бесплатно» к дисциплинированной монетизации.

V4 отказался от MLA (V2/V3) в пользу гибрида CSA (Compressed Sparse Attention) и HCA (Heavily Compressed Attention): при 1M context KV Cache занимает 10% памяти V3.2 (у V4-Flash — 7%), inference FLOPs — 27% от V3.2. mHC (manifold-constrained hyper-connections) стабилизирует 61-слойную сеть через 4-channel residual flow; обучение — оптимизатор Muon вместо AdamW.

Три режима inference: Non-think (максимальная скорость, без chain-of-thought), Think High (явный reasoning, code debug), Think Max (максимальная глубина, нужен 384K+ context — сложная математика и long-chain Agent). Рекомендуемые sampling params: temperature=1.0, top_p=1.0.

Ограниченный бюджет / high-frequency / private deploy → V4-Pro или V4-Flash; максимум code quality, cost не критичен → Claude Fable 5; сложные алгоритмы + math reasoning → GPT-5.6 Sol / Ultra; массовая обработка логов и документов → V4-Flash (cache-hit input $0,0028/M).

Peak (пекинское время, будни): 09:00–12:00 и 14:00–18:00. Даже в peak output V4-Pro ($1,74/M) в 8,6× дешевле Claude Opus 4.8 ($15/M).

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

DeepSeek V4 GA — один из главных milestone open-source LLM в 2026. Ценность не в победе над closed flagship, а в лучшем open-source performance при минимальном cost. Для компаний с data residency, indie-разработчиков с tight budget и Agent-инженеров с 1M context V4-Pro сейчас самый сбалансированный выбор.

Self-host V4-Flash для Agent routing на consumer Mac с 16GB RAM нереалистичен — ds4 local inference указывает минимум 96GB unified memory. Чистый API снимает hardware barrier, но high-frequency Agent pipeline требует стабильного 7×24 хоста: VPS без Metal, swap jitter → timeout на long context. Для production с iOS CI/CD и AI Agent automation аренда Mac Mini в MESHLAUNCH обычно практичнее: dedicated Apple Silicon, upgrade до 64GB+ unified memory, 7×24 uptime, гибкий billing по дням/неделям/месяцам. Тарифы — на странице цен, onboarding — в центре помощи.