DeepSeek V4 Flash: модель мережі Gonka з контекстом 380K

DeepSeek — китайська AI-лабораторія з Ханчжоу, що здобула всесвітню популярність після релізів V3 та R1: саме R1 на початку 2025 року показала, що відкрита модель може наздоганяти закриті флагмани за частку їхнього бюджету. У квітні 2026 DeepSeek випустила сімейство V4 з двох моделей: важкий V4 Pro та легкий V4 Flash. Обидві — відкриті (MIT-ліцензія), обидві побудовані на архітектурі MoE.

V4 Flash — це 284 мільярди параметрів, з яких на кожен токен активується близько 13 мільярдів. Така розрідженість робить модель швидкою та дешевою в обслуговуванні: їй потрібно помітно менше відеопам'яті, ніж «щільним» гігантам, а швидкість генерації вища.

У мережі Gonka працює версія V4-Flash-0731 — перенавчена (re-post-training) збірка від 31 липня 2026. Архітектура та розмір не змінювалися, але якість на агентних завданнях зросла стрибком: за дев'ятьма опублікованими DeepSeek агентними та кодинг-бенчмарками збірка 0731 обходить навіть їхній власний флагман V4 Pro у прев'ю-версії. Важливе застереження для чесності: частина цих цифр — вимірювання самої DeepSeek на її власному тестовому стенді, який на момент написання ще не випущений публічно, тому незалежної реплікації поки немає. З фронтиром закритих моделей розрив залишається: Claude Opus 4.8 збірка 0731 не обходить ні на одному з дев'яти бенчмарків — але коштує при цьому на порядки дешевше, і в цьому її суть: максимум агентної якості за частку ціни.

Як і з іншими моделями мережі, важливо розрізняти характеристики моделі «з коробки» та робочі параметри конкретного розгортання: їх задає конфігурація vLLM-інференсу на GPU-хостах мережі. Фактичні значення через наш Gateway:

• Контекстне вікно: 380 000 токенів — найдовше в мережі Gonka. Ми перевірили його емпірично: запит із входом 381 000 токенів прийнятий і оброблений за десятки секунд. Сама архітектура V4 Flash підтримує контекст до 1 мільйона токенів; практична стеля в мережі задається конфігурацією хостів (вікно інференсу 400 000).
• Максимальне виведення: 8 192 токени за відповідь — єдина стеля для всіх моделей мережі (конфігурація шлюзу, не ліміт моделі).
• Reasoning та tool calling: модель розгорнута з парсерами міркувань та виклику інструментів — агентні сценарії (Cursor, Claude Code, LangChain) працюють «з коробки»; ми прогнали багатокрокові tool-сценарії за OpenAI- та Anthropic-сумісними шляхами.
• Вимога до VRAM хоста: близько 280 ГБ — найлегша модель мережі (для порівняння: MiniMax M2.7 — 320 ГБ, Kimi K2.6 — 720 ГБ). Чим нижчий поріг заліза, тим простіше хостам розгортати модель — це хороший знак для її доступності в мережі.

Ціна інференсу в мережі Gonka не залежить від вибору моделі: DeepSeek V4 Flash доступна за тією ж ставкою, що й Kimi K2.6 та MiniMax M2.7 — через JoinGonka Gateway це $0.0032 за мільйон вхідних і $0.0097 за мільйон вихідних токенів. Для орієнтира: офіційний API DeepSeek продає цю ж модель за $0.14/$0.28 за мільйон, OpenRouter — від $0.08/$0.18. Економіка мережі — окрема тема: ціна визначається розрахунком за обчислювальну роботу, а не прайсом вендора.

Тепер у мережі три діючі моделі (четверта, GLM-5.2, зареєстрована і чекає на розгортання). Коротке порівняння:

Практичний наслідок однакової ціни: обирати модель можна суто за завданням, не думаючи про бюджет. Потрібен найдовший контекст або швидкі відповіді з міркуваннями — DeepSeek V4 Flash; максимум агентної надійності на складному коді — Kimi K2.6; рівна робоча конячка на щодень — MiniMax M2.7.

Ключові опубліковані результати збірки 0731 (за даними DeepSeek та незалежних агрегаторів):

• SWE-bench Verified: 79,0% — вирішення реальних GitHub-завдань; рівень, ще рік тому доступний лише закритим флагманам. Для порівняння: Kimi K2.6 — 71,3%.
• GPQA Diamond: 88,1% — питання рівня аспірантури з науки; розширений режим міркувань додає точності на багатокрокових завданнях.
• Terminal Bench 2.1: 82,7 — робота в терміналі агентом; у прев'ю-версії Flash було 61,8, у V4 Pro Preview — 72,1.
• DeepSWE: 54,4 — новий суворий бенчмарк DeepSeek з майже нульовим рівнем хибних результатів; цифра вендорська, стенд ще не опублікований — сприймати з цим застереженням.

Чесна рамка: за дев'ятьма агентними бенчмарками збірка 0731 обходить власний V4 Pro Preview, але не Claude Opus 4.8 — відставання в середньому близько 6 пунктів. При цьому за ціною за токен модель дешевша за Opus на два порядки, а через мережу Gonka — ще в десятки разів дешевша за офіційний API DeepSeek. Саме це співвідношення «якість впритул до фронтиру за частку ціни» і робить її цікавою: детальні незалежні заміри зручно дивитися на Artificial Analysis, ваги та картку моделі — на Hugging Face.

Модель доступна через JoinGonka Gateway за OpenAI- та Anthropic-сумісним API. Ідентифікатор моделі: deepseek-ai/DeepSeek-V4-Flash-0731.

Найшвидший спосіб — інсталятор в одну команду, який налаштує ваш інструмент (Claude Code, OpenClaw, Cline, opencode, Aider та інші) відразу на цю модель:

npx @joingonka/setup --model deepseek

Прямий виклик API (OpenAI-формат):

curl https://gate.joingonka.ai/v1/chat/completions \
  -H "Authorization: Bearer jg-ваш-ключ" \
  -H "Content-Type: application/json" \
  -d '{"model":"deepseek-ai/DeepSeek-V4-Flash-0731","messages":[{"role":"user","content":"Привет!"}]}'

При реєстрації ви отримуєте 10 000 000 безкоштовних токенів — з контекстом 380K це можливість відразу протестувати модель на реальних великих документах та кодбазах. Покрокові приклади на Python та TypeScript — у API Quickstart; спробувати без реєстрації можна в безкоштовному чаті, обравши DeepSeek V4 Flash у списку моделей.

Сильні сценарії для цієї моделі:

• Великі документи та кодбази цілком. 380 000 токенів — це близько 280 000 слів: річний звіт, юридичний пакет документів або середній репозиторій поміщаються в один запит, без нарізки на шматки та втрати зв'язків між частинами.
• Довгі агентні сесії. Автономний агент, який читає файли, викликає інструменти та накопичує історію, впирається в контекст швидше за все — запас у 380K токенів означає помітно довші сесії без скидання пам'яті.
• RAG з великими вибірками. Чим більше релевантних документів поміщається в контекст, тим менша залежність від точності пошуку.
• Завдання з міркуваннями. Режим reasoning дає приріст на математиці, науці та багатокроковій логіці — за ціною звичайної моделі.

Коли розумніше інша модель мережі: для максимально надійного агентного кодингу на складних репозиторіях, як і раніше, сильна Kimi K2.6 (детальний розбір — у статті про найкращі моделі для коду), а MiniMax M2.7 залишається перевіреною робочою конячкою для повсякденних завдань. Завдяки єдиній ціні експериментувати можна вільно — перемикання моделі це один рядок у запиті.