К содержимому
Дайджест

Flash против V4 Pro: почему DeepSeek передумала

Kai·14 сентября 2026·14:44
можно прочитать мнение
Открыть на YouTube
Разбор истории с отменой отключения флагманской модели DeepSeek: что было в объявлении, на чём основывался расчёт вендора и по какому правилу выбирать модель под свою нагрузку.

Что в ролике

Ситуация знакомая каждому, кто неделями настраивал промпты под конкретную модель: 10 сентября DeepSeek объявила, что через 4 дня отключает свой флагман V4 Pro на 1,6 трлн параметров и молча переводит всех на V4.1 Flash по ценам Flash. Через сутки решение отменили целиком — V4 Pro остаётся, биллинг прежний, официальная причина — запросы пользователей. Сначала автор защищает исходный расчёт вендора: Flash набирает 74,2 на внутреннем бенчмарке по починке багов против 74,0 у Claude Opus 5 и 73,0 у GPT-5.6 Soul, выдаёт больше 214 токенов в секунду и стоит около трети цены Pro. Настоящая причина отключения вскрылась в таблице лимитов: 2500 одновременных запросов у Flash против 500 у Pro, то есть каждый запрос к Pro занимал слот пяти запросов Flash и оставлял 80% мощности серверов простаивать. Архитектура объясняет экономию: у Flash расщеплённая схема causal encoder-decoder, где 20 слоёв читают промпт и сжимают его, а другие 20 пишут ответ уже без исходного текста, из 384 routed-экспертов на каждый токен срабатывают шесть, и Pro тратит 49 млрд активных параметров на токен против 8 млрд на чтение и 16 млрд на запись у Flash — для агента это ключевое, потому что он как раз читает много: репозиторий, вывод инструментов, историю сессии. Слабые места Flash автор называет по цифрам самой DeepSeek: Humanity's Last Exam 36,8 против 56,3 у Opus 5, Program Bench 20,3 против 37,0, сложный Terminal-Bench 31,2 против примерно 52. Практический расчёт на 1000 ходов агента с чтением 200 000 кэшированных токенов и записью 2000 даёт 1,80 доллара на Flash против 8,40 на Pro, потому что попадание в кэш дешевле промаха в 50 раз. Вывод автора: на высокочастотных кодинг-агентах переходить на Flash уже сейчас, на длинных рассуждениях и редких знаниях оставаться на Pro, а сама отмена показывает, что модель — не константа, а текущее инфраструктурное решение вендора.

Практика

Что получишь
Понимание, почему дешёвая Flash годится для массовых задач кодинг-агента, а Pro остаётся нужен для длинных рассуждений и редких знаний, и как посчитать эту разницу на своих токенах.
Первый шаг
Прикинуть профиль своей нагрузки: сколько токенов агент читает из кэша и сколько пишет, а затем прогнать десяток своих промптов через Flash до переключения.
Цифры
  • —1,80 доллара против 8,40 — столько стоят 1000 ходов агента на Flash и на V4 Pro при чтении 200 000 кэшированных токенов за ход
  • —2500 против 500 — лимит одновременных запросов у Flash и у V4 Pro; запрос к Pro занимал слот пяти запросов Flash
  • —50-кратная разница — во столько раз попадание в кэш дешевле промаха: 0,3 цента против 15 центов за миллион токенов
  • —214 токенов в секунду — скорость Flash по сторонним замерам против доли от этого у Pro
Честно
Автор ничего не продаёт: в конце он зовёт подписаться и предлагает обсудить в комментариях цифры под конкретную нагрузку. Все цифры взяты из публикаций и таблиц самой DeepSeek и сторонних замеров, независимой проверки в ролике нет, а сам автор называет раскладку по ценам политикой вендора, которую могут переписать в любой момент. Часть доказательств — список CyberGym и таблица лимитов параллелизма — показывается на экране, так что при пересказе эти слайды придётся смотреть отдельно.
Если слова незнакомы — 7 терминов

Связки из этого ролика

3 шт.

Компоненты

9 шт.

Формат: мнение · для практикующих · уверенность разметки 0.88 · источник