Китайская компания DeepSeek представила публичную бета-версию обновлённого API для своей облегчённой модели V4-Flash. И это не просто рядовое обновление: результаты тестов демонстрируют, что младшая модель не только догнала, но и по ряду ключевых показателей превзошла старшую V4-Pro-Preview. Речь идёт о значительном шаге вперёд в области агентных вычислений и автономного выполнения задач.

Что изменилось в V4-Flash

Основной фокус обновления — усиление агентных способностей модели. Теперь V4-Flash способна самостоятельно писать и запускать код, искать информацию в интернете и выстраивать сложные цепочки действий без участия человека. Ключевым нововведением стала поддержка формата Responses API, который позволяет агенту напрямую обмениваться запросами с моделью и получать результаты. Кроме того, модель адаптировали под Codex от OpenAI — популярный инструмент для написания кода, что расширяет её применимость для разработчиков. Способ вызова API не изменился: чтобы перейти на новую версию, достаточно указать имя модели deepseek-v4-flash в настройках.

Архитектура и размер модели остались прежними, однако версия V4-Flash-0731 прошла дополнительное переобучение. Это позволило добиться впечатляющих результатов без изменения базовой структуры.

Результаты тестов: цифры говорят сами за себя

Обновлённая V4-Flash-0731 практически во всех бенчмарках обошла не только предыдущую V4-Flash-Preview, но и старшую V4-Pro-Preview. В тесте Terminal Bench 2.1, который оценивает умение работать в командной строке, модель набрала 82,7 балла против 61,8 у предшественницы. Это выше, чем у GLM-5.2 (81,0), и почти вплотную приближается к Opus-4.8 от Anthropic (85,0).

Особенно заметен прогресс в задачах на написание кода. В тесте NL2Repo V4-Flash получила 54,2 балла против 39,4 у прежней версии, а в DeepSWE — 54,4 против скромных 7,3. Впечатляет и рост в области безопасности: в тесте Cybergym модель набрала 76,7 балла, тогда как предыдущая версия показала лишь 38,7, а старшая V4-Pro-Preview — 52,7.

Улучшились и результаты в работе с инструментами: в Toolathlon-Verified — 70,3 балла, в Agents' Last Exam — 25,2, а в AutomationBench — 25,1. По всем трём показателям новая версия обходит прежние. Внутренние тесты DeepSeek также подтверждают тренд: в DSBench-FullStack модель получила 68,7, а в DSBench-Hard — 59,6, что значительно выше предыдущих версий.

Что это значит для разработчиков

V4-Flash позиционируется как быстрый и экономичный вариант для больших объёмов работы. Поддержка Codex позволяет использовать модель в привычной среде без смены инструментария. Публичная бета означает открытый доступ к API — любой разработчик может подключить новую версию уже сейчас. Обратная совместимость сохранена: старые запросы продолжают работать, а переход сводится к простой смене имени модели.

Обновление старшей модели V4-Pro анонсировано отдельно, и её официальный релиз ожидается позже. Однако уже сейчас очевидно: DeepSeek делает ставку на то, что эффективность и скорость могут быть важнее «сырой» мощности.

Мой взгляд: Это не просто техническое обновление, а сигнал о смене парадигмы в индустрии ИИ. Если облегчённая модель обходит старшую в агентных задачах, значит, оптимизация и переобучение могут быть важнее простого наращивания параметров. Для рынка это означает, что конкуренция смещается в сторону практической эффективности, а не только сырых бенчмарков. Разработчикам стоит внимательно присмотреться к V4-Flash — экономия на вычислительных ресурсах при таком качестве может стать решающим фактором.