DeepSeek V4 Flash — это оптимизированная по эффективности модель Mixture-of-Experts от DeepSeek с общим количеством параметров 284B и 13B активированных параметров, поддерживающая контекстное окно в 1M токенов. Она разработана для быстрого инференса и высокопроизводительных рабочих нагрузок, сохраняя при этом высокую производительность в рассуждениях и кодировании.
Модель включает гибридный механизм attention для эффективной обработки длинного контекста. Поддерживаются уровни рассуждений high и xhigh; xhigh соответствует максимальному уровню рассуждений. Она хорошо подходит для таких приложений, как помощники по кодированию, чат-системы и рабочие процессы агентов, где важны скорость отклика и экономическая эффективность.
Провайдер для DeepSeek: DeepSeek V4 Flash
Hubris маршрутизирует запросы к лучшему доступному провайдеру с автоматическим fallback при сбоях.
Модальности
Провайдеры
Запросы обслуживает один из провайдеров ниже — маршрутизация автоматически выбирает оптимального по доступности и скорости в момент запроса. Итоговая стоимость зависит от того, какой провайдер обслужил запрос, и от попадания в кэш: при повторяющемся контексте вход тарифицируется по цене чтения кэша — до 60–80 % дешевле. Цены — в рублях за 1 млн токенов.
StreamLake−38 % | 63 т/с | 99,1 % | 16,4 % | |||
Baidu−37 % | 107 т/с | 99,9 % | 17,3 % | |||
DeepInfra | 10,17 ₽ | 20,33 ₽ | 2,03 ₽ | — | 99,5 % | < 0,1 % |
GMICloud−33 % | 87 т/с | 98,7 % | 19,3 % | |||
AkashML−30 % | — | 99,4 % | < 0,1 % | |||
DigitalOcean | 12,65 ₽ | 25,30 ₽ | 3,16 ₽ | — | 99,4 % | < 0,1 % |
SiliconFlow | 14,68 ₽ | 31,63 ₽ | 3,16 ₽ | 75 т/с | 99,2 % | 6,7 % |
Alibaba | 15,14 ₽ | 30,27 ₽ | 3,03 ₽ | 84 т/с | 99,9 % | 6,6 % |
Venice | 15,59 ₽ | 31,06 ₽ | 3,16 ₽ | — | 99,6 % | < 0,1 % |
Morph | 15,70 ₽ | 31,40 ₽ | — | — | 95,8 % | < 0,1 % |
Ionstream | 15,81 ₽ | 31,63 ₽ | 7,91 ₽ | — | 90,6 % | < 0,1 % |
Parasail | 15,81 ₽ | 31,63 ₽ | 7,91 ₽ | — | 98,7 % | < 0,1 % |
Fireworks | 15,81 ₽ | 31,63 ₽ | 3,16 ₽ | — | 99,1 % | < 0,1 % |
Novita | 15,81 ₽ | 31,63 ₽ | 3,16 ₽ | 100 т/с | 99,7 % | 3,2 % |
Ambient | 15,81 ₽ | 31,63 ₽ | 3,16 ₽ | 28 т/с | 93,2 % | 3,5 % |
Cloudflare | 15,81 ₽ | 31,63 ₽ | 3,16 ₽ | — | 100,0 % | < 0,1 % |
AtlasCloud | 15,81 ₽ | 31,63 ₽ | 3,16 ₽ | 94 т/с | 99,6 % | 3,7 % |
OpenInference | 15,81 ₽ | 31,63 ₽ | 3,16 ₽ | — | 92,9 % | < 0,1 % |
CoreWeave | 15,81 ₽ | 31,63 ₽ | 7,91 ₽ | — | 99,7 % | < 0,1 % |
DeepSeek | 15,81 ₽ | 31,63 ₽ | 0,320 ₽ | — | 99,6 % | < 0,1 % |
Mancer 2 | 22,59 ₽ | 56,48 ₽ | — | — | 93,2 % | < 0,1 % |
Доля запросов, скорость и латентность считаются по нашему трафику за 30 дней, в разрезе по провайдеру. У одного провайдера может быть несколько строк — разные регионы или тарифы с отдельными ценами; эти значения общие для провайдера, поэтому в таких строках они совпадают.
Поддерживаемые параметры
Другие модели от deepseek
DeepSeek V4 Flash Latest
Эта модель всегда перенаправляется на последнюю модель семейства DeepSeek V4 Flash.
DeepSeek: DeepSeek V4 Flash 0731
DeepSeek V4 Flash 0731 — это разреженная модель mixture-of-experts от DeepSeek с 13 миллиардами активных параметров из 284 миллиардов общих. Эта переобученная версия подходит для кодирования, рассуждений и рабочих процессов агентов.
DeepSeek: DeepSeek V4 Pro
DeepSeek V4 Pro — это крупномасштабная модель Mixture-of-Experts от DeepSeek с общим количеством параметров 1,6T и 49B активированных параметров, поддерживающая контекстное окно в 1M токенов. Она разработана для продвинутого рассуждения, кодирования и рабочих процессов агентов с длительным горизонтом, демонстрируя высокую производительность в тестах по знаниям, математике и разработке программного обеспечения. Построенная на той же архитектуре, что и DeepSeek V4 Flash, она представляет гибридную систему attention для эффективной обработки длинного контекста. Поддерживаются уровни рассуждения `high` и `xhigh`; `xhigh` соответствует максимальному уровню рассуждения. Модель хорошо подходит для сложных рабочих нагрузок, таких как анализ всей кодовой базы, многошаговая автоматизация и крупномасштабный синтез информации, где критически важны как возможности, так и эффективность.
DeepSeek: DeepSeek V3.2
DeepSeek-V3.2 — это большая языковая модель, разработанная для гармоничного сочетания высокой вычислительной эффективности с мощными возможностями рассуждений и использования инструментов в качестве агента. Она представляет DeepSeek Sparse Attention (DSA), мелкозернистый механизм разреженного внимания, который снижает затраты на обучение и инференс, сохраняя при этом качество в сценариях с длинным контекстом. Масштабируемая структура пост-обучения с подкреплением дополнительно улучшает рассуждения, демонстрируя производительность класса GPT-5, и модель показала золотые результаты на IMO и IOI 2025 года. V3.2 также использует крупномасштабный конвейер синтеза агентских задач для лучшей интеграции рассуждений в настройки использования инструментов, повышая соответствие и обобщение в интерактивных средах. Пользователи могут управлять поведением рассуждений с помощью булевого параметра `reasoning` `enabled`.
DeepSeek: DeepSeek V3.2 Exp
DeepSeek-V3.2-Exp — это экспериментальная большая языковая модель, выпущенная DeepSeek в качестве промежуточного шага между V3.1 и будущими архитектурами. Она представляет DeepSeek Sparse Attention (DSA), механизм разреженного внимания с мелкой гранулярностью, разработанный для повышения эффективности обучения и инференса в сценариях с длинным контекстом при сохранении качества вывода. Пользователи могут управлять поведением рассуждений с помощью булевого параметра `reasoning` `enabled`. Модель обучалась в условиях, соответствующих V3.1-Terminus, чтобы обеспечить прямое сравнение. Бенчмаркинг показывает производительность примерно на уровне V3.1 в задачах рассуждения, кодирования и использования агентских инструментов, с незначительными компромиссами и улучшениями в зависимости от области. Этот выпуск сосредоточен на проверке архитектурных оптимизаций для расширенной длины контекста, а не на повышении точности выполнения задач, что делает его в первую очередь исследовательской моделью для изучения эффективных конструкций transformer.
DeepSeek: DeepSeek V3.1 Terminus
DeepSeek-V3.1 Terminus — это обновление [DeepSeek V3.1](/deepseek/deepseek-chat-v3.1), которое сохраняет исходные возможности модели, одновременно устраняя проблемы, о которых сообщали пользователи, включая языковую согласованность и возможности агентов, а также дополнительно оптимизируя производительность модели в кодировании и поисковых агентах. Это большая гибридная модель рассуждений (671B параметров, 37B активных), которая поддерживает как режимы мышления, так и не-мышления. Она расширяет базовую модель DeepSeek-V3 двухфазным процессом обучения с длинным контекстом, достигая до 128K токенов, и использует микромасштабирование FP8 для эффективного вывода. Пользователи могут управлять поведением рассуждений с помощью логического параметра `reasoning` `enabled`. Модель улучшает использование инструментов, генерацию кода и эффективность рассуждений, достигая производительности, сравнимой с DeepSeek-R1 на сложных бенчмарках, при этом отвечая быстрее. Она поддерживает структурированный вызов инструментов, кодовых агентов и поисковых агентов, что делает ее подходящей для исследований, кодирования и агентских рабочих процессов.