DeepSeek представил Harness: фреймворк агентов с четырьмя режимами работы

Компания DeepSeek сделала свою модель V4 Pro общедоступной, представив релиз под названием DeepSeek-V4-Pro-0813 на своей странице с ценами. Флагманский уровень модели оснащен окном контекста объемом 1 миллион токенов и максимальным выводом в 384 тысячи токенов, по умолчанию используя режим мышления, но при этом предоставляя конечную точку без режима мышления для запросов, чувствительных к задержкам.

Сочетание ввода в 1 миллион токенов и вывода в 384 тысячи токенов позволяет в рамках одного обращения обрабатывать и генерировать значительно больший объем материала по сравнению с предыдущим поколением, что особенно актуально для работы с большими кодовыми базами, обширными корпусами документов и многоэтапными агентами.

DeepSeek также интегрировала функции, которые ожидают от нее большинство разработчиков агентов: структурированный вывод в формате JSON, поддержку вызовов инструментов, Responses API и совместимость с Anthropic-API. Кроме того, реализована бета-поддержка продолжения с префиксом разговора и завершения FIM, причем FIM ограничен режимом без мышления.

На уровне сервиса предлагаются конечные точки, совместимые как с OpenAI, так и с Anthropic, что дает командам, уже использующим любой из этих стандартов, возможность переключиться без необходимости перестраивать свою инфраструктуру.

Ценообразование отражает намеренное разделение уровней. Модель Pro стоит 0,025 юаня за миллион токенов при попадании в кэш, 3 юаня за промахи в кэше на входе и 6 юаней на выходе. В отличие от этого, модель Flash имеет цену 0,02, 1 и 2 юаня соответственно, что делает Pro примерно в три раза дороже Flash при промахах в кэше на входе и выходе.

Различия также подчеркиваются ограничениями параллелизма: Flash поддерживает 2500 одновременных запросов, тогда как Pro ограничен 500. Это соотношение указывает на более четкую структуру продукта для семейства V4. Flash ориентирован на высокочастотный трафик с высокой пропускной способностью, где доминирует стоимость, в то время как Pro концентрирует мощность на более тяжелых задачах рассуждения, кодировании с длинным контекстом и рабочих процессах агентов, где модель имеет больший запас производительности для использования.

При этом абсолютная цена Pro остается умеренной по стандартам передовых моделей, что позволяет DeepSeek компенсировать расходы после недавнего объявления о повышении цен, оставаясь при этом дешевле большинства зарубежных конкурентов. Таким образом, линейка V4 представляет собой двухдорожечное предложение: недорогой уровень Flash с высокой пропускной способностью для масштабирования и более мощный уровень Pro, нацеленный на задачи кодирования и использования агентов.

Модель DeepSeek V4 Flash продемонстрировала колоссальный спрос, потребив 8 триллионов токенов всего за один день в инструменте OpenCode. Этот объем превысил среднесуточный показатель платформы OpenRouter, который составляет около 6,6 триллиона токенов. Данный всплеск использования отражает фундаментальный сдвиг в методах работы с ИИ: если раньше задача завершалась простым вопросом и ответом, то теперь агенты выполняют более сложные операции, такие как чтение файлов, изменение кода, запуск программ и повторные попытки после ошибок, что многократно увеличивает потребление токенов.

Пример такого сложного взаимодействия показал пользователь, создавший одностраничный 3D-игровой проект с помощью Claude Opus 5. Этот процесс завершился одним HTML-файлом, который потребовал 690 миллионов токенов и обошелся почти в 3000 юаней.

С появлением задач, выполняемых агентами, критерием оценки моделей сместился от качества отдельного ответа к стоимости выполнения длительной задачи. Например, миллион выходных токенов стоил 2 юаня у DeepSeek, тогда как у Claude Opus 4.8 эта же операция обошлась в 25 долларов США, что эквивалентно примерно 170 юаням, демонстрируя разницу в цене в 85 раз. Хотя в индексе Artificial Analysis Intelligence Index v4.1 модель V4 Flash Max набрала 50 баллов против 56 у Opus Max, стоимость прохождения этого теста составила 72,02 доллара США для V4 Flash против 3752,55 доллара США для Opus, при этом Opus получил 6 дополнительных баллов при примерно 52-кратном увеличении затрат на вызов.

V4 Flash пока не может доказать абсолютное превосходство, однако если обе модели попадут в один список кандидатов, разница в цене в 85 раз может изменить стандартный выбор. Когда модель, опережающая конкурента всего на несколько процентов, стоит в десятки раз дороже, математика выбора перестает работать в пользу более дорогого варианта.

Первыми, кто ощущает влияние этого тренда, являются не самые слабые модели, поскольку небольшие модели остаются подходящими для маршрутизации, а флагманские модели продолжают справляться с самыми сложными задачами. Наиболее уязвимыми оказываются модели среднего уровня — они сильнее V4 Flash, но стоят в десятки раз дороже и недостаточно мощны, чтобы решать те задачи, которые справляется V4 Flash. Именно это и представляет собой «убийственная линия» DeepSeek: модели не обязательно должны быть самыми сильными, им достаточно быть достаточно хорошими для выполнения большинства задач, используя разрыв в цене, составляющий почти два порядка величины, чтобы вытеснить более дорогие варианты из списка по умолчанию.

В контексте ценообразования, Opus стоит 25 долларов США за миллион выходных токенов, Fable 5 — 50 долларов США, а китайские модели включают Qwen 3.8 Max по цене 36 юаней, Kimi K3 — 100 юаней и GLM 5.2 — 28 юаней.

Возможность продавать Мутай по ценам минеральной воды обусловлена прямой стоимостью инференса за токен, которая зависит от активированных параметров, точности, внимания, KV-кэша, длины вывода, использования оборудования и параллелизма. V4 Flash имеет 284 миллиарда общих параметров, но активирует около 13 миллиардов на каждый токен, используя гибридное внимание, веса низкой точности и оптимизацию кэша. При контексте в один миллион токенов вычислительная нагрузка инференса составляет около 10% от V3.2, а размер KV-кэша — около 7%. Серия V4 переработала механизм внимания, внедрив механизмы CSA compress-then-focus и HCA full-browse, а также использует маршрутизацию DeepSeekMoE, направляя каждый токен к небольшой подгруппе экспертов. Коммерческое ценообразование и сервисные издержки следуют за этими техническими особенностями. Таким образом, «убийственная линия» переопределяет границу развития: решающим фактором становится сочетание производительности и цены, где стоимость выполнения задачи является определяющей метрикой.