В пятницу китайская компания DeepSeek представила предварительную версию V4 — долгожданной новой флагманской модели. Главное нововведение — способность обрабатывать гораздо более длинные тексты, чем предыдущее поколение. Это стало возможным благодаря новой архитектуре, повышающей эффективность работы с большим объёмом данных. Как и предыдущие разработки DeepSeek, V4 остаётся открытым кодом: любой желающий может бесплатно скачать, использовать и модифицировать модель.

V4 — самый значительный релиз DeepSeek с момента выхода R1 в январе 2025 года. Тогда модель R1, обученная на ограниченных вычислительных мощностях, произвела фурор в мировом ИИ-сообществе благодаря высокой эффективности и производительности. Она превратила DeepSeek из малоизвестной лаборатории в ведущую ИИ-компанию Китая и спровоцировала волну открытых моделей у других китайских разработчиков.

После этого DeepSeek надолго замолчала. Но в начале этого месяца компания намекнула на грядущий анонс, добавив в онлайн-версию модели режимы «эксперт» и «флэш». Это вызвало слухи о масштабном обновлении.

Возвращение DeepSeek на передний край ИИ-разработок происходит на фоне серьёзных испытаний: уход ключевых сотрудников, задержки в запуске моделей и усиление давления со стороны как американских, так и китайских властей. Сможет ли V4 повторить успех R1? Вряд ли. Но вот три причины, почему этот релиз всё равно важен.

1. Это прорыв для открытых моделей

Как и R1, новая V4, по заявлению DeepSeek, по производительности сопоставима с лучшими коммерческими моделями, но стоит в разы дешевле. Это отличные новости для разработчиков и компаний: теперь доступ к передовым ИИ-возможностям не требует огромных затрат.

Модель представлена в двух версиях — V4-Pro и V4-Flash. Первая, более мощная, предназначена для сложных задач, включая программирование и работу агентов. Вторая — компактная и быстрая, подойдёт для задач, где важна скорость и низкая стоимость. Обе поддерживают режимы рассуждений: модель пошагово анализирует запрос и показывает ход своих «мыслей».

Цены впечатляют: V4-Pro стоит 1,74 доллара за миллион входных токенов и 3,48 — за выходные. Это копейки по сравнению с предложениями ОпенЭйАй (OpenAI) и Энтропик (Anthropic). V4-Flash ещё дешевле — около 0,14 и 0,28 доллара соответственно. Это делает её одной из самых экономичных топовых моделей на рынке.

По производительности V4 заметно превосходит R1 и уверенно конкурирует с ведущими закрытыми моделями. По данным компании, V4-Pro сравнима с Клод-Опус-4.6 (Claude-Opus-4.6), ЧатГПТ-5.4 (GPT-5.4) и Джемини-3.1 (Gemini-3.1). В тестах на программирование, математику и STEM-задачи она обгоняет другие открытые модели, включая Квен-3.5 (Qwen-3.5) от Alibaba и ГЛМ-5.1 (GLM-5.1) от Z.ai. Это делает V4 одной из сильнейших открытых моделей за всю историю.

DeepSeek утверждает, что V4-Pro также лидирует в тестах на агентное программирование и решение многошаговых задач. Её способности к письму и общие знания, по внутренним замерам компании, тоже находятся на вершине.

В техническом отчёте DeepSeek приводит данные опроса 85 опытных разработчиков: более 90% включили V4-Pro в число своих любимых моделей для кодинга. Компания также сообщила, что V4 оптимизирована под популярные фреймворки, такие как Клод Код (Claude Code), ОпенКлоу (OpenClaw) и КодБадди (CodeBuddy).

2. Прорыв в эффективности памяти

Одна из ключевых особенностей V4 — огромное окно контекста: модель может обрабатывать до 1 миллиона токенов за раз. Этого хватит, чтобы загрузить все три тома «Властелина колец» и «Хоббита» одновременно. Такой объём стал стандартом для всех сервисов DeepSeek и соответствует возможностям передовых версий Джемини и Клода.

Но важно не только что, а как это сделано. V4 кардинально переработала механизм внимания — ту часть модели, которая помогает ей понимать связи между фрагментами текста. Чем длиннее текст, тем дороже становятся эти вычисления, что тормозит работу.

DeepSeek решил эту проблему, сделав модель более избирательной. Вместо того чтобы одинаково «внимать» всему предыдущему тексту, V4 сжимает старую информацию, фокусируясь на самом актуальном, но сохраняя полную детализацию для ближайших фрагментов.

Это резко сокращает затраты. В контексте из 1 миллиона токенов V4-Pro использует всего 27% вычислительной мощности по сравнению с V3.2, а потребление памяти падает до 10%. Для V4-Flash показатели ещё лучше — 10% мощности и 7% памяти. На практике это означает, что можно создавать ИИ-ассистентов, способных работать с целыми кодовыми базами или архивами документов, не теряя контекст.

Интерес к длинному контексту у DeepSeek не появился внезапно. За последние полтора года компания опубликовала серию исследований о том, как ИИ «запоминает» информацию, экспериментируя с методами сжатия и математическими оптимизациями.

3. Первые шаги к независимости от Nvidia

V4 — первая модель DeepSeek, оптимизированная под китайские чипы, в частности под Huawei Ascend. Это делает релиз своего рода проверкой: сможет ли китайская ИИ-индустрия начать отрываться от зависимости от американского гиганта Nvidia?

О таком шаге ходили слухи. Ранее The Information сообщала, что DeepSeek не предоставила американским производителям чипов, таким как Nvidia и AMD, превью V4 — хотя это обычная практика для настройки железа под новые модели. Вместо этого доступ получили только китайские компании.

В пятницу Huawei объявила, что её суперузлы на базе серии Ascend 950 будут поддерживать V4. Это значит, что пользователи, желающие запускать собственные версии модели, смогут легко использовать чипы Huawei.

Как писал Reuters, китайские власти рекомендовали DeepSeek использовать чипы Huawei в процессе обучения. Это часть общей стратегии страны: ключевые отрасли должны развиваться с прицелом на технологическую независимость. Особенно остро этот вопрос стоит в ИИ. С 2022 года США ограничили поставки самых мощных чипов Nvidia в Китай, а позже — и урезанных версий для китайского рынка. В ответ Пекин ускорил развитие собственной ИИ-инфраструктуры — от чипов до программных платформ.

По данным источников, власти требуют от дата-центров и государственных проектов использовать больше отечественных чипов — вплоть до запретов на иностранные аналоги, квот на закупки и требований комбинировать Nvidia с китайскими чипами от Huawei и Cambricon.

Однако заменить Nvidia — не значит просто поменять плату. У американской компании огромное преимущество в программной экосистеме, на которую разработчики потратили годы. Переход на Ascend требует переписывания кода, адаптации инструментов и доказательства надёжности новых систем.

Полностью отказаться от Nvidia DeepSeek пока не удалось. Согласно техническому отчёту, китайские чипы используются только для вывода — когда модель выполняет задачи. Что касается обучения, профессор Тсингхуа Люй Чжюань сообщил MIT Technology Review, что адаптирована лишь часть процесса. Неясно, были ли ключевые функции для длинного контекста перенесены на отечественные чипы. По словам анонимных источников, китайские процессоры пока уступают Nvidia, но лучше подходят для вывода, чем для обучения.

DeepSeek связывает будущее ценообразование V4 с этим переходом: компания заявляет, что цены на V4-Pro могут значительно снизиться, когда суперузлы Huawei Ascend 950 пойдут в массовое производство во второй половине года.

Если это сработает, V4 может стать первым признаком того, что Китай успешно строит альтернативную ИИ-инфраструктуру.

On Friday, Chinese AI firm DeepSeek released a preview of V4, its long-awaited new flagship model. Notably, the model can process much longer prompts than its last generation, thanks to a new design that helps it handle large amounts of text more efficiently. Like DeepSeek’s previous models, V4 is open source, meaning it is available for anyone to download, use, and modify.

V4 marks DeepSeek’s most significant release since R1, the reasoning model it launched in January 2025. R1, which was trained on limited computing resources, stunned the global AI industry with its strong performance and efficiency, turning DeepSeek from a little-known research team into China’s best-known AI company almost overnight. It also helped set off a wave of open-weight model releases from other Chinese AI firms. 

DeepSeek has kept a relatively low profile since then—but earlier this month, it effectively teased V4’s release when it added “expert” and “flash” modes to the online version of its model, prompting speculation that the updates were tied to a bigger upcoming release.

While the company has become a powerful symbol of China’s AI ambitions, its big return to cutting-edge frontier models comes after months of scrutiny—including major personnel departures, delays to previous model launches, and growing scrutiny from both the US and Chinese governments. 

So, will V4 shake the AI field the way R1 did? Almost certainly not, but here are three big reasons why this release matters.

1. It breaks new ground for an open-source model.

As with R1 before it, DeepSeek claims that V4’s performance rivals the best models available at a fraction of the price. This is great news for developers and for companies using the tech, because it means they can access frontier AI capabilities on their own terms, and without worrying about skyrocketing costs.

The new model comes in two versions, both of which are available on DeepSeek’s website and in its app, with API access also open to developers. V4-Pro is a larger model built for coding and complex agent tasks, and V4-Flash is a smaller version designed to be faster and cheaper to run. Both versions offer reasoning modes, in which the model can carefully parse a user’s prompt and show each step as it works through the problem.

For V4-Pro, DeepSeek charges $1.74 per million input tokens and $3.48 per million output tokens, a fraction of the cost of comparable models from OpenAI and Anthropic. V4-Flash is even cheaper, at about $0.14 per million input tokens and about $0.28 per million output tokens, making it one of the cheapest top-tier models available. This would make it a very appealing model to build applications on.

In terms of performance, V4 is, perhaps unsurprisingly, a huge jump from R1—and it seems to be a strong alternative to just about all the latest big AI models. On the major benchmarks, according to results shared by the company, DeepSeek V4-Pro competes with leading closed-source models, matching the performance of Anthropic’s Claude-Opus-4.6, OpenAI’s GPT-5.4, and Google’s Gemini-3.1. And compared to other open-source models, such as Alibaba’s Qwen-3.5 or Z.ai’s GLM-5.1, DeepSeek V4 exceeds them all on coding, math, and STEM problems, making it one of the strongest open-source models ever released. 

DeepSeek also says that V4-Pro now ranks among the strongest open-source models on benchmarks for agentic coding tasks and performs well on other tests that measure ability to carry out multistep problems. Its writing ability and world knowledge also leads the field, according to benchmarking results shared by the company. 

In a technical report released alongside the model, DeepSeek shared results from an internal survey of 85 experienced developers: More than 90% included V4-Pro among their top model choices for coding tasks.

DeepSeek says it has specifically optimized V4 for popular agent frameworks such as Claude Code, OpenClaw, and CodeBuddy.

2. It delivers on a new approach to memory efficiency.

One of the key innovations of V4 is its long context window—the amount of text the model can process at once. Both versions can handle 1 million tokens, which is large enough to fit all three volumes of The Lord of the Rings and The Hobbit combined. The company says this context window size is now the default across all DeepSeek services and it matches what is offered by cutting-edge versions of models like Gemini and Claude. 

But it’s important to know not just that DeepSeek has made this leap, but how it did so. V4 makes significant architectural changes to the company’s former models—especially in the attention mechanism, which is the feature of AI models that helps them understand each part of a prompt in relation to the rest. As the prompt text gets longer, these comparisons become much more costly, making attention one of the main bottlenecks for long-context models.

DeepSeek’s innovation was to make the model more selective about what it pays attention to. Instead of treating all earlier text as equally important, V4 compresses older information and focuses on the parts most likely to matter in the present moment, while still keeping nearby text in full so it does not miss important details. 

DeepSeek says this sharply reduces the cost of using long context. In a 1-million-token context, V4-Pro uses only 27% of the computing power required by its previous model, V3.2, while cutting memory use to 10%. The reduction in V4-Flash is even larger, using just 10% of the computing power and 7% of the memory. In practice, this could make it cheaper to build tools that need to work across huge amounts of material, such as an AI coding assistant that can read an entire codebase or a research agent that can analyze a long archive of documents without constantly forgetting what came before.

DeepSeek’s interest in long context windows didn’t start with V4. Over the past year and a half, the company has quietly published a series of papers on how AI models “remember” information, experimenting with compression and mathematical techniques to extend what AI models could realistically handle.

3. It marks the first steps on the hard road away from Nvidia.

V4 is DeepSeek’s first model optimized for domestic Chinese chips, such as Huawei’s Ascend—a move that has turned the launch into something of a test of whether China’s homegrown AI industry can begin to loosen its dependence on US chip giant Nvidia. 

This was largely expected, since The Information reported earlier this month that DeepSeek did not give American chipmakers like Nvidia and AMD early access to V4, though prerelease access is common to allow chipmakers to optimize support of the new model ahead of a launch. Instead, the company reportedly gave early access only to Chinese chipmakers. 

On Friday, Huawei said its Ascend supernode products, based on the Ascend 950 series, would support DeepSeek V4. This means that companies and individuals who want to run their own modified version of Deepseek V4 will be able to use Huawei chips easily.

Reuters previously reported that Chinese government officials recommended that DeepSeek integrate Huawei chips in its training process. And this pressure fits a broader pattern in China’s industrial policy: Strategic sectors are often pushed, and sometimes effectively required, to align with national self-reliance goals. But there’s a particular urgency when it comes to AI. Since 2022, US export controls have cut Chinese firms off from Nvidia’s most powerful chips, and they later also restricted access to downgraded China-market versions. Beijing’s response has been to accelerate the push for a domestic AI stack, from chips to software frameworks to data centers.

Chinese authorities have reportedly been pushing data centers and public computing projects to use more domestic chips, including through reported bans on foreign-made chips, sourcing quotas, and requirements to pair Nvidia chips with Chinese alternatives from companies such as Huawei and Cambricon. 

Still, replacing Nvidia is not as simple as swapping one chip for another. Nvidia’s advantage lies not only in its chips, but in the software ecosystem developers have spent years building around them. Moving to Huawei’s Ascend chips means adapting model code, rebuilding tools, and proving that systems built around those chips are stable enough for serious use.

To be clear, DeepSeek does not appear to have fully moved beyond Nvidia. The company’s technical report reveals that it is using Chinese chips to run the model for inference, or when someone asks the model to complete a task. But Liu Zhiyuan, a computer science professor at Tsinghua University, told MIT Technology Review that DeepSeek appears to have adapted only part of V4’s training process for Chinese chips. The report does not say whether some key long-context features were adapted to domestic chips, so Liu says V4 may still have been trained mainly on Nvidia chips. Multiple sources who spoke on the condition of anonymity, due to political sensitivity around these issues, told MIT Technology Review that Chinese chips still don’t perform as well as Nvidia chips but are better suited for inference than training.

DeepSeek is also tying the future costs of V4 to this hardware shift. The company says V4-Pro prices could fall significantly after Huawei’s Ascend 950 supernodes begin shipping at scale in the second half of this year. 

If that works, V4 could be an early sign that China is successfully building a parallel AI infrastructure.