DeepSeek API: V4 Flash за $0.14 и 1M контекста — что нужно знать до подключения

DeepSeek — китайский провайдер языковых моделей с открытыми весами и OpenAI-совместимым API. Модели V (chat) и R (reasoning) доступны через собственный эндпоинт, прокси вроде OpenRouter и LiteLLM, а также локально через Ollama. Справочник дополняет основной обзор по линейке моделей и фокусируется на практической интеграции: как подключить, какие эндпоинты использовать, как работать с tool use и режимом рассуждений, сколько это стоит.

Ключевое правило: при миграции с OpenAI на DeepSeek пересмотрите имена моделей. Старые deepseek-chat и deepseek-reasoner выводятся из обращения 24 июля 2026. Переведите код на deepseek-v4-flash / deepseek-v4-pro заранее.

Что это

DeepSeek предлагает два семейства моделей через единый API. Линейка V (chat) — модели общего назначения на архитектуре Mixture of Experts. Текущий флагман V4 Flash (284B параметров, 13B активных) и V4 Pro (1.6T / 49B активных). Контекст до 1M токенов. Линейка R (reasoning) — модели с цепочкой рассуждений, аналог OpenAI o1. Начиная с V3.1, рассуждения встроены в основную модель как переключаемый режим.

API полностью совместим с форматом OpenAI ChatCompletions. Можно использовать официальный OpenAI SDK, просто поменяв base_url и ключ. Дополнительно поддерживается формат Anthropic Messages.

Зачем нужно

• Массовая обработка данных. Классификация, суммаризация, дозаполнение тысяч документов. Низкая цена Flash и кеш делают это дешево.
• Математика и рассуждения. Режим рассуждений V4 Pro силён на олимпиадных задачах.
• Кодинг по большим проектам. 1M контекста — в промпт влезают целые репозитории.
• Пирамида моделей в одном SDK. Через LiteLLM или OpenRouter направляете простые задачи на DeepSeek, сложные — на Claude или GPT-4.
• Резервный провайдер для OpenAI. Если основной провайдер недоступен или подорожал — переключение занимает минуты.

Эволюция линейки: от V3 до V4

DeepSeek развивается быстро, и старые гайды устаревают за пару месяцев. Хронология помогает не путаться в именах моделей.

Главный сдвиг последнего года: DeepSeek перестала держать отдельную R-линию для рассуждений. Начиная с V3.1 рассуждения — это режим внутри одной модели, который включается переключателем. Фразы вроде «возьми R2 для математики» из старых статей читайте как «включи режим рассуждений у актуальной модели».

Как устроено

Модели V4: Pro и Flash

V4 вышла сразу в двух вариантах под разные задачи — Pro для сложных сценариев, Flash для массовых.

У обеих версий есть два режима: с рассуждениями (в приложении называется Expert Mode) — с видимой цепочкой рассуждений — и быстрый (Instant Mode) для коротких ответов. Раньше под это были разные модели — теперь это переключатель.

Что под капотом V4

Миллион токенов контекста — это не только про объём. Главная проблема длинного контекста в том, что каждый следующий токен платит за внимание ко всему, что было раньше. Для агента, который гоняет длинную цепочку инструментов, это превращается в дорогую и медленную историю. V4 решает это архитектурно.

• MoE с динамическим выбором экспертов. Под каждую задачу активируется лишь часть параметров (49B из 1.6T у Pro), поэтому модель остаётся быстрой при огромном общем размере.
• Гибридное внимание CSA + HCA. Compressed Sparse Attention и Heavily Compressed Attention вместе резко срезают стоимость работы на длинном контексте. На отметке в 1M токенов V4-Pro тратит около 27% FLOPs на токен и 10% KV-кэша по сравнению с V3.2. V4-Flash идёт ещё дальше — примерно 10% FLOPs и 7% KV-кэша.
• Рассуждения при работе с инструментами. Унаследовано от V3.2: модель рассуждает прямо внутри вызова инструментов, что важно для агентных сценариев.

Большой контекст не отменяет здравый смысл. Даже когда весь монорепозиторий влезает в окно, точечный, суженный промпт почти всегда даёт более точный ответ, чем «загрузил всё и спрашиваю». Контекст 1M — это страховка и удобство, а не повод выключать голову.

Чем DeepSeek выделяется

• Открытые веса. Веса моделей выкладываются на Hugging Face. Исторически DeepSeek использует MIT-лицензию — одну из самых либеральных в индустрии: коммерческое использование, дообучение и перевыпуск без роялти. Лицензию конкретной модели всё же проверяйте на её странице — у отдельных релизов условия могут отличаться.
• Миллионный контекст. 1M токенов — это примерно ядро большого монорепозитория или несколько десятков крупных документов в одном запросе. На такой длине V4 держит факты лучше большинства конкурентов за счёт нового механизма внимания.
• Низкая цена API. Официальное облако DeepSeek стоит в разы дешевле аналогов от OpenAI и Anthropic. Это решающий фактор при работе на больших объёмах: классификация, массовое дозаполнение, разметка, суммаризация тысяч документов.
• Прозрачные рассуждения. В режиме рассуждений цепочка доступна в ответе API. Её можно показывать пользователю, логировать для аудита, обрезать ради экономии или использовать для дистилляции собственных моделей.

ollama pull deepseek-r1:32b
ollama run deepseek-r1:32b

Пример

Подключение через OpenAI SDK. Поскольку API совместим с форматом OpenAI, миграция сводится к замене base_url и ключа.

from openai import OpenAI

client = OpenAI(
    api_key=*** # ключ от DeepSeek
    base_url="https://api.deepseek.com"
)

response = client.chat.completions.create(
    model="deepseek-v4-flash",
    messages=[{"role": "user", "content": "Привет!"}]
)

print(response.choices[0].message.content)

Reasoning-модель возвращает два потока: reasoning_content (внутренние рассуждения, оплачиваются отдельно) и content (финальный ответ). Глубина рассуждений управляется параметром reasoning_effort: high по умолчанию, max — для самых сложных агентных задач.

Важно: алиас deepseek-reasoner указывает на thinking-режим V4 Flash, а не на V4 Pro. Если нужна именно Pro в режиме рассуждений, указывайте deepseek-v4-pro явно.

Тарифы и лимиты (API)

Цены указаны за 1M токенов, по состоянию на июнь 2026, и это фиксированный прайс. Ночные скидки (50–75%), которые DeepSeek давал в 2025 году, отменены ещё 5 сентября 2025-го, а стартовая промоцена на V4-Pro закончилась 5 мая 2026-го. Так что упоминания «скидок по времени суток» из старых статей уже неактуальны — платите ровно по таблице. Контекстное кэширование включено по умолчанию: если запрос совпадает по префиксу с недавним, совпавшая часть берётся из кэша по цене попадания в кэш.

Для сравнения: V4-Flash дешевле флагманов OpenAI и Anthropic на один–два порядка, а V4-Pro при почти флагманском качестве всё равно заметно дешевле Claude Sonnet. Чат в веб-интерфейсе и приложении бесплатен.

Старые имена моделей deepseek-chat и deepseek-reasoner выводятся из обращения 24 июля 2026. До этой даты они временно указывают на быстрый режим и режим рассуждений deepseek-v4-flash соответственно. Если у вас в коде зашиты эти имена — переведите на deepseek-v4-flash / deepseek-v4-pro заранее.