For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the complete content index is available at https://we0.ai/llms.txt, the full English article bundle is available at https://we0.ai/llms-full.txt, and this page is available as Markdown at https://we0.ai/ru/articles/deepseek-v4-pro-officially-released-agent.md.
DeepSeek официально перевела модель V4 Pro из предварительной версии в обновлённую производственную версию, предоставив разработчикам доступ...
DeepSeek официально перевёл модель V4 Pro из статуса предварительной версии в обновлённую производственную, предоставив разработчикам доступ к обновлённой модели DeepSeek-V4-Pro-0813 через API.
В исходной статье этот выпуск рассматривается как значительный шаг DeepSeek в области агентных и кодинговых возможностей. Ранние результаты бенчмарков, о которых сообщается в статье, показывают, что V4 Pro уже приблизилась к ведущим передовым моделям, особенно в задачах, связанных с программированием, взаимодействием с терминалом, агентами кибербезопасности и долгосрочным использованием инструментов.
В то же время ранние пользователи заметили необычное изменение в выводе рассуждений модели. Текст рассуждений может выглядеть сильно сжатым и трудным для чтения, что указывает на растущую оптимизацию модели в сторону эффективных машинных рассуждений, а не плавных объяснений на естественном языке.
Официальная документация DeepSeek подтверждает, что текущий идентификатор API deepseek-v4-pro теперь предоставляет модель DeepSeek-V4-Pro-0813, а способ вызова остаётся прежним.
Исходная статья начинается с лаконичного сообщения: DeepSeek V4 Pro официально выпущена.
Среди ранних результатов бенчмарков, на которых акцентируется внимание в статье, — HLE, Terminal-Bench, CyberGym и DeepSWE. По данным исходной статьи, V4 Pro уже превзошла Opus 4.8 в этих агентно-ориентированных оценках и приближается к заявленным результатам Fable 5, а в некоторых случаях даже превосходит их.
Статья приписывает большую часть улучшений пост-обучению, утверждая, что новая версия — это не просто более крупная базовая модель, а модель, глубоко оптимизированная под реальные типы задач, которые выполняют современные ИИ-агенты.
Более широкая идея ясна: DeepSeek больше не позиционирует V4 Pro только вокруг низкой стоимости. Модель Pro напрямую нацелена на верхний сегмент рынка моделей.
На момент публикации исходной статьи DeepSeek ещё не выпустила соответствующий официальный блог-пост, но платформа API уже была обновлена.
Разработчики могут использовать API V4 Pro и получить доступ к обновлённой модели с идентификатором:
DeepSeek-V4-Pro-0813
Текущая официальная документация DeepSeek подтверждает, что публичный идентификатор модели остаётся прежним:
deepseek-v4-pro
Сервис теперь маршрутизирует этот идентификатор на DeepSeek-V4-Pro-0813, поэтому разработчикам не нужно менять название модели в существующих интеграциях API.
Официальная документация API также подтверждает поддержку форматов, совместимых с OpenAI и Anthropic. V4 Pro поддерживает контекстное окно в 1 миллион токенов, вызовы инструментов, вывод JSON, а также режимы мышления и глубокого мышления.
В исходной статье сообщаются следующие цены на DeepSeek V4 Pro:
| Позиция | Цена за миллион токенов |
|---|---|
| Ввод | ¥3 |
| Кэшированный ввод | ¥0,025 |
| Вывод | ¥6 |
Эти данные совпадают с текущими официальными китайскими документами по ценам DeepSeek для deepseek-v4-pro. На официальной странице указаны цены: ¥0,025 за миллион кэшированных входных токенов, ¥3 за миллион некэшированных входных токенов и ¥6 за миллион выходных токенов.
Выходные токены.
Эта цена остаётся одним из крупнейших конкурентных преимуществ DeepSeek.
Интересное изменение заключается в том, что DeepSeek теперь пытается объединить это ценовое преимущество с более сильной агентной производительностью. Ранние версии делали преимущество в стоимости легко понятным; V4 Pro пытается сделать преимущество в производительности столь же убедительным.
Согласно исходной статье, наиболее ярким аспектом выпуска V4 Pro являются возможности программирования.
Подчёркнутые результаты бенчмарков охватывают задачи, которые гораздо ближе к реальным рабочим процессам разработки ПО, чем простые бенчмарки вопросов и ответов.
В исходной статье «Последний экзамен человечества» (Humanity's Last Exam) указан как одна из оценок, где V4 Pro конкурирует с ведущими моделями.
HLE предназначен для проверки сложных знаний и способности к рассуждению. Статья использует этот результат для доказательства того, что улучшения V4 Pro не ограничиваются простым автодополнением кода.
Terminal-Bench оценивает модель с помощью задач, выполняемых в терминальной среде.
Это особенно важно для программирующих агентов, поскольку модель должна взаимодействовать с реальной инструментальной средой, а не просто возвращать фрагмент кода.
Исходная статья сообщает, что V4 Pro близка к вершине этого бенчмарка и опережает Opus 4.8.
CyberGym — ещё одна агентно-ориентированная оценка, выделенная в статье.
В исходной статье утверждается, что V4 Pro показывает особенно высокие результаты здесь, что свидетельствует о том, что модель становится более способной справляться со сложными многошаговыми техническими задачами с использованием инструментов и окружений.
DeepSWE, вероятно, является наиболее релевантным для разработчиков результатом оценки.
В исходной статье говорится, что V4 Pro демонстрирует значительное улучшение по сравнению с предыдущей версией в этой оценке и достигает уровня, близкого к ведущим передовым моделям.
В совокупности эти результаты подтверждают основной тезис исходной статьи: DeepSeek V4 Pro была тщательно оптимизирована для программирующих агентов и рабочих процессов на основе инструментов.
В исходной статье также сообщается о некоторых менее позитивных наблюдениях ранних пользователей.
После тестирования V4 Pro некоторые пользователи заметили, что текст её цепочки рассуждений стал чрезвычайно сжатым и трудным для чтения.
Пример, воспроизведённый в исходной статье, содержит фрагментированные, машинообразные формулировки вместо нормального человеческого языка.
Модель по-прежнему может передавать полезную информацию через вывод рассуждений, но текст больше не обязательно приятен или интуитивен для чтения.
Такое поведение согласуется с общим направлением развития моделей рассуждений.
Официальная документация DeepSeek в настоящее время описывает специальный режим мышления, который раскрывает вывод рассуждений через reasoning_content в API. Она также предоставляет управление режимом мышления и интенсивностью рассуждений.
В исходной статье высказывается предположение, что снижение человекочитаемости контента рассуждений может помочь уменьшить потребление токенов, сохраняя при этом полезную информацию для самой модели. Эту интерпретацию следует рассматривать как наблюдение, а не как официальное объяснение DeepSeek.
Рассуждения
Здесь существует естественный компромисс.
Если модель тратит свой бюджет на рассуждения на создание тщательно проработанных предложений, промежуточные процессы могут быть более понятны человеку, но эффективность использования токенов снижается.
Если модель оптимизирована для максимально эффективного выполнения задач, её внутренние представления рассуждений могут стать гораздо менее читаемыми.
Для ИИ-агентов программирования второй подход полностью оправдан.
Агенту, выполняющему ту или иную команду, не обязательно писать длинные объяснения. Ему нужно эффективно совершать правильные действия, проверять результаты и продолжать работу.
Опишите идею одной фразой, и We0 AI создаст сайт-витрину, страницы и CMS, а после запуска поможет привлечь клиентов и трафик.
Одна полная генерация проекта для бесплатной регистрации
Лучше всего попробовать один полный поток генерации и быстро увидеть первый черновик проекта.
Именно поэтому исходная статья связывает смену стиля рассуждений с более широким развитием агентного программирования.
Модели всё больше оптимизируются для того, чтобы «делать», а не обязательно объяснять каждый промежуточный шаг на естественном языке.
Обратная сторона заключается в том, что оптимизация под программирование и агентные задачи может не напрямую транслироваться в лучшее длинное письмо.
Исходная статья утверждает, что стиль рассуждений V4 Pro может быть менее привлекательным для рабочих процессов, где письмо является ключевым, особенно когда пользователи ожидают отточенного языка и прозрачных объяснений.
Это не означает, что модель не умеет писать.
Скорее, это отражает смену приоритетов. Если большая часть работы по пост-обучению модели сосредоточена на кодинге, использовании инструментов и надёжности агентов, то другие способности могут не развиваться теми же темпами.
Для разработчиков это различие важно.
Модель может отлично справляться с кодингом на уровне репозитория, но при этом не обязательно быть лучшим выбором для задач генерации контента.
Статья рассматривает V4 Pro в контексте недавних многочисленных выпусков в китайской экосистеме открытых моделей.
В исходной статье описывается серия быстро развивающихся новых моделей, которые всё больше целятся в уровень производительности ведущих закрытых моделей.
Статья упоминает GLM 5.2, Kimi K3 и другие недавно выпущенные модели, считая их частью той же более широкой тенденции.
Ранний выпуск DeepSeek V4 Flash был ориентирован на экономическую эффективность. В исходной статье эта стратегия описывается как способствовавшая снижению цен на API по всему рынку.
V4 Pro занимает иную позицию.
Цель больше не проста:
«Можем ли мы предложить сопоставимые возможности по более низкой цене?»
Теперь она ближе к:
«Можем ли мы конкурировать в высшем эшелоне производительности, сохраняя ценовое преимущество?»
Это позиционирование с гораздо более амбициозными целями.
Официальная документация DeepSeek показывает, что модели V4 предназначены для работы с популярными ИИ-агентами и инструментами программирования, включая Claude Code, GitHub Copilot и OpenCode. Разработчики могут использовать DeepSeek в качестве бэкенд-модели для этих инструментов.
Это важно, потому что возможности модели всё больше определяются тем, насколько хорошо она работает в цикле агента.
Мощная модель для программирования — это не только генерация кода. Ей необходимо:
Релиз V4 Pro явно нацелен именно на это.
Рабочие процессы.
Оригинальная статья завершается более эмоциональным акцентом.
Она сравнивает этот релиз с моментом DeepSeek в начале 2025 года и отмечает, что позиционирование модели изменилось.
Раньше самым очевидным преимуществом DeepSeek было соотношение цены и производительности.
Теперь компания пытается включить V4 Pro непосредственно в число самых мощных доступных моделей.
Это делает значение релиза более масштабным, чем просто сама модель.
Если открытая модель сможет достичь передового уровня в программировании с агентами, сохраняя при этом относительно низкие цены на API, давление на поставщиков закрытых моделей значительно возрастёт.
DeepSeek-V4-Pro-0813 — это текущая обновлённая версия, обслуживаемая через идентификатор модели deepseek-v4-pro. Официальная документация API DeepSeek подтверждает, что разработчики могут продолжать использовать deepseek-v4-pro без изменений в интеграции.
Текущая страница цен DeepSeek на китайском языке показывает, что для V4 Pro цена некэшированных входных токенов составляет 3 юаня за миллион, кэшированных входных токенов — 0,025 юаня за миллион, а выходных токенов — 6 юаней за миллион. Цены могут меняться, поэтому перед развёртыванием следует проверять официальную страницу цен.
В релизе особо подчёркиваются программирование, агентные рабочие процессы, использование инструментов и возможности рассуждения. Официальная документация DeepSeek также перечисляет вызовы инструментов, контекст на 1M токенов, режим размышления и интеграцию с популярными инструментами-агентами для программирования.
Да. Текущая официальная документация моделей DeepSeek указывает длину контекста V4 Pro равной 1M. Также указана максимальная длина выходных данных — 384K токенов.
В оригинальной статье сообщается, что ранние пользователи видели сильно сжатые, похожие на машинные тексты рассуждений. Автор предполагает, что это может быть связано с эффективностью, но официальная документация DeepSeek не объясняет, что такой необычный стиль был введён специально для этой цели.
Да. Официальная документация DeepSeek описывает интеграцию с такими инструментами, как Claude Code, GitHub Copilot и OpenCode. Также поддерживаются API-форматы, совместимые с OpenAI и Anthropic.
Превью-релиз DeepSeek V4 был объявлен как открытый, включая открытые веса и технический отчёт. Текущий API-сервис и версии моделей документируются отдельно от материалов релиза, поэтому разработчикам следует различать открытые артефакты модели и размещённый API-сервис.
Интеграция.
deepseek-v4-pro и deepseek-v4-flash.DeepSeek V4 Pro знаменует сдвиг в стратегии компании. Новая модель Pro больше не позиционируется просто как недорогая альтернатива — её ключевое преимущество всё больше смещается в сторону конкуренции на переднем крае производительности в программировании и агентных сценариях.
Текущая версия API deepseek-v4-pro обслуживает DeepSeek-V4-Pro-0813 с поддержкой контекста на 1M токенов, вызовов инструментов, режима размышления и чрезвычайно конкурентоспособных цен.
Судя по сообщениям, изменение стиля рассуждений также отражает смену приоритетов модели: меньше внимания читаемым промежуточным текстам, больше — эффективному рассуждению и выполнению задач агентами.
Начните с одной фразы и получите полноценный сайт за считанные минуты.
