DeepSeek V4.1 FlashилиLlama 4 Maverick
Главная разница — качество с рассуждениями: 39.5 против 9.3 по независимому индексу. Ниже — счёт по трём источникам: что заявили поставщики, что намерила независимая лаборатория и что мы видим на реальных запросах. Переключатель «что важнее» меняет счёт — проверьте свой расклад.
- Поставщик карточки моделей и правила кэша
- Лаборатория Artificial Analysis, одна методика на обе
- Hubris наши реальные запросы за 30 дней
Сводная оценка Лаборатория Hubris
Одно число на модель от 0 до 100: качество, скорость, цена, кэш и возможности, нормированные по всему каталогу. Засечки — остальные модели на той же шкале.
Flash опережает Maverick на 47 % по сводной оценке при выбранных весах. Из чего складывается — в раундах ниже.
Счёт по раундам 58 : 33
Раунд 1 из 11
Качество с рассуждениями
Качество мы не измеряем — это цифры независимой лаборатории: девять тестов одной методикой на обе модели, рассуждения включены на максимум. Шкала от 0 до 100.
Индекс интеллекта Лаборатория
Artificial Analysis, индекс v4. Замеры: DeepSeek V4.1 Flash (Reasoning, Max Effort), Llama 4 Maverick.
Лаборатория ещё не измерила DeepSeek V4.1 Flash в этом режиме — раунд в счёт не идёт.
Лаборатория ещё не измерила DeepSeek V4.1 Flash в этом режиме — раунд в счёт не идёт.
Раунд 2 из 11
Качество без рассуждений
В чате, поддержке и массовых задачах думать некогда — рассуждения выключены. Здесь картина часто другая.
Индекс интеллекта Лаборатория
Та же методика, режим без рассуждений.
Лаборатория ещё не измерила DeepSeek V4.1 Flash в этом режиме — раунд в счёт не идёт.
Раунд 3 из 11
Код
Задачи из настоящих репозиториев и соревновательный код. У разных моделей лаборатория успела измерить разное — в счёт идут те тесты, что есть у обеих.
Кодинг Лаборатория
Сводный индекс кодинга (0–100) и отдельные тесты в процентах решённых задач.
Лаборатория ещё не измерила DeepSeek V4.1 Flash в этом режиме — раунд в счёт не идёт.
Лаборатория ещё не измерила DeepSeek V4.1 Flash в этом режиме — раунд в счёт не идёт.
Сторонние лидерборды SWE-bench · LMArena
Справочно, в счёт раунда не идут: методика у каждого своя. У SWE-bench результат — это связка модели с конкретным агентом, поэтому рядом указаны агент и год лучшего известного прогона.
Раунд 4 из 11
Математика
Счёт, доказательства и олимпиадные задачи. Полезно там, где ответ либо верный, либо нет: аналитика, финансы, инженерные расчёты.
Математика Лаборатория
Сводный индекс (0–100) и доля решённых олимпиадных задач.
Лаборатория ещё не измерила DeepSeek V4.1 Flash в этом режиме — раунд в счёт не идёт.
Лаборатория ещё не измерила DeepSeek V4.1 Flash в этом режиме — раунд в счёт не идёт.
Раунд 5 из 11
Инструменты и агент
Модель в роли агента: вызвать нужный инструмент, довести многошаговый диалог до результата, поработать в терминале. Именно это отличает модель для агентского клиента от модели для чата.
Инструменты и терминал Лаборатория
Доля доведённых до конца сценариев.
Лаборатория ещё не измерила DeepSeek V4.1 Flash в этом режиме — раунд в счёт не идёт.
Лаборатория ещё не измерила DeepSeek V4.1 Flash в этом режиме — раунд в счёт не идёт.
Раунд 6 из 11
Следование инструкциям
Делает ли модель ровно то, о чём просили: держит формат, не добавляет лишнего, соблюдает ограничения. От этого зависит, придётся ли разбирать ответ костылями.
Следование инструкциям Лаборатория
Доля заданий, где все требования соблюдены.
Лаборатория ещё не измерила DeepSeek V4.1 Flash в этом режиме — раунд в счёт не идёт.
Раунд 7 из 11
Длинный контекст
Большое окно контекста и умение им пользоваться — разные вещи. Здесь проверяется второе: рассуждения по длинному тексту, а не размер окна из карточки.
Рассуждения на длинном контексте Лаборатория
Доля верных ответов по длинному тексту. Размер окна — в раунде «Возможности».
Раунд 8 из 11
Скорость
Пауза до первого слова и скорость письма. Очки — по нашим данным, это то, что вы получите на практике.
Один и тот же запросHubris
Проигрываем ответ на измеренной скорости: пауза до первого слова, потом письмо. Длина ответа одинаковая, иначе модели несравнимы.
По Llama 4 Maverick пока мало запросов, чтобы мерить скорость.
Раунд 9 из 11
Цена
В рублях, за миллион токенов. Списывается по факту — за то, что реально отправили и получили.
Прайс и реальный средний чек Hubris
Первые две колонки — ставки каталога. Третья — сколько в среднем стоит один запрос нашим пользователям к этой модели.
| Модель | Входные токеныто, что вы отправили | Ответ моделито, что она написала | Типичный запроссредний по нашим пользователям |
|---|---|---|---|
| DeepSeek V4.1 Flash | 18,94 | 75,74 | 0,78 |
| Llama 4 Maverick | 23,67 | 82,37 | мало данных |
| Разница | в 1,2 разав пользу Flash | в 1,1 разав пользу Flash | — |
Раунд 10 из 11
Кэш
Если начало промпта повторяется от запроса к запросу — системная инструкция, приложенный документ, история переписки, — эта часть считается со скидкой. Включается она у моделей по-разному, и на этом легко потерять деньги.
Правила кэширования Поставщик
Скидка применяется автоматически — Hubris списывает по фактической цене исполнения, в которой кэш уже учтён.
Повторяющееся начало промпта кэшируется само. Ничего помечать не нужно: если первые токены совпадают с недавним запросом, скидка 98 % применится сама.
Кэша промптов у этой модели нет. Повторяющиеся части промпта оплачиваются каждый раз полностью.
cached_tokens.Раунд 11 из 11
Возможности
Контекст, что принимает на вход, рассуждения, приватность, надёжность. За каждый пункт — очки по одной шкале.
- ✓Контекст 1,05 млн токенов
- ✓Принимает картинки
- —Файлы не принимает
- ✓Умеет рассуждать перед ответом
- ✓Не обучается на ваших данных
- —Доля неудачных запросов 6,8 % — выше обычного
- ✓Контекст 1,05 млн токенов
- ✓Принимает картинки
- —Файлы не принимает
- —Без режима рассуждений
- ✓Не обучается на ваших данных
Итог
Кто победил
Коротко
Плюсы и минусы
Преимущества каждой модели над другой — из тех же данных, что и раунды, в процентах и секундах.
- дешевле в 1,2 раза на входе
- качество с рассуждениями выше на 76 %
- кэш включается сам, без пометок в запросе
Преимуществ перед соперником по нашим данным нет.
Выбор
Когда какую брать
Обе доступны по одному ключу — переключиться можно на любом запросе, поменяв одну строку.
- Сложные задачи, где модели дают подумать: код, анализ, агенты
- Открытая модель с длинным контекстом
- Массовые задачи с картинками на входе
- Совместимость с открытыми инструментами
Слабое место: без рассуждений уступает закрытым моделям того же класса.
Вопросы
Что обычно спрашивают
Какая модель лучше для написания кода?
По независимому индексу с рассуждениями — 39.5 против 9.3. На практике для больших проектов берут ту, что лучше держит длинный контекст задачи; Flash здесь предпочтительнее, а для мелких правок и массовых операций важнее скорость и цена.
Что такое кэш промптов и почему это важно?
У Flash кэш включается сам. У Maverick повторяющийся блок нужно пометить маркером cache_control, иначе скидки не будет — одна строка в запросе, а на массовых задачах разница в счёте в разы.
Откуда взяты цифры скорости?
Это наши измерения по успешным запросам через Hubris за последние 30 дней, а не заявления поставщиков: время до первого слова и скорость письма от начала до конца ответа. В паузу входит и наш участок пути. Лабораторная дорожка рядом — Artificial Analysis, прямой API одним промптом: это потолок, наша цифра — то, на что стоит рассчитывать.
Можно ли переключаться между моделями?
Да, обе доступны по одному ключу. Чтобы сменить модель, достаточно поменять её идентификатор в запросе — ни отдельного договора, ни второго ключа не нужно.
Дальше
Другие сравнения
Каждая из этих двух — против соседей по каталогу. Любую пару можно собрать в выборе наверху страницы.
Источники: DeepSeek V4.1 Flash (Reasoning, Max Effort) и Llama 4 Maverick — Artificial Analysis, 2026-09-18; цены, контекст и модальности — каталог Hubris, 2026-09-18; скорость и средний чек — запросы через Hubris за 30 дней.