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 — одне з найдовших у мережі Gonka (більше лише у GLM-5.3 Flash — 390 000). Ми перевірили його емпірично: запит із входом 381 000 токенів прийнято й оброблено за десятки секунд. Сама архітектура V4 Flash підтримує контекст до 1 мільйона токенів; практичну стелю в мережі задає конфігурація хостів (вікно інференсу 400 000).
• Максимальний вивід: 32 768 токенів за відповідь — найбільша стеля в мережі: у MiniMax M2.7 і GLM-5.3 Flash вона вчетверо менша — 8 192; в обох випадках це конфігурація шлюзу, не ліміт моделі.
• Reasoning і tool calling: модель розгорнуто з парсерами міркувань і викликів інструментів — агентні сценарії (Cursor, Claude Code, LangChain) працюють з коробки; ми прогнали багатокрокові tool-сценарії OpenAI- та Anthropic-сумісними шляхами.
• Вимога до VRAM хоста: близько 280 ГБ — найлегша модель мережі (для порівняння: MiniMax M2.7 — 320 ГБ, GLM-5.3 Flash — 560 ГБ). Чим нижчий поріг заліза, тим простіше хостам розгортати модель — це добрий 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 MiniMax M2.7 і GLM-5.3 Flash — через JoinGonka Gateway це $0.0069 за мільйон вхідних і $0.021 за мільйон вихідних токенів. Для орієнтиру: сторонні провайдери на OpenRouter віддають ту саму модель від $0.06/$0.12 за мільйон, а сам DeepSeek до вересня 2026 зняв V4 Flash 0731 зі свого API — запити до неї обслуговує вже DeepSeek-V4.1-Flash по $0.30/$1.20 у пікові години. Економіка мережі — окрема тема: ціна визначається розрахунком за обчислювальну роботу, а не прайсом вендора.

У мережі три діючі моделі — DeepSeek V4 Flash, MiniMax M2.7 та GLM-5.3 Flash (Kimi K2.6 виведена з мережі у вересні 2026, а GLM-5.2, що довго значилася в реєстрі, у бойовий склад так і не увійшла). Коротке порівняння:

Практичний наслідок однакової ціни: обирати модель можна суто за завданням, не думаючи про бюджет. Потрібні великі промпти зі швидкими відповідями та найдовше виведення — DeepSeek V4 Flash; завдання, де потрібно подумати над заплутаною логікою (і найдовший контекст мережі) — GLM-5.3 Flash; рівна робоча конячка на щодень — MiniMax M2.7.

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

• SWE-bench Verified: 79,0% — розв'язання реальних GitHub-задач; рівень, ще рік тому доступний лише закритим флагманам. Для порівняння: у Kimi K2.6, яку мережа обслуговувала раніше, — 71,3%.
• GPQA Diamond: 88,1% — питання рівня аспірантури з науки; розширений режим міркувань додає точності на багатоетапних задачах.
• 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 зарахувань; 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 ~9 разів дешевша, ніж та сама модель у сторонніх провайдерів на OpenRouter. 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) одразу на цю модель:

npx @joingonka/setup --model deepseek

Там, де інсталятор сам пише конфіг (Claude Code, Codex CLI, OpenClaw, opencode, Kilo Code, Hermes, Pi та інші), DeepSeek V4 Flash стоїть за замовчуванням і без флага. Флаг потрібен, щоб перемкнути вже налаштований інструмент, і там, де інсталятор друкує значення для вставки (Cursor, Cline, Aider). Інші моделі мережі вибираються так само: --model minimax і --model glm.

Прямий виклик API (OpenAI-формат):

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

Під час реєстрації ви отримуєте 3M безкоштовних токенів — із контекстом 380K це можливість одразу протестувати модель на реальних великих документах і кодбазах. Покрокові приклади на Python і TypeScript — в API Quickstart; спробувати без реєстрації можна в безкоштовному чаті, вибравши DeepSeek V4 Flash у списку моделей.

Сильні сценарії для цієї моделі:

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

Коли розумніше інша модель мережі: для задач, де потрібно подумати над заплутаною логікою, є GLM-5.3 Flash — reasoning-модель мережі (детальний розбір моделей для розробки — у статті про найкращі моделі для коду), а MiniMax M2.7 залишається перевіреним робочим конем для повсякденних задач. Завдяки єдиній ціні експериментувати можна вільно — перемикання моделі це один рядок у запиті.