Постоянное снижение цен DeepSeek V4 переворачивает рынок корпоративного ИИ

Объявление DeepSeek на прошедших выходных о том, что компания навсегда снижает цены на свой флагманский модель V4 Pro на 75%, стало разрушительной атакой на капиталоемкие бизнес-модели передовых лабораторий Кремниевой долины.

Снижение цен на DeepSeek V4 Pro напрямую бьет по сопоставимым западным моделям, которые используются в качестве рабочих лошадок на корпоративном рынке. Модель оказалась в 7 раз дешевле по входящим токенам и в 17 раз дешевле по выходящим, чем Claude Sonnet от Anthropic или GPT 5.5-Med от OpenAI, в то время как облегченная версия DeepSeek V4 Flash превосходит по дешевизне альтернативы начального уровня вроде Claude Haiku в 10–25 раз.

Снижение цен стало возможным благодаря серии инноваций на стыке аппаратного и программного обеспечения, особенно в области кэширования, которые делают запуск моделей DeepSeek радикально более эффективным. При размещении на серверах внутри Китая стоимость чтения из кэша у DeepSeek в колоссальные 87 раз ниже, чем у западных облачных провайдеров — это столь агрессивный дефляционный порог, что гигант по производству смартфонов Xiaomi недавно перешел на аналогичную ценовую категорию для своей недавно развернутой архитектуры MiMo.

Показатели производительности DeepSeek V4 Pro находятся практически на одном уровне с передовыми западными моделями: она набирает 80,6% в задачах для агентов-программистов по версии SWE-bench Verified leaderboard и демонстрирует элитный балл рассуждений 87,5 в продвинутом техническом индексе MMLU-Pro. И V4 Pro, и V4 Flash (сверхбыстрая оптимизированная версия для разработчиков) имеют открытые веса и распространяются по гибкой лицензии MIT. Это дает предприятиям полную свободу в выборе вариантов развертывания. Такая стратегия с использованием двух моделей позволяет техническим командам направлять свои самые тяжелые многошаговые рабочие нагрузки автономных агентов на молниеносную модель Flash, оставляя тяжелую модель Pro для сложных задач на логику и рассуждения, что резко снижает затраты в период, когда вопросы бюджетирования стали как никогда актуальны.

Все это происходит в то время, когда закрытые западные лаборатории, в особенности OpenAI и Anthropic, сталкиваются с жестким контролем окупаемости инвестиций (ROI) на фоне вложения миллиардов долларов в универсальную аппаратную инфраструктуру.

Этот дефляционный обвал затронет лаборатории Кремниевой долины неравномерно, сигнализируя о безвозвратном разделении корпоративного рынка ИИ. В то время как премиальный детерминированный сегмент сохранится для критически важных инженерных процессов, высокообъемный фоновый уровень агентов полностью коммодифицируется за счет открытых весов. В конечном итоге это создает гораздо более серьезные риски для OpenAI, чья выручка в значительной степени опирается на универсальные потоки API-коммодити, чем для программно защищенных конкурентов вроде Anthropic.

Кризис стоимости токенов

В Uber сообщили, что исчерпали весь свой бюджет на 2026 год для Claude Code и Cursor всего за первые четыре месяца года; по словам главного операционного директора компании, расходы, связанные с высоким потреблением токенов некоторыми инженерами, «все труднее оправдать» на фоне отстающего роста производительности. Генеральный директор Airbnb Брайан Чески в прошлом году заявлял, что хотя компания использует новейшие модели OpenAI, они не полагаются на них в продакшене в больших объемах, отдавая предпочтение более быстрым и дешевым альтернативам вроде Qwen от Alibaba. А в последнем эпизоде подкаста VentureBeat Beyond the Pilot технический директор Pinterest Мэтт Мадригал подтвердил, что компания полностью перешла на стратегию открытого ИИ, дообучив открытую модель Qwen от Alibaba на фирменном «графе вкусов» компании для управления ассистентом Pinterest — это позволило достичь качества на уровне передовых моделей при снижении затрат на 90%. Последующее снижение цен от DeepSeek делает вероятность возникновения подобных ценовых различий еще более реальной.

[Ищете готовое решение? Кризис стоимости токенов и согласование аппаратного и программного обеспечения, о которых говорится в этой статье, станут главной темой конференции VB Transform 2026, которая пройдет 14–15 июля. Мероприятие создано специально для технических руководителей и специалистов по ИИ, занимающихся развертыванием автономных корпоративных систем. В программу входят специализированные сессии по архитектуре агентской инфраструктуры, оптимизации плотности вычислений и реальным примерам из практики инженерных групп, отказывающихся от закрытых систем. Ознакомиться со списком спикеров и приобрести пропуск можно здесь: https://venturebeat.com/vbtransform2026]

Геополитические препятствия и средства обеспечения комплаенса

Массовое внедрение китайских моделей на предприятиях на Западе сталкивается с серьезными геополитическими трудностями. Для жестко регулируемых американских гигантов в сферах финансов, здравоохранения и обороны адаптация к DeepSeek займет время.

Несмотря на то, что архитектура с открытыми весами по лицензии MIT позволяет компании развернуть модель локально на собственных серверах и предотвратить утечку данных на зарубежные серверы, советы директоров корпораций по вопросам комплаенса по-прежнему испытывают глубокую паранойю по поводу рисков в цепочке поставок программного обеспечения, потенциальных скрытых бэкдоров и угрозы внезапных федеральных санкций.

Более мелкие и гибкие программные команды, с другой стороны, сталкиваются с куда меньшей бюрократической волокитой. Свободные от многомесячных циклов проверки безопасности, эти быстро развивающиеся организации рассматривают немедленную 75-разовую (прим. ред.: речь о 75%-й экономии) экономию на инфраструктуре как колоссальное конкурентное преимущество, которым стоит воспользоваться прямо сейчас.

Агрегатор OpenRouter: отслеживание глобального трафика токенов

Взглянем на метрики использования токенов на OpenRouter — ведущем публичном прокси-сервере, отражающем популярность моделей среди разработчиков. OpenRouter предоставляет разработчикам удобный способ сравнения и развертывания моделей, и хотя эти данные не являются исчерпывающим показателем реальной популярности всех моделей на рынке, они подтверждают, что такая структурная миграция уже происходит внутри конвейеров данных компаний. Модель DeepSeek V4 Flash вышла на 1-е место в рейтинге OpenRouter за последнюю неделю, увеличив объем использования токенов на 48%. Ее продвинутый аналог, V4 Pro, расположился на 6-м месте. За последнюю неделю три лучшие модели DeepSeek обработали на OpenRouter почти 6 триллионов токенов, что обеспечило компании огромный отрыв от конкурентов. Например, премиальная модель OpenAI, GPT-5.5, опустилась на 15-е место с показателем 470 млрд токенов.

Точный объем мирового трафика токенов, проходящего через OpenRouter, неизвестен. По консервативным оценкам, он составляет около 3%. Это число не учитывает колоссальные объемы токенов, обрабатываемых через API, которые напрямую предлагают разработчикам такие компании, как Anthropic, OpenAI и Google. Однако последние оценки показывают, что OpenRouter обрабатывает от 15% до 40% общего объема токенов OpenAI и Google каждый, и этот показатель растет, что делает сервис значимым индикатором относительных тенденций независимо от точной доли рынка.

Хотя скептики часто называют трафик агрегаторов показателем активности инди-разработчиков, а не отражением ИТ-расходов компаний из списка Fortune 500, реальность корпоративных конвейеров меняется. Анализ инфраструктуры, проведенный ведущей венчурной компанией Andreessen Horowitz, показал, что в корпоративных производственных средах одновременно развертывается в среднем 14 различных моделей для маршрутизации рабочих нагрузок по цене и предотвращения привязки к единственному вендору. Именно этот сдвиг в структурной архитектуре стал причиной того, что OpenRouter недавно привлек масштабный раунд финансирования серии B на сумму $113 млн при прямом участии крупных поставщиков корпоративных данных и ПО, обслуживающих американский бизнес, включая ServiceNow Ventures, Snowflake Ventures, Databricks Ventures, NVentures от Nvidia и CapitalG от Google. В компании Stripe также сослались на корпоративных клиентов OpenRouter, принимая решение о тесном партнерстве с компанией.

Именно поэтому взлет DeepSeek в этом рейтинге вызывает такое удивление. Сама компания DeepSeek также напрямую предоставляет разработчикам доступ к API, а значит, через ее собственные каналы проходит еще больший объем токенов, чем видно по данным OpenRouter.

Эра многошаговых автономных агентов вместо чат-ботов

Всплеск активности DeepSeek на OpenRouter указывает на более глубокий структурный сдвиг в том, как автоматизированные программные архитектуры потребляют машинный интеллект. Технические команды уходят от использования тривиальных чат—ботов с одной репликой и начинают развертывать более сложные автономные агенты, которые работают часами, циклически сканируя кодовые базы и озера данных. Огромное количество вызовов инструментов и непрерывное перечитывание длинных историй контекста приводят к тому, что потребление токенов ИИ растет экспоненциально.

Запуск таких рекурсивных циклов на закрытых, премиальных западных API быстро приводит к непомерным инфраструктурным расходам. Если в прошлом году корпоративные техкоманды свободно экспериментировали с ранними прототипами с одной итерацией, не беспокоясь о бюджетах, то появление агентов, потребляющих массу токенов, спровоцировало кризис статей расходов на уровне предприятий. Исследование VentureBeat за I квартал 2026 года, в рамках которого были опрошены корпоративные пользователи в организациях с численностью сотрудников более 100 человек (n=65 в секторах программного обеспечения, финансов и здравоохранения США), подтверждает эту тенденцию: пункт «Стоимость за токен или модель лицензирования» подскочил с 25,4% в январе до 36,7% в марте, уступая лишь «сырой производительности» в качестве основного критерия отбора для корпоративных покупателей.

DeepSeek оптимизировала свои веса специально под эту тенденцию массового использования токенов агентами. Компания зафиксировала стандартную стоимость входящих токенов на уровне $0,435 за миллион, исходящих — $0,87 за миллион, а стоимость чтения с префиксным кэшированием составила рекордно низкие $0,003625 за миллион.

Именно этот третий компонент затрат — кэширование — является, пожалуй, наиболее значимым. «Если оценить, как все эти агенты используют токены в настоящее время, от 80 до 90% токенов приходятся на кэш-чтение», — говорит Вал Берцовичи, директор по искусственному интеллекту в WEKA, компании, которая предоставляет высокоскоростное хранилище для большей части такого кэша. «Это означает, что [эта цена] с большим отрывом является самой важной ценой, делающей остальные несущественными — практически погрешностью округления. Так что подход DeepSeek заключается не просто в заявлении «мы будем на 5%, 10% или 20% дешевле». Они сделали цену чтения из кэша у DeepSeek V4 Pro ниже в 87 раз. Это действительно заставило всю индустрию насторожиться».

Инфраструктурный прорыв: отделение HBM от контекста

Ключевые инновации DeepSeek связаны с оптимизацией оборудования и программного обеспечения. Здесь мы немного углубимся в технические детали.

В то время как западные передовые лаборатории вроде OpenAI ставили во главу угла производительность любой ценой, инвестируя миллиарды в не сжатые «плотные» (dense) нейронные архитектуры, DeepSeek, напротив, систематически стремилась выжать максимум интеллекта из менее мощного оборудования из-за отсутствия доступа к графическим процессорам Nvidia. Проведя пионерские глубокие программные оптимизации еще во времена архитектур V2 в 2024 году, лаборатория разработала серию из четырех взаимосвязанных аппаратных и программных прорывов, которые отделили операционный контекст модели от дорогостоящих вычислительных накладных расходов:

Прорыв 1: Сжатие размерности последовательности с помощью CSA и HCA

Трансформерная архитектура, которую используют большинство языковых моделей (LLM), упирается в так называемый кэш ключей-значений (KV-кэш). По мере того как агент выполняет длинные многошаговые сеансы, ключи исторического контекста забивают высокоскоростную память (HBM) на графическом процессоре, вызывая серьезные скачки задержки и тяжелое инфраструктурное налогообложение.

DeepSeek решила эту структурную проблему, внедрив гибридный механизм внимания, описанный в документе об архитектуре DeepSeek V4, который объединяет сжатое разреженное внимание (Compressed Sparse Attention, CSA) и сильно сжатое внимание (Heavily Compressed Attention, HCA), сокращая общий объем использования KV-кэша на колоссальные 90% в пределах окна контекста в 1 миллион токенов.

В то время как традиционные модели пытаются вести уникальный журнал памяти для каждого отдельного слова, DeepSeek сжимает строки своего кэша памяти. CSA действует как локальный фильтр, сводя небольшие фрагменты текста в лаконичные, индексируемые блоки, чтобы модель не тратила ресурсы на мелкие детали. HCA действует как агрессивный глобальный индекс, превращая огромные фрагменты текста из истории сеанса в высокоплотные резюме. Чередуя эти слои, DeepSeek сокращает миллионы строк памяти до крошечной доли от их исходного размера.

Прорыв 2: Нативная выгрузка памяти через многоголовое латентное внимание (MLA)

Используя метод под названием Multi-head Latent Attention (MLA), DeepSeek сокращает активный объем памяти контекстной истории до крошечной доли от стандартов обычных моделей. Это достигается за счет физического разделения труда между чипами оборудования. В то время как традиционные модели заставляют дорогие графические процессоры удерживать всю историю сеанса целиком, архитектура DeepSeek хранит на GPU только крошечные, высоко сжатые теги поисковых индексов (Ключи). Тем временем массивные пакеты данных (Значения) полностью выгружаются в более дешевую системную память и локальные уровни хранения. Как только GPU выполняет высокоскоростное сопоставление для поиска релевантных данных, он запрашивает значения из хранилища только по мере необходимости.

Архитектура DeepSeek настолько отличается от других, что движки инференса, которые загружают веса модели ИИ в память графического процессора для подготовки к обработке промптов, работают на пределе возможностей. Три самых популярных движка — Nvidia TensorRT-LLM, разработка из УК Беркли, SGLang и невероятно популярный vLLM — «все испытывают колоссальную нагрузку, пытаясь обеспечить поддержку новой модели, что нетипично», поясняет Берцовичи из WEKA. «Любая другая открытая модель имела хоть какое-то сходство с другими открытыми аналогами. Модель от DeepSeek устроена совершенно иначе».

Благодаря программной инженерии DeepSeek огромной модели с 1,6 триллионами параметров требуется поразительно малый объем HBM — всего 5,48 ГБ — для удержания в памяти 1-миллионного контекстного цикла в продакшене, согласно расчетам аналитика, использовавшего бенчмарки аппаратного моделирования. Для сравнения, меньшие по размеру модели, использующие стандартные западные архитектуры, забивают до 89 ГБ HBM при точно такой же контекстной нагрузке.

Экстремальное сжатие KV-кэша DeepSeek до 5.48 ГБ HBM также представляет собой расчетливый геополитический шаг для обхода американских экспортных запретов на передовые графические процессоры Nvidia. Снижая потребность в HBM и экосистеме CUDA от Nvidia, программный дизайн DeepSeek позволяет запускать передовой ИИ с высокой эффективностью на внутренних, более дешевых и не подпадающих под санкции китайских уровнях хранения данных, таких как флеш-память NAND, потребительские SSD и память LPDDR (производимая местными гигантами YMTC и CXMT).

Прорыв 3: Инференс с ультранизкими требованиями к ресурсам через обучение с учетом квантования FP4 (QAT)

Чтобы сохранять низкие затраты на вычисления при работе с массивными контекстными окнами, DeepSeek отказалась от старого подхода сканирования громоздких несжатых чисел при каждом обращении модели к памяти. Вместо этого, как подробно описано в техническом отчете DeepSeek V4, архитектура выполняет продвинутую форму сжатия данных непосредственно на активных путях, используемых для поиска информации в процессе обучения.

Это сжатие снижает требования к памяти и обеспечивает двукратное ускорение работы оборудования при сохранении практически безупречной точности (99,7%) в том, как система нацеливает и индексирует конкретные блоки данных. Этот инженерный успех позволяет корпоративным рабочим процессам беспрепятственно обрабатывать масштабные многошаговые задачи агентов, сохраняя при этом исключительную точность извлечения на уровне 83,5% в экстремальных бенчмарках поиска «иголки в стоге сена» на миллион токенов — это устраняет задержки производительности без истощения дорогостоящих ресурсов GPU.

Прорыв 4: Стабильность обучения сверхмасштаба за счет гиперотсылок с манифолдными ограничениями (mHC)

Обучение модели с 1,6 триллиона параметров создает риск нестабильности, из-за чего слишком большое количество путей передачи данных и сигналов обработки может выйти из-под контроля, вызвав сбой процесса. DeepSeek решила эту проблему с помощью структуры под названием Manifold-Constrained Hyper-Connections (mHC), которая использует процедуру балансировки, принудительно заставляя внутренние таблицы данных модели всегда в сумме давать единицу — это математический предохранитель, который позволяет сложным данным перемещаться по глубоким сетям без неконтролируемых скачков.

Инфраструктурный поворот: перестройка корпоративной сантехники

Значительная архитектурная эффективность кэширования DeepSeek меняет базовую юнит-экономику облачных платформ, хостящих такие модели. На агрегаторах для разработчиков вроде OpenRouter, где сторонние провайдеры регулярно предлагают продвинутые эндпоинты себе в убыток ради привлечения внимания разработчиков, такое отделение «железа» от софта меняет баланс сил. Экстремально низкая стоимость DeepSeek, вероятнее всего, приносит компании прибыль, по крайней мере при обслуживании модели в самом Китае, отметил Берцовичи.

Эта трансформация юнит-экономики на стороне провайдеров находит отражение и на стороне покупателей, демонстрируя структурные изменения в корпоративных ИТ-бюджетах. Опрос трекера инфраструктуры и вычислений ИИ VentureBeat за I квартал 2026 года (в котором участвовали корпоративные технологические покупатели из организаций с числом сотрудников более 100 — n=53 в январе, n=39 в феврале — в секторах программного обеспечения, финансовых услуг, здравоохранения и производства) показал, что внедрение предприятиями кастомных, самостоятельно управляемых стеков инференса с использованием открытых фреймворков вроде Triton, vLLM, Ray и Kubernetes подскочило с 11,3% до 17,9%. Поскольку эти программные уровни позволяют корпоративным инженерным командам развертывать архитектуры с открытыми весами нативных форматов прямо в собственных кластерах, они служат операционным спасательным кругом, позволяющим уйти от закрытых облачных экосистем.

Этот программный сдвиг подкреплен активной миграцией оборудования: рабочие нагрузки предприятий, перемещающиеся в специализированные облака для инференса, такие как CoreWeave, Lambda и Crusoe, выросли с 30,2% до 35.9% за последний период опроса. Эти инфраструктурные метрики показывают, что лидеры корпоративных технологий больше не ограничиваются прототипированием с открытыми альтернативами; они активно закладывают физическую основу, необходимую для независимого размещения таких архитектур, как DeepSeek V4, постепенно уходя от премиальных наценок западных API-шлюзов.

Стратегический раскол для западных лабораторий

Такое базовое снижение затрат может вскоре расколоть конкурентное поле в Кремниевой долине, переписав ожидания для лабораторий, пытающихся добиться окупаемости гигантских инфраструктурных инвестиций.

Впрочем, вряд ли «музыка» в Кремниевой долине смолкнет в ближайшее время. Anthropic продолжает демонстрировать экстраординарные успехи в корпоративном сегменте, подпитываемые повсеместным внедрением Claude Code и возможностью терминального выполнения с учетом кодовой базы. Для корпоративных инженерных команд переплата за детерминированную точность Anthropic имеет абсолютный смысл при разработке основного продакшен-ПО. Тем не менее, даже передовой лаборатории, масштабирующейся такими темпами, следует с осторожностью следить за DeepSeek: архитектура с открытыми весами под лицензией MIT, предлагающая почти флагманскую функциональность со снижением затрат на 75%, оказывает сильное давление на ценообразование высокообъемных операционных слоев любой мультиагентной системы.

Основной удар по структурной маржинальности может прийтись в первую очередь на долю OpenAI, несмотря на ее агрессивный переход к мультииоблачной инфраструктуре. Чтобы поддерживать колоссальные объемы потребительских токенов и токенов API, OpenAI кардинально изменила свой исторический семилетний эксклюзивный альянс с Microsoft, децентрализовав распространение, чтобы иметь возможность запускать модели в Azure, Oracle, AWS и Google Cloud. Тем не менее, эта мультиоблачная стратегия, обеспечивая сырую емкость в больших масштабах, оставляет компанию крайне уязвимой перед давлением со стороны инфраструктурных коммодити.

В отличие от Anthropic, которой удалось успешно защитить свою маржу за счет внедрения моделей в премиальные программные среды с высокой полезностью (такие как Claude Code), значительная часть корпоративной выручки OpenAI зависит от высокообъемных потоков универсальных API-токенов. Справедливости ради стоит отметить, что западные лаборатории уже начали тихо отступать с этих позиций — агрессивно запуская глубокие скидки на пакетные API, функции кэширования промптов и легковесные начальные модели, чтобы остановить отток средств. Однако это тактическое отступление лишь подчеркивает структурный кризис: Кремниевая доляна добровольно сдает позиции в сфере массовых коммодити, поскольку знает, что не сможет защитить их маржинальность. Когда те же самые автоматизированные фоновые рабочие процессы могут нативно обрабатываться высокоинтеллектуальными открытыми весами вроде DeepSeek V4, защита премиальной цены на генерацию сырого облачного текста перестает быть жизнеспособной стратегией.

Что еще более важно, в отличие от OpenAI или Anthropic, DeepSeek гораздо меньше заинтересована в срочном создании потребительских оберток или привязке разработчиков к экосистемам подписки. Напротив, DeepSeek ориентирована на игру в долгую на уровне экосистемы. Поддерживаемая массивным раундом государственного финансирования во главе с китайским «Большим фондом» (который поднял целевую оценку стартапа до диапазона от $10 млрд до $45 млрд), более вероятная цель лаборатории заключается в доказательстве жизнеспособности самодостаточного независимого китайского аппаратного стека ИИ, который в один прекрасный день может стоить до $10 триллионов.

Операционный водораздел между западными лабораториями и моделями вроде DeepSeek V4 Pro уже дает о себе знать. Финансовая компания Ramp провела тестирование автоматизированных роев агентов кибербезопасности и показала, что хотя DeepSeek V4 Pro полностью пасует на самой сложной логике безопасности, она достигает безупречного 100% уровня обнаружения в высокообъемных базовых задачах, таких как триаж конфигураций облака, значительно превосходя GPT-5.5 от OpenAI (44%). Для корпоративного директора по информационной безопасности стратегия очевидна: вы перекладываете высокообъемный расход токенов на рутинный фоновый шум на дешевые открытые весы, а премиальные передовые модели резервируете строго для высокоуровневых рассуждений, необходимых для выявления самых изощренных уязвимостей.

Вердикт для бизнеса

Для директоров по ИТ-операциям и менеджеров по конвейерам данных выбор в пользу миграции на открытую архитектуру вроде DeepSeek V4-Pro является грамотным управленческим решением. Открытая модель дает компаниям тотальный контроль над архитектурой, позволяя развертывать ее локально (on-premise) или через любой выбранный специализированный облачный уровень. Что особенно важно, она предоставляет руководителям корпоративной инфраструктуры стратегическую операционную альтернативу, которую закрытые вендоры предложить не могут: возможность загрузить сырые весы модели и запускать их в частном порядке с нулевой маржинальной стоимостью токенов в случае изменения цен публичного облака или условий доступа к API.

Предположение о том, что закрытые передовые лаборатории обладают вечной монополией на полезные корпоративные рассуждения, рухнуло. Хотя инженерные директора будут продолжать платить премию для защиты специализированных детерминированных рабочих процессов, финансовый фундамент модели передовых лабораторий кардинально изменился. Перенаправляя огромные объемы ежедневных токенов рекурсивных фоновых агентов на высоко оптимизированные кластеры с открытым исходным кодом, корпоративные команды лишают проприетарные облака их самого высокомаржинального топлива. Многомиллиардный «рвв с токенами» Кремниевой долины не просто сузился — он был полностью осушен снизу доверху.