Компания DeepSeek официально запустила публичную бета-версию API для своей облегченной модели V4-Flash. Результаты внутреннего тестирования оказались неожиданными: новая версия не только значительно усилила агентные способности, но и по ряду показателей превзошла более тяжелую и дорогую V4-Pro-Preview.

Что изменилось в архитектуре

Обновление затронуло исключительно API модели V4-Flash. Старшая V4-Pro, а также официальное приложение и веб-версия DeepSeek пока остались без изменений. Ключевой акцент сделан на агентные задачи — сценарии, где модель действует самостоятельно: пишет и запускает код, ищет информацию, выполняет цепочки действий.

Теперь V4-Flash напрямую поддерживает формат Responses API — интерфейс, через который агент обменивается с моделью запросами и получает результаты. Кроме того, модель адаптировали под Codex, популярный агент для написания кода от OpenAI. Это позволяет разработчикам подключать DeepSeek к привычному инструменту без смены рабочего окружения. Способ вызова API не изменился — достаточно указать имя модели deepseek-v4-flash в настройках.

Архитектура и размер модели остались прежними. Версия V4-Flash-0731 сохранила устройство предыдущего релиза, но прошла дополнительное переобучение, что и дало столь заметный прирост производительности.

Результаты тестов: прорыв в агентных задачах

Новая версия практически везде обошла и прежнюю V4-Flash-Preview, и более старшую V4-Pro-Preview, местами приблизившись к флагманской Opus-4.8 от Anthropic и превзойдя китайскую GLM-5.2.

В тесте Terminal Bench 2.1, оценивающем умение выполнять задачи в командной строке, модель набрала 82,7 балла против 61,8 у прошлой версии. Это выше, чем у GLM-5.2 (81,0), и почти вровень с Opus-4.8 (85,0).

Особенно впечатляет прогресс в программировании. В NL2Repo (превращение текстового описания в готовый репозиторий) V4-Flash получила 54,2 балла против 39,4 ранее, а в DeepSWE (решение реальных задач по программированию) — 54,4 против скромных 7,3 у прошлой версии. Резкий скачок заметен и в безопасности: в Cybergym (поиск уязвимостей в коде) модель набрала 76,7 балла против 38,7 у предшественницы и 52,7 у старшей V4-Pro-Preview.

Улучшились и результаты работы с инструментами. В Toolathlon-Verified (использование внешних инструментов) V4-Flash получила 70,3 балла, в Agents' Last Exam (сложные агентные задачи) — 25,2, а в AutomationBench (автоматизация рабочих сценариев) — 25,1, обойдя по всем трем показателям предыдущие версии.

Внутренние тесты компании также показали рост: в DSBench-FullStack (полноценная веб-разработка) модель набрала 68,7 балла, а в DSBench-Hard (сложные задачи для программного агента) — 59,6, что заметно выше прежних результатов, хотя и уступает Opus-4.8.

Что это значит для разработчиков

Публичная бета означает открытый доступ к API. Любой разработчик может подключить новую версию уже сейчас и проверить ее в своих задачах. Компания сохранила обратную совместимость: прежние обращения к API продолжают работать, а переход на V4-Flash сводится к простой смене имени модели.

Обновление старшей V4-Pro анонсировано отдельно — ее официальный выпуск состоится позже.

Мой взгляд: этот шаг DeepSeek — серьезный сигнал для рынка ИИ. То, что облегченная и экономичная модель обходит старшую версию прошлого поколения, говорит о стремительном прогрессе в оптимизации архитектур. Для разработчиков это означает возможность получить производительность уровня топовых моделей при значительно меньших затратах на инфраструктуру, что может ускорить внедрение агентных решений в массовые продукты.