Deepseek-V4.1-Flash снижает стоимость инференса до $0.20 и давит на рынок ИИ
Новый релиз от Deepseek выглядит не как рядовое обновление модели, а как агрессивная перестройка корпоративных расходов на ИИ. Выпустив Deepseek-V4.1-Flash-1017 на Hugging Face и ModelScope, компания напрямую бьет по самой уязвимой точке корпоративной автоматизации: нарастающим затратам на инференс в многошаговых рабочих процессах. Как пояснили в Deepseek, эта архитектурная итерация создана специально для сокращения объема токенов при автономном выполнении задач, что позволяет эффективно снижать операционные расходы для бизнесов, пытающихся масштабировать программных агентов.
Экономика коротких ответов
Модель, обученная исключительно посредством обучения с подкреплением с самообратной связью, работает быстрее, выдает меньше текста и справляется с разработкой ПО от начала до конца без привлечения внешних вспомогательных средств. По заявлению Deepseek, отказ от человеческих оценщиков и внешних моделей вознаграждения в процессе обучения позволяет архитектуре воздействовать на метрику, истощающую корпоративные бюджеты: лавинообразный объем вывода в агентских циклах.
Цифры красноречиво свидетельствуют о сокращении затрат. Согласно данным о производительности компании, на бенчмарке DeepSWE модель V4.1-Flash-1017 достигает максимального результата в 77,0 процента при средней стоимости чуть ниже $0.20 за задачу. При переключении на экономичный режим модель сохраняет точность на уровне 72 процентов примерно за $0.10 за запуск. Если сравнить это с предшественником, который требовал около $0.50 за запуск при точности всего 74,2 процента, дефляционное давление на вычислительные мощности становится очевидным незамедлительно.
Сравнение с корпоративными стандартами
Однако главная сложность для традиционных поставщиков заключается в прямом сравнении. Согласно внутренним тестам Deepseek, новинка превосходит более крупных конкурентов, таких как Claude Opus 5 и GPT 5.6-Sol, в базовых задачах по написанию кода и работе агентов. В то время как альтернативные решения вроде GPT-6 Astra, Gemini 3.8 Flash и Claude Opus 5 обходятся в сумму от $2 до более чем $10 за задачу в тех же оценочных таблицах, они регулярно уступают в точности меньшей по размеру модели.
V4.1-Flash-1017 набирает рекордные 77,0% при средней стоимости чуть ниже $0,20 за задачу.
Трения при интеграции также были намеренно сведены к минимуму. Модель адаптирована для действующих сред разработки, включая Deepseek Harness (рекомендуется версия v0.2.1-rc.1 или новее), Tencent CodeBuddy и WorkBuddy, и подключается напрямую к существующим инженерным конвейерам. Параллельно с весами моделей Deepseek открывает свою поисковую систему для разработчиков через новые API Search и Fetch, сигнализируя о стремлении разрушить привязку к инфраструктуре поставщиков.
Для руководителей корпораций стратегический вывод очевиден. Эпоха слепого принятия линейной связи между возможностями агента и затратами на вычисления подходит к концу. Когда модель стоимостью менее $0.20 систематически превосходит решения, обходящиеся в десять раз дороже, у отделов закупок появляются все основания потребовать полный аудит текущих контрактов с поставщиками ИИ.
Источник: The Decoder