DeepSeek ВЫЛОЖИЛ то, что прятал 1,5 года. Это меняет цены на ИИ!

26 окт. 2026 г.

Read: ~6m · You save: 9 min

DeepSeek выпустил движок, который скрывал 1,5 года: что это значит для цен на ИИ

DeepSeek открыл движок, который скрывал 1,5 года. Дешёвый длинный контекст может изменить цены на ИИ. Как работает и как подключить к Claude Code.

20 октября DeepSeek выпустила движок инференса, на котором работают её модели, и опубликовала данные об экономике своих дата-центров. Компания держала этот движок закрытым около 18 месяцев. Согласно документации компании, её операции при текущих ценах приносят прибыль. В этой статье кратко изложены раскрытые данные, технические методы, которые использует движок, и процесс настройки запуска DeepSeek с Claude Code.

Предыстория

В апреле 2025 года DeepSeek заявила, что не будет открывать исходный код движка, поскольку он напрямую связан с её дата-центрами. Компания также сообщила, что в тот момент небольшая команда не смогла бы поддерживать движок вместе с остальным её стеком.

17 октября 2026 года DeepSeek выпустила модель V4.1 Flash. 20 октября компания опубликовала движок для этой модели под названием DFINER. За одну неделю у репозитория на GitHub появилось 22 000 звёзд и 2 500 форков. Веса модели также были опубликованы на Hugging Face.

Репозиторий включает документ с ответами на часто задаваемые вопросы. В нём описывается, как устроена система, за счёт чего достигается её эффективность, как используются GPU и каковы экономические показатели данного подхода.

Данные о затратах и марже

DeepSeek приводит следующие цифры:

Один кластер обрабатывает 155 триллионов токенов в день, или почти 1,8 миллиарда токенов в секунду.
Каждый GPU генерирует около $38 в час выручки по сниженным ценам.
Оценочная рыночная стоимость одного такого часа работы GPU составляет $5–$ 10.
Итоговая маржа составляет около 80% до вычета расходов на исследования и прочих операционных затрат.

По словам DeepSeek, их модели остаются одними из самых дешёвых среди доступных моделей.

Технические методы

В статье описаны четыре основных метода, используемых в движке. Пятый компонент, проект токенизации под названием Resype, описан отдельно.

1. Разделение чтения и записи

Стандартная модель пропускает запрос через все свои слои. Рассматриваемая модель имеет 40 слоёв. Вывод начинается только после того, как вычисления достигают последнего слоя.

DeepSeek делит слои на две группы:

Первые 20 слоёв обрабатывают только входные данные (чтение).
Верхние 20 слоёв генерируют выходные данные (запись).

Поскольку входные данные не обрабатываются верхними слоями, чтение длинного промпта обходится примерно вдвое дешевле. Чтение и запись выполняются как отдельные рабочие нагрузки, поэтому один «писатель» не ждёт «читателя».

Движок применяет ту же логику к аппаратному обеспечению: чтение и запись распределяются по отдельным группам GPU. Минимальное самостоятельно развёртываемое решение включает 64 GPU для чтения и 64 GPU для записи.

2. Смесь экспертов

Модель содержит 750 миллиардов параметров и 384 специализированных эксперта, например, экспертов по коду и по тексту. Для каждого токена активируются только шесть экспертов. Остальные параметры для этого токена не используются.

Эксперты распределены по GPU, примерно по семь экспертов на карту.

Запросы, связанные с кодом, наиболее требовательны. Они составляют менее половины всех запросов, но по объёму являются самыми тяжёлыми. Поэтому эксперты по коду перегружаются в пиковые периоды нагрузки.

DeepSeek хранит резервные копии экспертов. Когда основной эксперт перегружен, нагрузку берёт на себя копия. По словам компании, самый загруженный GPU работает всего на 9% медленнее, чем средний GPU.

3. Спекулятивное декодирование

Генерация текста по одному слову за раз медленна. Небольшая быстрая черновая модель предлагает следующие пять слов. Затем большая модель проверяет все пять за один проход.

У стандартного подхода есть издержки. Если третье слово неверно, четвёртое и пятое отбрасываются, но время, потраченное на них, уже израсходовано.

DeepSeek обучил черновую модель оценивать собственную уверенность в каждом слове. Черновики с низкой уверенностью отбрасываются заранее, когда это необходимо. В результате:

Количество проверок снизилось на 30%.
Количество принятых слов осталось почти прежним.
Весь конвейер работает на 4–7% быстрее.

4. Кэширование контекста

Продолжение диалога требует от модели повторной обработки предыдущего контекста. В Claude Code кэш хранится один час. По данным использования, полученным автором, 97% токенов за последний месяц были потрачены на повторное чтение предыдущего контекста в тех же диалогах. В длинных сессиях одно повторное чтение может включать около одного миллиона токенов.

DeepSeek хранит этот контекст на диске в течение более длительных периодов:

3 дня для агентских нагрузок.
7 дней для стандартного чата.

Для этого компания использует 100 ТБ хранилища. Когда пользователь возвращается к диалогу, модель пересчитывает только последние 128 токенов вместо повторного чтения всей истории.

Сравнение стоимости:

Позиция	Цена
Повторное чтение диалога (DeepSeek), за миллион токенов	$0.006
Новые входные токены (o3), за миллион токенов	Примерно в 50 раз выше цены повторного чтения DeepSeek

По данным источника, стоимость возвращения к длинной задаче через день на DeepSeek практически незначительна.

Resype

Прежде чем промпт попадает на GPU, его необходимо разбить на токены. Для очень больших входных данных этот этап вызывает заметную задержку. Resype разбивает текст на сегменты до того, как он попадает на GPU, что распределяет нагрузку и ускоряет обработку.

Аппаратное обеспечение

Движок работает на двух типах GPU:

Nvidia Blackwell
Huawei Ascend 950

Nvidia H100 не поддерживается. Согласно Bloomberg, DeepSeek планирует использовать не менее 160 000 ускорителей для нового центра обработки данных. В статье отмечается, что компания начала использовать китайские компоненты.

Следующие компоненты не были включены в открытый пакет:

Хранилище памяти диалогов (100 ТБ).
Балансировщики нагрузки.

Опубликованный код включает сам движок. Эти два компонента остаются закрытыми.

Настройка с Claude Code

В статье описан трёхшаговый процесс запуска DeepSeek в качестве модели, которая работает внутри Claude Code. Интерфейс Claude Code остаётся прежним. Меняется только базовая модель.

Создайте API-ключ. Сгенерируйте ключ в личном кабинете DeepSeek. Для тестирования достаточно пополнить баланс на несколько долларов. Оплачивается только использование.
Настройте девять строк. Возьмите девять строк конфигурации из вспомогательных материалов. Добавьте адрес конечной точки DeepSeek, API-ключ и название модели. Заключите значения в кавычки. Конфигурация работает в стандартном Терминале macOS.
Запустите Claude Code. Запустите Claude Code в папке проекта, как обычно. После этого запросы будет обрабатывать DeepSeek.

В следующей публикации автор планирует протестировать оба агента на одной и той же задаче. Задача состоит в анализе конкурентов для службы доставки здорового питания в офисы. Она включает сбор цен конкурентов и жалоб клиентов, а также написание выводов о выходе на рынок. Сравнение будет сосредоточено на общем количестве использованных токенов и на том, являются ли экономия реальной.

Оценка автора

Автор излагает следующие взгляды. Это мнения, а не проверенные выводы.

За последние два года компании, работающие в сфере ИИ, понесли серьёзные расходы. Автор описывает Claude как компанию с существенными убытками. Автор утверждает, что OpenAI однажды показывала прибыль, и что OpenAI недавно повысила цены до $500.
Позиция DeepSeek такова: поставщик с наименьшей стоимостью сопоставимого интеллекта привлечёт пользователей.
Ожидается, что Anthropic перейдёт на архитектуру DeepSeek, исходя из ожидания автора, что этот подход работает принципиально иначе и будет скопирован.
Автор ожидает, что принципы DeepSeek в течение следующего года повлияют на агентов, Claude и Codex.
Автор сравнивает ситуацию с китайскими автопроизводителями, автомобили которых сейчас конкурируют с моделями BMW при схожих ценах. Автор ожидает, что китайские модели ИИ пойдут по схожему пути.
Для задач программирования в производственных средах автор утверждает, что DeepSeek пока не уступает Claude Code и недостаточен для производственных проектов. Для стандартных задач автор считает DeepSeek подходящим.

Введение и утверждение о прибыльности DeepSeek

DeepSeek опубликовала данные о своём движке и затратах, утверждая, что её инференс прибылен и дешевле, чем у конкурентов.

20 октября DeepSeek опубликовала данные, которые держала в тайне около 1,5 лет, включая сведения о её дата-центрах.
Докладчик утверждает, что прежнее заявление о том, что DeepSeek работает в убыток, неверно; по его словам, компания получает большую прибыль.
Модель DeepSeek дешёвая, и, как говорится в видео, она долгое время была одной из самых дешёвых моделей ИИ.
Движок и техники, выпущенные 20 октября, по ожиданиям, в течение следующего года определят развитие агентов, Claude и Codex.

Пропускная способность кластера и маржа

Один кластер обрабатывает около 155 триллионов токенов в день, а спикер оценивает экономику в расчёте на каждый GPU.

Один кластер обрабатывает около 155 триллионов токенов в день, примерно 1,8 миллиарда токенов в секунду.
Спикер говорит, что Claude тратит десятки миллиардов на вычисления, и называет Anthropic очень убыточной компанией.
По словам видео, при скидочных ценах каждый GPU DeepSeek приносит около 38 долларов в час.
Оценочная почасовая стоимость одного такого GPU составляет от 5 до 10 долларов, что, по словам спикера, оставляет маржу около 80%.
Он отмечает, что существуют исследования и другие расходы, но утверждает, что эффективность аппаратного обеспечения DeepSeek не имеет аналогов.

Почему длинный контекст дорогой

Длинные диалоги дорогие, потому что модели перечитывают весь контекст на каждом шаге; DeepSeek кэширует этот контекст.

Рассказчик говорит, что 97% его токенов за последний месяц ушли на перечитывание одного и того же диалога.
Каждый раз, когда пользователь отправляет сообщение, агент пересчитывает диалог, особенно после более чем часа простоя.
По словам рассказчика, кэш Claude живёт 1 час.
Он говорит, что самый большой названный показатель — почти 1 миллион входных токенов, перечитанных за одну сессию.
Средний расход при использовании Claude Code и Codex определяется в основном стоимостью этого перечитывания.

Разделение слоёв и смесь экспертов

Первый метод DeepSeek разделяет трансформер на слои-читатели и слои-писатели, поэтому чтение длинных запросов обходится примерно вдвое дешевле.

У модели 40 слоёв, которые докладчик сравнивает со зданием.
Первые 20 слоёв — это читатели, которые обрабатывают запрос; верхние 20 слоёв — писатели, которые генерируют ответ.
Писатели никогда не читают текст пользователя напрямую, поэтому чтение длинного запроса стоит примерно вдвое меньше.
Модель состоит из 384 экспертов, и каждый токен активирует только 6 из них.
У модели 750 миллиардов параметров, но для каждого токена работает лишь небольшая их часть.

Размещение экспертов и резервные эксперты

Распределение экспертов по GPU и добавление резервных копий экспертов устраняет узкие места.

Аналогия: один комплектовщик, идущий по складу, работает медленно; 64 комплектовщика со своими полками работают мгновенно.
384 эксперта распределены по GPU-картам, примерно по 7 экспертов на карту.
Экспертам кода достается самая большая нагрузка, хотя код составляет менее половины всех запросов.
DeepSeek хранит резервные копии экспертов, которые активируются, когда один из них перегружен.
Самая загруженная карта работает всего на 9% медленнее средней карты.

Спекулятивное декодирование с черновой моделью

Маленькая черновая модель предлагает сразу пять токенов, а большая модель их проверяет. DeepSeek обучает черновую модель оценивать собственную уверенность.

Вывод генерируется по одному слову за раз, что медленно, поэтому черновая модель предлагает следующие пять слов.
Раньше, если третье слово было неверным, четвёртое и пятое отбрасывались, хотя на их вычисление тратилось время.
DeepSeek обучила черновую модель оценивать свою уверенность и заранее отбрасывать неуверенные черновики.
Число проходов проверки сократилось на 30%, а количество принятых слов осталось почти прежним.
Сообщается, что общая схема работает примерно на 4–7% быстрее.

Кэш памяти: самый полезный приём

DeepSeek хранит память диалога на дисках, поэтому возвращение к старым чатам обходится очень дёшево.

Claude Code перечитывает всю беседу после часа или двух бездействия, и рассказчик называет это крупной нерешённой проблемой.
DeepSeek хранит память на отдельных дисках: 3 дня для агентов и 7 дней для обычного чата.
По словам видео, у DeepSeek для этого, как сообщается, есть система хранения уровня 100 ТБ.
При возвращении модель пересчитывает только последние 128 токенов вместо всей истории.
Стоимость повторного чтения составляет около 0,006 доллара за миллион токенов против около 3 долларов за новый запрос, то есть примерно в 50 раз дешевле.

Аналогия китайской конкуренции в сфере ИИ

Спикер сравнивает китайский ИИ с китайскими автомобилями, которые догнали европейские бренды, и отмечает, что DeepSeek использует оборудование Huawei.

Он сравнивает траекторию DeepSeek с китайскими автомобилями, над которыми когда-то смеялись, а теперь они не уступают BMW.
DeepSeek уже использует чипы Huawei наряду с Nvidia.
Спикер говорит, что DeepSeek стремится предлагать качество, сопоставимое с конкурентами, в несколько раз дешевле.
Видео содержит призыв оставить комментарий и подписаться; это исключено из краткого изложения.

Разгрузка токенизации: ReSype

DeepSeek ReSype разбивает текст на части до того, как он попадает на GPU, поэтому длинные запросы обрабатываются быстрее.

Пятая техника — это проект DeepSeek ReSype, который разбивает входящий текст на фрагменты до того, как он попадает на GPU.
Токенизация очень длинных запросов описывается как заметная пауза, которую разбиение на фрагменты сокращает.
Это распределяет нагрузку, поэтому модель отвечает быстрее.

Аппаратное обеспечение и то, что осталось закрытым

Движок официально работает на GPU Nvidia Blackwell и Huawei Ascend 950. DeepSeek оставила закрытыми кэш памяти и балансировщик нагрузки.

Движок официально поддерживает два типа GPU: Nvidia Blackwell и Huawei Ascend 950.
Предыдущее поколение Nvidia H100 не поддерживается.
По данным Bloomberg, DeepSeek планирует новый центр обработки данных с не менее чем 160 000 ускорителями.
Не открыты в исходном коде: кэш памяти диалогов (хранилище класса 100 ТБ) и балансировщик нагрузки.
Минимальное самостоятельно развернутое решение включает 64 карты для чтения и 64 для записи, что подходит крупным компаниям.

Настройка DeepSeek в Claude Code

Спикер приводит трёхшаговое руководство по использованию DeepSeek в качестве модели, которая работает за Claude Code.

Шаг 1: создайте API-ключ в панели управления DeepSeek; для тестирования достаточно пополнить баланс на пару долларов.
Шаг 2: возьмите девять строк конфигурации из материалов к видео, добавьте эндпоинт DeepSeek, название модели и ключ в кавычках.
Эти настройки также работают в обычном терминале Mac.
Шаг 3: запустите Claude Code в папке проекта как обычно; рассуждения вместо этого выполняет модель DeepSeek.
Спикер планирует следующее видео, в котором сравнит выполнение одной и той же задачи двумя агентами, с подсчётом потраченных токенов и реальной экономии.

Заключение: побеждает более дешёвый интеллект

DeepSeek делает ставку на низкие цены, а OpenAI их повышает; DeepSeek хорошо подходит для стандартных задач, но пока не годится для производственного кода.

Докладчик говорит, что OpenAI подняла цены до 500 долларов.
Он утверждает, что DeepSeek идеально подходит для стандартных задач, но пока недостаточно силён для производственных проектов.
Он предсказывает, что за этой стратегией низкой стоимости последуют и другие китайские модели.
Полное сравнение стоимости DeepSeek и Claude Code обещано в отдельном продолжении.