DeepSeek V4-Flash-0731 — китайский ИИ-гигант обновил свою флагманскую быструю модель

Компания DeepSeek выпустила обновление своей модели DeepSeek‑V4‑Flash‑0731 с открытым исходным кодом. Новая версия получила значительные улучшения в задачах программирования и агентных сценариях, а также параллельные вызовы инструментов, контекстное окно размером до 1 миллиона токенов и полную совместимость с Codex CLI и расширением для VS Code. Обновление затронуло исключительно DeepSeek V4‑Flash, тогда как апдейт DeepSeek V4‑Pro ожидается уже в середине августа этого года.

Согласно официальной документации, архитектура и общее количество параметров модели DeepSeek‑V4‑Flash‑0731 остались неизменными по сравнению с предыдущей версией DeepSeek V4-Flash-Preview. Это MoE-модель с 284 миллиардами суммарных параметров, из которых при каждом запросе активируется только 13 миллиардов, что обеспечивает баланс между вычислительной эффективностью и качеством ответов. Модель включает 43 слоя MoE с 256 экспертами в каждом слое и маршрутизацией top-6, то есть на каждый токен активируются 6 наиболее релевантных экспертов. Важной особенностью является поддержка контекстного окна в 1 миллион токенов, что позволяет модели обрабатывать объемные документы и длинные цепочки рассуждений. Единственное изменение, которое внесли разработчики, — полный перезапуск пост-тренинга. При этом компания не раскрыла, какие именно данные и техники использовались в новом пост-тренинге, но главный результат этого переобучения — кардинальное улучшение агентных способностей. Теперь модель лучше выдерживает длинные агентные циклы разработки, лучше справляется с обработкой длинного контекстного окна и поддерживает многочасовые сессии автономной работы, и что самое главное, в DeepSeek‑V4‑Flash‑0731 появилась поддержка вызова инструментов. Это позволит DeepSeek‑V4‑Flash‑0731 читать и модифицировать файлы в кодовой базе, выполнять команды в терминале, запускать тесты и исправлять ошибки на основе их результатов.

В сравнении с конкурентами V4-Flash-0731 показывает следующие результаты: в Terminal Bench 2.1 модель обошла GLM-5.2 (81.0 балла) и уступает только Claude Opus 4.8 (85.0 баллов); в агентном тесте модель получила 25.2 балла, приблизившись к Opus 4.8 с 25.7 балла; в независимом рейтинге агентных способностей V4-Flash-0731 занял 1559 баллов, расположившись между Kimi K3 (1687 баллов) и GLM-5.2 (1510 баллов); по индексу интеллекта модель уступает только GPT-5.6 Luna (51 балл) с показателем 50 баллов; при этом стоимость инференса в API у DeepSeek составляет $0,14 за миллион входных и $0.28 за миллион выходных токенов, что значительно дешевле GPT-5.6 Sol ($5/ $30), Claude Fable 5 ($10 / $50) и Claude Sonnet 5 ($3/$15) при сопоставимых или превосходящих результатах. 

Выпуск DeepSeek V4-Flash-0731 демонстрирует стратегию DeepSeek, направленную на повышение практической эффективности модели без наращивания вычислительной сложности. Переобучение без изменения размера сети позволило точечно усилить навыки, востребованные в реальных сценариях — от автономных агентов до сложных систем поддержки принятия решений. Обновление подтверждает, что качество пост-тренинга может стать определяющим фактором эволюции модели даже при фиксированной архитектуре. Открытые веса DeepSeek V4-Flash-0731 уже лежат на Hugging Face.