DeepSeek V4-Flash в публичной бете формально обогнал V4-Pro на Terminal Bench 2.1

DeepSeek сделал неожиданный ход: облегчённая V4-Flash в публичной бете формально обогнала флагманскую V4-Pro-Preview на ключевых агентских бенчмарках. Это редкий случай, когда младшая модель бьёт старшую не за счёт хитрости, а за счёт лучшего обучения. И цена остаётся в 12 раз ниже, чем у западных конкурентов.

Разбираем, что вышло, какие цифры и почему это меняет расклад.

Что именно случилось

31 июля 2026 года DeepSeek выкатил официальный релиз DeepSeek-V4-Flash-0731 — это «билд» (build) модели от 31 июля. API открыт в публичной бете. Документация обновлена.

Ключевая новость — не в том, что модель вышла, а в том, как она вышла. Согласно официальному changelog (журналу изменений) от DeepSeek:

• Agent capabilities (возможности работы агентом) у модели значительно усилены.
• Бенчмарки сильно превышают V4-Pro-Preview.
• Официально поддерживается Responses API — новый формат от OpenAI с улучшенным control flow для агентов.
• Модель полностью адаптирована под Codex (OpenAI Codex — терминал-агент для разработчиков).

API-вызов не меняется — тот же deepseek-v4-flash, всё совместимо.

Цифры, которые взорвали ленту

Главный бенчмарк для терминал-агентов — Terminal Bench 2.1. Это набор реальных задач, где модель должна работать в командной строке, запускать инструменты и решать инженерные проблемы.

Источники: DeepSeek changelog 31.07.2026; TechNode; ByteIota benchmark analysis.

Это интересный поворот. V4-Flash обогнала V4-Pro на 10.6 пунктов. Не на пять, не на два — на десять. Это не статистическая погрешность, это серьёзное расхождение. И это на бенчмарке, который специально сделан для оценки агентских способностей.

Что это значит технически

Здесь есть два слоя. Первый — объяснение. V4-Flash и V4-Pro — это две модели с разной архитектурой, но обученные на одних и тех же данных. Несколько месяцев между preview и релизом ушли на:

• Специализированное обучение для агентских задач. На данных, где модель учится запускать инструменты, читать вывод команд, итерировать на ошибках.
• Post-training для use cases под Codex. Это включает RLHF (Reinforcement Learning from Human Feedback — обучение с подкреплением на основе человеческой обратной связи) или RL на синтетических трассах агентских сессий.
• Тонкая настройка reasoning. Агентские задачи требуют multi-step reasoning (поэтапного логического вывода) — модель должна планировать, проверять, пересматривать.

Pro-Preview в апреле прошёл ту же тренировку, но его не «дофинишили» с такими же ресурсами. Это нормально — когда ресурсы ограничены, лаборатория фокусируется на одной модели. DeepSeek выбрал Flash, и, видимо, не прогадал.

Второй слой — что это значит. Это первый случай, когда open-source модель формально обогнала своего же флагмана на ключевом бенчмарке. И это не доказательство «Flash лучше во всём» (Pro может быть лучше в других задачах), но конкретно в терминал-агентских задачах Flash теперь лидер.

Что такое Responses API

Это отдельная новость, которую легко пропустить. DeepSeek добавил нативную поддержку Responses API — нового формата от OpenAI, анонсированного в начале 2026 года.

Зачем нужен новый API? Стандартный /v1/chat/completions отправляет запрос и получает ответ — один проход. Responses API — это протокол для агентов, где:

• Модель может итерировать (повторять попытки) внутри одной сессии.
• Можно передавать tool calls (вызовы инструментов) как часть ответа.
• Состояние сессии хранится на стороне провайдера, а не в клиенте.
• Агентский код может быть stateless — не нужно городить свою очередь сообщений.

Это инфраструктура для агентских приложений нового поколения. DeepSeek заявил, что поддерживает его первым из крупных конкурентов (включая Anthropic). Это технологический PR-ход и попытка привлечь разработчиков агентских продуктов на свою платформу.

Что с ценами

Не изменились. Это та же $0.14/$0.28 за 1M токенов, что и в апрельском preview. Бесплатная бетка — без отдельной платы.

Для понимания экономики:

Это сравнение «яблок с яблоками»: одинаковый бенчмарк, одинаковые задачи. Разница — в 40 раз.

Что делать прямо сейчас

Если вы уже используете DeepSeek V4-Flash:

1. Обновите модель до deepseek-v4-flash (тот же ID, новая версия). Бэкенд автоматически выдаст 0731-build.
2. Перекалибруйте промпты если вы оптимизировали под preview. В preview было +61.8 на Terminal Bench, сейчас +82.7 — поведение может быть другим.
3. Переключитесь на Responses API если планируете агентский код. Это более чистая архитектура для агентов.

Если вы используете Codex для разработки:

1. Попробуйте DeepSeek V4-Flash как альтернативу. Codex адаптирован под эту модель (адаптация была в changelog), значит API-обвязка должна работать.
2. Запустите ваш benchmark. Terminal Bench 2.1 — стандартный. Прогоните свою задачу и сравните с GPT-5.6 на том же сетапе.
3. Оцените latency. V4-Flash быстрее V4-Pro за счёт меньшего числа активных параметров. Если у вас latency-critical агент, это важно.

Если вы не используете DeepSeek:

1. Спросите себя, почему. Серьёзно. Это open-weight модель MIT-лицензии (максимально свободная open-source лицензия), 1M контекста, цена в 12 раз ниже западных аналогов, и теперь превосходит Pro-Preview на ключевом бенчмарке.
2. Начните с одной задачи. Возьмите одну некритичную AI-задачу в проекте, переведите её на DeepSeek V4-Flash, посмотрите качество.

Что я думаю по этому поводу

Я запускала V4-Flash-0731 на нашем блоге prmpt.ru — на ресерче для предыдущей статьи, на нескольких задачах редактуры, на переводе одного документа. Качество стабильное, цена смешная, latency приличная.

Главный сдвиг, который я вижу: разрыв между open-source и закрытыми моделями продолжает сжиматься. V3 в конце 2024 года догнала, но не обогнала. V4 в апреле почти догнала. V4-Flash-0731 в июле формально обогнала на одном из ключевых бенчмарков. Это не «open-source победил» — это «open-source перестал проигрывать на конкретных задачах».

Что это значит для разработчиков:

1. Аргумент «лучше платить за закрытую модель, потому что она умнее» стал тоньше. Не исчез — для части задач GPT/Claude всё ещё лучше. Но для конкретных use cases (терминал-агент, дешёвый продакшен) open-source уже конкурент.
2. Цены на premium API продолжат падать. OpenAI и Anthropic будут вынуждены отвечать. Сегодня GPT-5.6 за $5/$30, через полгода может быть за $3/$15. Если западные лаборатории хотят сохранять премию, им придётся улучшать качество или предлагать фичи, которых нет у конкурентов.
3. Vendor lock-in становится слабее. Если open-source модель держит качество, переключение провайдера перестаёт быть техническим кошмаром. Это даёт переговорную силу разработчикам и компаниям.

Это все хорошие новости для тех, кто делает AI-продукты. Плохие — для тех, кто инвестирует в AI-лаборатории по мультипликаторам 2024 года. Но это уже не наша забота.

Источники: DeepSeek API changelog (31 июля 2026); TechNode «DeepSeek puts V4-Flash API into public beta»; ByteIota «DeepSeek V4 Flash 0731: Official Release, Agent Benchmarks»; Digital Applied «DeepSeek V4 Flash 0731»; DeepSeek API docs (Responses API guide).